亚马逊云科技re:Invent 2025：Agentic AI四大支柱发布
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。
易于构建（Easy to Build）
解决五大生产挑战
Swami博士指出，传统Agent开发需预设所有场景流程，代码难维护、易因意外失败；多数概念验证未覆盖快速部署、复杂内存系统、身份访问管理、工具连接及可观测性等五大生产障碍[2]。
Strands Agents SDK：开源模型驱动框架
亚马逊云科技推出开源Agent开发框架Strands Agents SDK，以模型驱动替代预定义工作流，已在内部验证可减少数千行冗余代码，显著提升准确性与可维护性。自2025年5月开启预览以来，下载量突破500万次[3]。
本次新增两项能力：支持TypeScript，降低全球主流语言开发者接入门槛；支持边缘设备运行，拓展汽车、游戏、机器人等新场景[4]。
Amazon Bedrock AgentCore：从PoC到生产的托管系统
AgentCore填补概念验证到生产落地的关键鸿沟。其Identity组件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，相较从零构建节省数周工期[5]。
全新发布的Episodic Memory使Agent能理解行为背后的“什么时候”与“为什么”。例如旅行助手可基于家庭出行历史（如孩子多、行李重、安检慢）自动将专车到达时间由45分钟调整为2小时，让Agent经验越丰富、决策越智能[6]。
昨日发布的两项能力同步升级：Policy in AgentCore支持自然语言定义行为约束（如禁止在生产账户执行更新操作），并自动转译为经Lean定理证明器形式化验证的Cedar策略语言；AgentCore Evaluations支持在数千模拟场景中评估测试，确保上线即达产线标准[7]。
高效（Efficiency）
模型定制化的关键路径
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）、敏捷性（迭代速度）三大维度。定制化模型可大幅提升常规任务（如代码生成、搜索分析、内容创建）执行效率[8]。
亚马逊云科技提供四种定制方案：监督微调（重质不重量，1万条优质交互数据优于数百万通用示例）、模型蒸馏（小模型模仿大模型核心能力，提速10倍且保留95–98%性能）、人类反馈强化学习（RLHF）和AI反馈强化学习（RLAIF）[9]。
今日正式发布的Reinforcement Fine-Tuning（RFT）in Amazon Bedrock，将强化学习自动化：开发者仅需选择基础模型、指向Bedrock日志、指定奖励函数（如大模型评判器），即可完成端到端微调，平均提升准确性66%[10]。
SageMaker AI Serverless Model Customization
提供两种体验：自助式满足深度掌控需求；Agent驱动模式下，开发者仅用自然语言描述用例，AI Agent即自动推荐微调技术、生成合成数据集、配置Serverless训练、评估效果——将机器学习工程师数月试错压缩至数天，并支持RLAIF、RLVR、DPO等前沿技术[11]。
同步发布Checkpointless Training on SageMaker HyperPod：通过持续保存分布式集群模型状态，实现分钟级故障恢复，彻底替代传统检查点回滚机制，提升训练韧性[12]。
可信（Trust）
可信Agent技术基石
Swami博士坦言，早期Agent原型存在API调用幻觉问题。当涉及金钱、信任等关键场景时，纯统计方法不可靠；而引入过度人工监督或硬编码操作，又会削弱Agent的自主性与创造力[13]。
亚马逊云科技杰出科学家Byron Cook介绍神经符号AI（Neuro-Symbolic AI）方案：融合大语言模型与自动推理技术，沿用欧几里得式数学逻辑证明范式，已在内部系统应用超十年[14]。
验证输出：自动推理工具像数学老师一样逐步检查LLM推理过程，发现问题即时推回重试[15]。
训练数据生成：使用Lean定理证明器生成无限量“标准答案”，让模型自初始阶段即习得正确推理路径[16]。
约束解码：实时介入模型输出（如识别“法国首都”起始字母“B”即触发纠偏），引导至合法结果（“P” for Paris），确保始终符合逻辑规则[17]。
Kiro规范驱动开发可分析应用、识别验收标准并转换为形式化规范，支撑代码生成、测试生成乃至程序正确性证明。AgentCore Policy支持自然语言策略描述（如“禁止更新生产账户资源”），自动转译为经Lean验证的Cedar策略语言，并可验证主权、隐私与安全合规性。Byron Cook总结：“形式化推理与生成式AI结合，是构建可信Agent的游戏规则改变者。”[18]
可靠（Reliability）
生产就绪的可靠工具
Swami博士指出，企业需要“值得被信赖的Agent”，而非仅“能做事的Agent”。传统RPA可靠但缺乏灵活性，LLM灵活却编排复杂，易在错误路径上持续执行直至失败[19]。
破局方案是端到端集成与强化学习深度融合。Amazon Nova Act专为构建自动化UI工作流Agent设计，已实现90%企业级高可靠性。其独特在于模型、编排器、执行器、SDK全链路端到端优化，且训练理念为“大脑与手脚协同训练”，出厂即具备生产就绪能力[20]。
亚马逊云科技构建数百个强化学习“健身房”，复刻CRM、HR系统、任务跟踪器等真实企业环境。Agent在其中运行数千工作流、经历数十万次交互，通过奖励-惩罚机制学习真实业务决策。在RealBench和ScreenSpot等基准测试中，Amazon Nova Act表现达到或超越业界最佳水平[21]。
协作（Collaboration）
人机协作的Agent时代
亚马逊云科技应用AI解决方案高级副总裁Colleen Aubrey登台演示AI如何成为团队“Agentic teammate”。她指出：“未来几年，AI队友将如同身边同事一样必不可少。”效率的本质不是减少努力，而是催生新产品、新服务、更好客户体验与新商业模式[22]。
以Amazon Connect为例——该云原生全渠道客户服务应用已支持全球数十亿次对话。现场演示中，客户（Colleen）发现可疑交易后，AI Agent首先通过Amazon Nova Sonic神经语音完成身份核验；随后无缝转接人工调查员Hector，并自动共享全部上下文[23]。
Hector的“Agentic teammate”几分钟内完成通常需数小时至数天的欺诈核查：自动分析地理模式、标注可疑位置、跨案例比对确认ATM刷卡欺诈；Hector还可通过自然语言提示即时创建自定义监控Agent；最终AI主动推荐更安全的旅行账户，并基于历史预订（如MGM Grand晚餐）推送优化奖励[24]。
本周Amazon Connect发布8项新Agentic AI能力，包括Nova Sonic声音集成、实时推荐Agent、AI驱动预测洞察及多模态协作等，推动人机真正成为无缝协作团队[25]。
展望：自由创造的时代
Swami博士回归开场主题：第一次成功编程时的成就感、自由感、解锁新世界的兴奋感——如今，AI Agent正让全球建设者每日重现这种体验。无论清理海洋、探索人脑奥秘，还是应对未知挑战，开发者都拥有前所未有的构建自由、从概念到影响的速度、以及解决不可能问题的能力[26]。
亚马逊云科技正通过“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。未来并非Agent代替人类，而是人类得以全然依赖它们做事——共同构建这一令人惊叹的未来[27]。