算力世界观 | AWS全力冲刺AI代理时代：10分钟发布25款新品，打响新一轮算力竞争战

拉斯维加斯的舞台灯光还未完全落下，AWS首席执行官 Matt Garman 就在短短十分钟内连发 25 款新品，两小时共计近 40 项重磅产品。这场信息密度堪比“技术地震”的发布，不仅展示了 AWS 在芯片、模型、代理系统上的全面进攻，更标志着全球云计算行业正式跨入 从模型（Model）向智能体（Agent）跃迁 的关键时刻。作为收入规模超过 1320 亿美元的世界最大云服务商，AWS 正站在一场技术路径、企业价值与算力生态的多重拐点上：人工智能已经从早期的“聪明助手”快速扩展为能自主执行任务、闭环完成流程的生产力工具，而企业真正关心的，不再是“模型有多强”，而是“能否落地、能否回本、能否安全控制”。本次 re:Invent 不仅是 AWS 的产品秀，更是其为未来十年人工智能产业定下的战略路线图——端到端掌控算力、模型、智能体三层栈，重塑企业级 AI 的部署方式与价值体系。

在 AI 训练规模持续突破、算力成本屡创新高的环境下，AWS 在本届大会中给出的第一个答案，是“算力必须变得更便宜、更可控”。新发布的 Trainium 3 UltraServer 推理能效提升 5 倍，而尚未正式面世的 Trainium 4 也提前被公布，性能预计再提升 6 倍。AWS 罕见地展示芯片路线图，是在向市场传达一项核心信号：未来超大模型训练不能继续完全依赖外部芯片供应链，必须掌握算力主动权。与此同时，AWS 发布了 AWS AI Factory，使金融、政府等对数据主权高度敏感的客户可以在自己数据中心内部构建“本地版 AWS”。而在另一条路线，AWS 继续强化与 NVIDIA 的深度合作——最新 P6e 实例搭载 GB300 NVL72，全栈支持极端规模的 AI 工作负载。这意味着 AWS 正形成“双轨计算路线”：以自研芯片降低成本、以 NVIDIA 架构支撑极端性能，共同构成未来的算力护城河。

如果说算力是 AI 引擎，那么模型就是引擎的燃料。AWS 在模型层的更新可谓“补齐短板”的一次跃迁。Amazon Nova 2 系列首次构建出能与 GPT-5.1、Claude 3.7 相竞争的旗舰模型，其中 Nova 2 Omni 具备四模态输入和多模态输出能力，Nova 2 Pro 则在复杂指令遵循上取得领先。AWS 不再只把模型作为“底层能力”，而是将其纳入整体 AI 体系的中枢。企业最难以克服的问题——微调浅层、模型容易遗忘核心能力——在本次发布中获得新的解法：Nova Forge 开放式训练模型。企业可以在预训练的最后阶段注入自己的专有数据，使模型真正具备行业 know-how 而不会“遗忘基础功能”。索尼成为首批客户，计划利用 Nova Forge 让其合规审查效率提升 100 倍。AWS 的路径非常明确：企业的模型不只是“微调一下”，而是“成为自己的模型”。

如果说模型仍然是“能说会算”的助手，那么代理（Agent）已经开始成为“能做能执行”的数字化员工。但代理最大痛点——风险失控——也正是企业迟迟不敢大规模部署的原因。AWS 在大会上提出一个关键观点：智能体的未来不在于更“聪明”，而在于更“可控”。为此 AWS 发布 AgentCore Policy，用确定性语言 Cedar 为智能体构建硬性规则。例如：如果代理尝试发起超过 1000 美元的退款，系统会在执行前立即阻断。这是从“让模型理解规则”转向“让系统强制执行规则”。同时 AWS 发布 Frontier Agent 系列，将开发者工作流整体智能化——漏洞可由智能体自动修复，安全审查在提交前自动完成，DevOps 报警可由代理推理原因并生成修复手册。智能体不再只是“辅助工具”，而是有权限、有职责、有边界的“数字员工体系”。AWS 押注的，不是代理能否更聪明，而是能否更可靠、更企业级、更具生产力。

回顾本次密集的发布节奏，无论是芯片、模型还是智能体，AWS 的动机非常清晰：企业用户需要的不是“更强的模型”，而是“能落地、能治理、能带来现金流的AI系统”。因此 AWS 正在构建一个三层闭环：

（1）算力层：自研芯片 + NVIDIA 超级加速器 → 降低成本、提升规模
（2）模型层：Nova 系列 + 深度行业定制 → 构建企业专属模型
（3）智能体层：可控代理体系 → 将 AI 转化为真正业务产能

这意味着未来的云计算竞争不再是“谁的服务器更快、模型更大”，而是“谁能帮助企业更快在AI时代获得回报”。AWS 选择了一条难但正确的道路：通过构建从物理算力到企业场景的闭环体系，让 AI 不再只是技术奇观，而是可复制、可量化、可治理的商业基础设施。AI 模型将不断演进，但企业创造价值的方式已经开始改变——这正是 AWS 希望抢先定义的未来。

（图文来源自：36kr，侵删）