5.1
深览指数
商业智东西··AI 生成
对话亚马逊云科技全球VP：企业Agent落地的坑怎么填
本文是亚马逊云科技全球数据库服务副总裁G2在2025年亚马逊云科技中国峰会期间的专访实录。文章核心观点是，企业将AI Agent投入生产环境的主要障碍并非模型能力本身，而在于工具连接、权限管控、可观测性与治理审计等工程化问题。亚马逊云科技推出了全栈Agentic AI技术（覆盖芯片、模型、数据、平台到应用），主打模型无关、完全可组合的AgentCore平台，并强调数据是最终的差异化来源。适合关注AI工程化落地、云服务选型的企业技术决策者阅读。原文 ↗
核心观点
- ▍企业Agent落地的主要难点不在模型本身，而在构建工具连接、权限管控、可观测性和治理审计体系，将模型能力稳定安全地接入真实业务系统。
- 01小鹏内部案例：2024年广泛使用AI开发工具后个人效率提升，但部门整体效率未变，原因在于AI写完代码后仍需人工集成、联调、推CI/CD。
- 02小鹏基于Kiro、Amazon Bedrock、Amazon EKS搭建的企业级AI工作平台“灵犀”，已使AI代码覆盖率超70%，日均100多个AI驱动工作流全自动运行，SRE缺陷修复从两天压缩到10分钟。
- 03Amazon Bedrock AgentCore的三个核心差异点：与模型/框架无关、完全可组合、支持混合搭配（可外接OpenAI API）。
- 04DeepSeek、MiniMax、Kimi、Qwen、GLM等中国主流开源模型已正式上架Amazon Bedrock。
- 05亚马逊云科技发布Amazon Context服务，为所有数据和Agent提供大规模上下文智能，该技术最初以"semantic store"形式内部使用，具备复利效应。
- 06G2提出AI原生数据库的五项要求：MCP协议数据访问、向量+混合搜索、数据库内直接调用AI推理、零门槛自适应运维、极致无服务器扩缩容。
反方 / 局限
- — 文章作为企业高管专访和产品推广稿，未提及亚马逊云科技在全球AI云服务市场中相对于微软Azure、Google Cloud的实际份额劣势，也未讨论单一供应商锁定风险。
- — 对于小鹏“灵犀”平台的部署成本和复杂度、以及其他企业在类似架构下可能遇到的工程挑战（如Kubernetes运维开销），文章未提供具体数据或案例。
Ganapathy 'G2' Krishnamoorthy亚马逊云科技Amazon Bedrock AgentCoreAmazon ContextKiro小鹏集团月之暗面 (Kimi)DeepSeekMiniMax猎豹移动EasyClawMCP (Model Context Protocol)Trainium
11 分钟 · 4 卡片 · 9 资料
读原文 →