此前在《硬件、模型和智能体，AWS正驱动AI大时代》中，我们三易生活解析了AWS re:Invent 2025首场主题演讲的相关内容。

当时我们就指出，比起往年会花费大量篇幅讲述AWS在通用算力、传统数据库服务、边缘计算设备等方面的进步，AWS CEO Matt Garman今年几乎是将95%的时间，都用来展示这家全球云计算“一哥”为应对AI智能体时代所做出的种种转变。

不过在AWS方面看来，“仅仅”是一场CEO的主题演讲，似乎还不足以具体地表达他们领导AI智能体时代的能力和决心。所以在今年re:Invent开幕的第三天，便迎来了AWS在此次活动中的又一场重磅主题演讲，由副总裁Swami Sivasubramanian博士所带来的、“欢迎来到AI智能体的未来（Welcome to The Future of Agentic AI）”

什么是AI智能体？它和对话式AI并不相同

Swami Sivasubramanian博士在演讲中提到的第一个概念，就是“什么是AI智能体，和那些能够与用户对话的AI相比，到底有什么不同？”

为此他举了个例子，当一位运营者遭遇了网站流量的突然暴跌时，Ta当然可以选择询问一些“AI对话机器人”来获得帮助，这些老式的AI或许能给出一些“大而化之”的建议。在向AI提供一些具体的运营数据后，对话式的AI可能也可以“看懂”它们，并给出更具体一点的改进措施。

但如果Ta使用AI智能体，那么AI智能体将会在网站流量刚出现异常下降时，就主动“识别”到出现了问题。接下来，AI智能体会自动地查阅网站后台记录、识别那些可能异常的数据，并及时向运营人员提出警告、给出具体解决方案，甚至是尝试自动化地搞定一切。

很显然，与传统的“AI对话机器人”相比，AI智能体不只可以用自然语言进行交互、有自己的“知识库”，更重要的是，它还具备主动识别场景、自动规划任务、自动完成工作的完整能力。

为了实现这一点，AI智能体在基础结构上也比旧式的AI更复杂一些。Swami Sivasubramanian博士指出，典型的AI智能体基本上包含三个层面的结构，分别是位于最底层的AI模型、基于模型构建的各种技能，以及最上层、允许AI智能体与现实世界进行交互的API（应用程序接口）。

如何让智能体持续进步？AWS提出了新的办法

不过仅仅有了以上三个功能层面，还不足以保障AI智能体可以真正地“像人一样聪明”。这是因为早期的AI智能体还不具备通过经验进行自主学习、自我进化的能力，当它们被编写出来的时候，工作模式和技能就已经被固定。

那么要如何实现AI智能体的“持续进化”呢？一方面早在2025年5月，AWS就发布了最初版本的Strands智能体SDK。在之后的短短几个月里，Strands SDK保持着快速迭代，它不断地增加新的技能、支持更多的底层大模型，并改善开发的交互过程。截至目前，这款来自AWS的智能体SDK已经被下载了近530万次。

但以上这些还不够。直到最近几天，AWS正式发布了AgentCore Memory情景式功能，首次赋予了AI智能体从过往的“工作经验”中自我学习、提高效率的可能性。例如当用户使用AI智能体预定了一次机场接送，并正好准时到达，那么用户下一次再使用相同的AI智能体预定接送机时，AI智能体就会意识到“上次的时间正好足够”，并根据旅行数据（比如人数）的变化，主动预留更富余的时间安排。

专业级AI智能体并不“好做”，所以AWS出手了

当然，相比于改进已有AI智能体的性能，Swami Sivasubramanian博士指出，对于如今的绝大多数开发者来说，他们可能还被困在AI智能体的开发初始阶段。换句话说，他们甚至还不知道要怎么才能生成一个最适合其业务类型的“专属AI智能体”。

这并不奇怪，Swami Sivasubramanian博士还举了一个例子。假设一家资深医药企业需要开发他们的专属AI智能体，他们显然很清楚需要一个能够非常了解各种医学、化学知识的大模型，但哪些大模型擅长这个领域呢，研发人员又要怎么训练这些模型，才能进一步地“个性化”这些大模型，以使得其最终可以有最高的专业度、同时降低开发、训练过程中的成本呢？

这就是为什么AWS不断增强Bedrock的模型选择、模型优化、模型训练能力的原因。比如哪怕是非专业级的AI开发人员，也可以用自然语言描述他们对模型的潜在需求，Bedrock就会帮助他们选择最适合的AI模型。在这个一站式的智能体开发平台里，更是可以找到来自全球各地，有着各种不同特点的模型。

当开发者选定了模型后，通过使用Amazon SageMaker AI，这个平台将能够帮助开发者用更短的时间、更少的步骤，来完成模型的定制。一方面它支持强化学习模式，这就意味着不需要事先准备标记数据集，能够降低AI智能体训练的成本；另一方面，通过AWS一贯的无服务器体系，开发者可以使用成千上万的AI加速器资源，在几天、而不是几周时间里就完成所需的模型改造。用Swami Sivasubramanian博士的话来说，哪怕是非专业的AI开发者，现在也能用比过去短得多的时间实现“让模型更懂用户”。

为企业AI智能体而生，AWS发力自研模型

不难发现，对于AWS的AI智能体开发生态来说，他们现在有不断进步的SDK、有强大的模型训练工具、有易用的模型库，还有可能是全球最先进、同时性价比也最高的云端算力。

在这些工具的加持下，Swami Sivasubramanian博士相信，AWS可以帮助每一个企业里的每一名员工都能拥有自己的辅助智能体。甚至他表示，“人们‘不需要写一行代码’，就能完成定制化智能体的开发”。

但，我们是不是还遗漏了什么？

没错，虽然都知道AWS已经在昨日公布了三款主打“可升级”、“可长期稳定运行”的新一代自研AI模型。但在今天的主题演讲中，AWS还揭晓了专门针对企业办公场景的又一款大模型Amazon Nova Act。

据悉，Amazon Nova Act从一开始就瞄准了高稳定性、高准确度，并使用最新的强化学习，而不是旧的模仿学习技术进行训练。

从结果来说，这就使得Nova Act成为了一款“开箱即用”的企业办公模型，非常适合被用于构建辅助日常办公需求的AI智能体。有意思的是，AWS方面还专门将Nova Act与Claude旗下的两款大模型进行了性能比较，而Claude在前段时间的“退出”确实给AWS在大中华区域的业务造成了不小的影响。所以这似乎也可以看作是一向注重模型包容性的AWS，在遭遇提供商的“背刺”后，发力自研模型方案的一个缩影。