亚马逊云科技re:Invent 2025：Agentic AI四大支柱正式发布
北京时间2025年12月4日，亚马逊云科技re:Invent 2025进入第三天。Agentic AI副总裁Swami Sivasubramanian发表主题演讲《Agentic AI的未来已来》，系统阐述构建可靠AI Agent的核心技术路径，并围绕“易于构建（Easy to Build）、高效（Efficiency）、可信（Trust）、可靠（Reliability）”四大支柱发布多项创新：Amazon Nova Act服务可靠性达90%，Amazon Bedrock强化微调功能准确性提升66%，Amazon Nova Forge开创“开放训练模型”新模式。
Easy to Build：降低开发门槛，加速生产落地
Swami博士指出，AI Agent正从“技术奇迹”转向可交付业务价值的实用工具，核心驱动力在于开发门槛显著降低——开发者可用自然语言构建Agent，无需记忆数百个API参数；开发周期也从数年或数月压缩至几周甚至几天。但当前企业普遍陷入“概念验证监狱”（POC Jail），大量原型无法进入生产环境[2]。
为此，亚马逊云科技推出双轨方案：
Strands Agents SDK：开源模型驱动框架
该SDK以模型为核心，摒弃预定义工作流，支持Agent自主适配真实场景。自2025年5月开启预览以来，下载量已超500万次[3]。本次新增两项关键能力：TypeScript支持，大幅降低全球主流开发者接入门槛；边缘设备支持，拓展至汽车、游戏、机器人等实时响应场景[4]。
Amazon Bedrock AgentCore：托管式生产平台
AgentCore旨在弥合PoC与生产之间的鸿沟。其Identity模块仅需几行代码即可实现跨亚马逊云科技应用及Slack、Zoom等第三方服务的身份访问管理[5]。新发布的Episodic Memory让Agent不仅能记住用户行为，更能理解背后的“何时”与“为什么”。例如，基于家庭旅行历史（孩子、行李、安检排队等），自动将机场专车到达时间由45分钟调整为2小时，使Agent随经验积累持续进化[6]。
此前发布的两项能力同步升级：Policy in AgentCore提供可控的自主决策权；AgentCore Evaluations支持在数千模拟场景中完成上线前验证，保障生产就绪[7]。
Efficiency：模型定制化提速降本
Swami博士强调，效率不仅关乎成本，更涵盖延迟（响应速度）、规模（峰值处理能力）与敏捷性（迭代速度）三大维度。现成大模型虽智能，但在重复性任务（如代码生成、内容创作、搜索分析）中并非最优解[8]。
针对定制高门槛问题，亚马逊云科技将四种关键技术自动化：
- 监督微调：1万条优质Agent交互数据优于数百万通用示例；
- 模型蒸馏：小模型可保留95–98%性能，实现10倍提速；
- RLHF与RLAIF：人类/AI反馈强化学习，降低专家依赖。
今日正式发布的Reinforcement Fine-Tuning（RFT）in Amazon Bedrock，让普通开发者也能使用强化学习：选择基础模型、指向Bedrock日志、指定奖励函数（如大模型评判器），即可完成全流程自动化训练，平均提升准确性66%[9]。
面向深度定制需求，SageMaker AI Serverless Model Customization提供两种模式：自助式体验满足技术掌控需求；Agent驱动模式支持用自然语言描述用例，由AI Agent自动推荐微调技术、生成合成数据、配置Serverless训练并评估效果，全程支持RLAIF、RLVR和DPO等前沿算法[10]。
此外，Checkpointless Training on SageMaker HyperPod通过持续保存分布式集群状态，实现分钟级故障恢复，硬件故障时可无缝替换节点，大幅提升训练韧性[11]。
Trust：神经符号AI筑牢可信基石
Swami博士坦言，早期Agent存在API调用幻觉问题。当涉及金钱、安全等关键场景，统计方法难以确保可信。过度依赖人工监督或硬编码反而削弱Agent的创造力与自主性[12]。
亚马逊云科技杰出科学家Byron Cook现场阐释了神经符号AI（Neuro-Symbolic AI）的突破性路径：将形式化推理与生成式AI结合，构建真正可信赖的Agent[13]。
三大可信能力落地
验证输出：自动推理工具像数学老师一样逐层检查LLM推理链，发现问题即时推回重试；
训练数据生成：借助Lean定理证明器生成无限量“标准答案”数据集，从源头塑造正确推理习惯；
约束解码：实时介入输出过程，如识别到模型开始输出“B”回答“法国首都”，立即引导至正确结果“Paris”，确保逻辑合规[14]。
Byron Cook还介绍了Kiro规范驱动开发：自动解析应用、提取验收标准并转为形式化规范，指导代码生成、测试与程序正确性证明。AgentCore Policy支持用自然语言定义策略（如禁止Agent更新生产账户资源），自动转译为经Lean验证的Cedar策略语言，并通过自动推理验证主权、隐私与安全要求[15]。
Reliability：端到端强化训练成就生产就绪
Swami博士指出：“企业需要‘值得被信赖的Agent’，而非‘能做事的Agent’。”传统RPA可靠但缺乏灵活性，LLM灵活却编排复杂、错误处理困难[16]。
破局之道在于端到端集成+强化学习深度融合。今日全面可用的Amazon Nova Act专为UI工作流自动化而设计，在企业级场景中达成90%可靠性。其核心在于模型、编排器、执行器与SDK的端到端协同优化——“让大脑和手脚一起训练”，出厂即具备实战能力[17]。
训练方式亦具革新性：放弃模仿学习，构建数百个覆盖CRM、HR、任务跟踪器等真实环境的强化学习“健身房”。Agent在其中运行数千工作流、完成数十万次交互，通过奖励/惩罚机制学会稳定解决现实问题。在RealBench与ScreenSpot等关键基准测试中，表现达业界领先水平[18]。
Collaboration：人机协作重塑客户服务范式
亚马逊云科技应用AI解决方案高级副总裁Colleen Aubrey登台演示Agentic AI在客户服务中的实际应用。她指出：“未来几年，‘Agentic teammate’将如同事般不可或缺——真正的效率不是‘更少的努力’，而是催生新产品、新服务、更好体验与新商业模式[19]。”
以全渠道云联络中心Amazon Connect为例，其采用与亚马逊内部一致的AI原生架构，已支持全球数十亿次客户对话[20]。现场演示信用卡欺诈核查流程显示：
- AI Agent通过Amazon Nova Sonic神经语音完成自然身份验证，锁定实体卡但保留Apple Pay功能；
- 无缝转接人工客服Hector，并同步全部上下文，客户无需重复陈述；
- Hector的“Agentic teammate”几分钟内完成通常需数小时乃至数天的欺诈分析，精准定位ATM盗刷模式；
- Hector用自然语言快速创建定制Agent，持续监控账户并发送安全提醒；
- AI Agent基于完整账户与交易历史，主动推荐更安全的旅行账户，并提示当晚MGM Grand晚餐可享额外旅行奖励[21]。
本周，Amazon Connect同步上线8项Agentic AI新能力，涵盖Nova Sonic声音集成、实时推荐Agent、AI预测洞察与多模态协作等，推动人与AI真正成为无缝协作团队[22]。
展望：自由创造的时代已然开启
Swami博士回归开场命题：编程初成时的成就感、自由感与解锁新世界的兴奋感，今天正由AI Agent赋予全球建设者——无论清理海洋、探索人脑奥秘，还是攻克未知挑战，人人都拥有构建的自由、从概念到影响的速度，以及解决“不可能”问题的能力[23]。
亚马逊云科技正以“易于构建、高效、可信、可靠”四大支柱，让每个人都能构建并运行生产级AI Agent。未来不是Agent代替人类做事，而是人类可以全然信赖它们做事。一个令人惊叹的未来，正在共同构建之中[24]。
