每經記者｜張梓桐    每經實習編輯｜余婷婷    

“過去一年，機器智能已經爆發了，如今AI（人工智能）的發展又來到了一個拐點，我們正處在Agentic AI（代理式人工智能）爆發的前夜。”6月19日，在亞馬遜云科技中國峰會上，亞馬遜全球副總裁、亞馬遜云科技大中華區總裁儲瑞松表示。

儲瑞松指出，在過去一年，大模型的能力在各個維度都實現了跨越式發展。就連在今年1月推出的HLE（Humanity’s Last Exam，一項權威基準測試）上，模型正確率也從剛開始的個位數，迅速發展到如今已經超過20%。

“正如歷史上蒸汽機的出現放大和解放了人與動物的肌肉力量，通過在紡織、交通、采礦和冶煉等領域的應用帶來了工業革命。機器智能的爆發則放大和解放了人的大腦智力，其應用也將帶來Agentic AI的革命。”儲瑞松說。

如他所言，AI落地的場景正在擴張到汽車、零售、電商、醫藥等多個場景。“人工標注曾是車企研發的‘卡脖子’環節。”亞馬遜云科技汽車行業解決方案負責人在展位接受《每日經濟新聞》記者采訪時表示，輔助駕駛研發依賴海量路采數據標注，而傳統人工處理存在“效率低、成本高”的痛點。

圖片來源：每經記者 張梓桐 攝

記者在現場觀察到，該展區演示的方案通過多模態大模型實現視頻場景的智能分析，“以前需要人工框選道路元素，現在模型能自動識別并標注關鍵對象，大幅降低標注成本。同時，基于向量數據庫的多模態檢索技術，可快速復用歷史標注數據，提升數據挖掘效率。”該負責人說。

數據為王：企業數據就緒決定Agentic AI應用高度

“AI正從‘我問AI答’‘我說AI寫’發展為‘我說AI做’，未來AI驅動的‘數字員工’將像人類一樣參與企業運營。”儲瑞松援引斯坦福大學2025年人工智能報告數據稱，過去兩年AI推理成本大幅度下降，加之模型上下文協議（MCP）、智能體協作協議（A2A）等技術的成熟，使得多智能體協同應用的開發門檻大幅降低。

事實上，Agentic AI的爆發并非偶然，而是源于多重因素的疊加。

儲瑞松表示，過去兩年多，大模型能力日新月異，已具備類似人的大腦的思考能力。模型上下文協議的出現，使大模型驅動的智能體能夠方便地與周圍世界互動，此外，推理成本的極速降低，使得Agentic AI應用的規模化部署成為可能。

與此同時，在AI時代，企業獨有的、能帶來差異化價值的是數據，這也是很多企業最重要的戰略資產。企業數據是否AI就緒是決定企業AI應用水平天花板的重要因素，它能影響一家企業未來Agentic AI“數字員工”的視野高度、能力范疇、決策水平和執行效果。

在儲瑞松看來，要實現Agentic AI價值創造，企業需要有明確的策略并快速高效地執行，且要有客觀的預期：短期不要有過高不切實際的期望，但長期一定不能低估它給各行各業帶來的影響。這里所說的長期不是10年，而是1到2年。

以汽車場景的數據為例，上述展臺工作人員告訴記者，在仿真數據生成方面，云服務廠商如何通過物理引擎構建符合交通規則的虛擬場景成為落地的關鍵，“優秀的云服務解決方案應該覆蓋雨天、夜間等復雜工況，為模型評測提供高質量數據支撐，幫助車企優化模型訓練流程，加快研發迭代周期”。

汽車廠場景之外，在隔壁展區，一段由小說自動轉化的動畫正在播放。“用戶輸入長文本或上傳文檔，系統會先解析結構化數據，再生成連貫視頻片段。”工作人員告訴《每日經濟新聞》記者，該方案整合生成式AI技術，支持自定義工作流與風格模板。

圖片來源：每經記者 張梓桐 攝 

“只需用中文描述創意，就能生成游戲功能。”技術人員向《每日經濟新聞》記者演示了交互流程：當輸入“創建一個跳躍障礙的關卡”，系統通過特定協議與游戲引擎交互，就能實時生成可運行的場景。

“這打破了技術門檻，讓策劃、美術等非技術人員也能參與開發。”開發者接受采訪時表示，該工具支持自然語言直接控制游戲引擎，實現“全團隊創意協作”，尤其適合中小團隊快速驗證原型。

云廠商方案聚焦行業痛點：Agentic AI如何從概念邁向實用？

零售展區的智能導購方案則聚焦消費決策痛點。

“傳統售前咨詢難以處理個性化需求，而AI購物助手能深度學習產品目錄與用戶評論。”亞馬遜云一位架構師現場向記者演示，當用戶詢問“適合露營的防潮裝備”時，系統會自動關聯材質、防水等級等維度，提供多商品比較與推薦。

該方案基于Amazon Bedrock（亞馬遜云科技推出的全托管生成式AI服務）的大語言模型，實現模糊問題理解與精準檢索，“幫助零售商提升咨詢響應速度與轉化率”。

“醫學文檔生成需要兼顧準確性與合規性。” 在另一展位，醫療行業專家介紹智能醫學內容生成中心（MIH）方案，其基于Amazon Bedrock接入合規大模型，支持多語言醫學寫作與翻譯，“例如藥品說明書、臨床試驗報告等，可實現術語統一與格式規范”。同時，方案依托云原生架構實現數據處理自動化，幫助醫療團隊優化工作流程，提高內容生成效率。

制造展區的具身機器人演示吸引了不少關注。“系統通過對機器人的控制，結合生成式AI理解自然語言指令。” 一位展區技術顧問現場告訴《每日經濟新聞》記者，該方案支持實時對話中斷處理與上下文記憶，“比如用戶先要求‘抓取零件’，再補充‘輕拿輕放’，機器人會調整力度參數”。

記者注意到，這其中的核心亮點包括自然人機交互與環境適應能力，為工業場景的智能控制提供新范式。

記者走訪六大展區發現，當前云廠商的方案始終圍繞行業具體痛點：汽車的數據標注效率、游戲的開發門檻、醫療的合規寫作等。正如峰會現場反復強調的，Agentic AI的價值并非技術炫技，而是通過“工具 + 場景”的深度結合，解決實際業務問題。

當多模態模型減少數據標注人力、自然語言交互降低開發成本，這些落地案例正印證著AI從“概念” 走向“實用”的關鍵一步——而對于企業而言，如何將技術能力與自身業務流程結合，或許是智能時代更值得思考的命題。

儲瑞松指出，當下企業普遍聚焦成本優化，但Agentic AI將推動經營范式轉移。“未來企業的核心競爭力在于利用AI重構用戶體驗和商業模式。”不過，他也提醒企業需警惕技術泡沫：“Agentic AI的回報周期可能短于預期，但盲目投入而不解決數據與基礎設施短板，只會徒增試錯成本。”