顾名思义，re:Invent 不仅是亚马逊云科技年度峰会的名字，更是其每年向外界传达的核心：在这个行业，唯一不变的就是不断推翻过去的自己。

如果说过去十年的 re:Invent 是关于如何将计算资源「重塑」为像水电一样唾手可得的基础设施，那么今年则释放了一个截然不同的信号：云计算的下半场，竞争焦点已从「提供资源」重塑为「提供能力」。

在拉斯维加斯，亚马逊云科技以 10 分钟发布 25 个新品的极高密度，试图回答一个困扰行业的问题：为什么大模型热闹了两年，企业级应用的大爆发却迟迟未到？

亚马逊云科技向世界给出的答案是：属于企业的 Agentic AI 时代已经到来。

📃「太长不看」版：
• Frontier Agents 家族登场：推出 Kiro Autonomous Agent、Security Agent 和 DevOps Agent 三款前沿 Agent，将软件开发、安全和运维带入自动化新范式。
• 自研芯片再进化：正式推出 Amazon Trainium3 UltraServers，性能提升 4.4 倍。同时预告了下一代性能更强的 Trainium4 芯片。
• 自研模型家族全面升级：发布 Amazon Nova 2 模型家族，包含 Lite、Pro、Sonic（语音）、Omni（多模态）四个核心模型，覆盖从轻量到复杂的全场景需求。
• Amazon Bedrock 拥抱中国大模型：Amazon Bedrock 平台进一步扩容，首次纳入Kimi、MiniMax、Qwen等多个中国顶尖大模型。
• 模型定制化革命：推出 Amazon Nova Forge，首创「开放式训练模型」理念，允许企业将自有数据融入基础模型的预训练阶段，创造深度定制的专属模型。
• Agent 行为治理：发布 AgentCore Policy 和 AgentCore Evaluations，用自然语言为 AI 代理设定行为边界，并持续评估其工作质量，解决企业应用 AI 的可信度与可控性难题。
• 云边界的消融：发布「Amazon AI Factories」，将亚马逊云科技的 AI 基础设施直接部署到客户自己的数据中心。

生产力重塑：把 AI 从「工具」变成「同事」

过去两年，我们习惯称呼企业生产环境中的 AI 为 Copilot，但在亚马逊云科技看来，这还不够。Copilot 或者说传统的 AI「助手」，需要你时刻紧盯，并根据其任务和表现随时调节指令；但企业真正渴望的，是能够领受目标、独立思考并调用各种工具完成任务的 Agent。

因此，近几年亚马逊云科技的叙事核心，正从提供工具转向提供「工作者」。在本届 re:Invent 上，我们能看到亚马逊云科技将大部分时间都留给了 AI Agent，并带来了有史以来最大规模的 Agent 部署战略。

AI Agent 的价值在于「行动」，它们是区别于 AI 助手的全新物种，被赋予了自主规划、长期运行和并行执行复杂任务的能力。
——亚马逊云科技 Agentic AI 副总裁 Swami Sivasubramanian

AI Agent 大规模部署的第一步，就是设计出各怀本事的「数字员工」。

作为这一理念的具象化， Frontier Agents 正式发布。其中 Kiro autonomous agent（虚拟开发者）、Amazon Security Agent（安全顾问）和 Amazon DevOps Agent（运维专家）等 Agent 已经在多家企业「试岗」，表现出了极佳的效率。

例如，虚拟开发者 Kiro autonomous agent 可以连接上 Jira 和 Slack，领会团队的业务逻辑和协作规范，以符合标准的方式昼夜不停地完成跨库变更和 bug 修复等琐碎工作，让团队成员可以更专心于关键的创新部分。

在亚马逊云科技内部的一个案例中，一支 6 人团队利用 Kiro，在短短 76 天内做完了原计划需要 30 人耗时 18 个月才能完成的架构重构工作。期间 Kiro 自主分析了 15 个微服务，在几乎全程「无人驾驶」的状态下测试和提交代码。

和亚马逊关系紧密的蓝色起源（Blue Origin），更是大胆地将这套流程引入到了航空系统设计：从细化需求、物料沟通到更高技术力的系统架构和物理仿真，蓝色起源通过内部的 BlueGPT 平台调用了多个 Agent 来支持研发，让总体交付速度提升了 75%。

Agent 行动力升级的背后，是模型「大脑」的升级。支撑各种 Agent 的 Amazon Nova 模型家族全面升级至第二代，包含主打高性价比的 Amazon Nova 2 Lite、亚马逊最强智能模型 Amazon Nova2 Pro、专注类人语音对话的 Amazon Nova 2 Sonic，以及行业首个真正统一的多模态模型 Amazon Nova 2 Omni。亚马逊云科技坚持「没有一个模型能统治一切」的哲学，多样化的模型家族为的是让 Agent 更听话、更能干活。

为了让企业敢于将这些强大的 Agent 引入核心工作流，亚马逊云科技打造了 Amazon Bedrock AgentCore——这是为 Agent 构建平台 Bedrock 附加的全套行为治理体系。

通过 AgentCore Policy 功能，管理者可以用「禁止向金额超 1000 美元的客户退款」这样的大白话，为 Agent 设定不可逾越的「红线」，避免 AI 的错误行为造成公司重大损失；AgentCore Evaluations 功能则提供了 13 种内置评估器，像绩效考核一样持续监测 Agent 的工作质量；而全新的 AgentCore Memory 功能则引入「情景式记忆」，让 Agent 能从过往经验中学习，记住用户的偏好和上下文。

值得一提的是，亚马逊云科技还展现出了极大的生态包容性。在 Amazon Bedrock 平台上，我们发现了 DeepSeek、Kimi、MiniMax和 Qwen 的身影。这意味着，企业可以在亚马逊云科技的全球基础设施上，无缝调用中国最顶尖的 AI 模型能力，比如擅长推理和调用工具的 Kimi K2 和专注 Coding 的 MiniMax M2。

很显然，亚马逊云科技下一步的愿景，是将企业的生产力单元从个人升级为「人+Agent」的混合团队，让人类只处理那些真正有价值的问题，彻底解放生产效率。

成本重塑：算力降本增效，击穿价格底线

将 AI 做成像水电一样的基础设施，向来是业内最感兴趣的话题之一。但相信不少人注意到了，现在的「算力费」似乎太贵，贵到足以扼杀大多数企业的创新驱动。

而亚马逊云科技的核心竞争力刚好在于，它总能以完整体系和极致的工程能力，强行把价格「打下来」。

在首日的 Keynote 中，亚马逊云科技首席执行官 Matt Garman 宣布推出云端首款 3nm 工艺 AI 芯片 Trainium3，还顺势公开了以其为基础的 Amazon Trainium3 UltraServers，为企业提供 AI 训练和推理所必须的算力。

最多可将 144 块 Trainium3 芯片整合到同一系统中的 Amazon Trainium3 UltraServers，相比起上一代，算力提升了 4.4 倍，内存带宽提升 3.9 倍，更关键的是，能效提升了 40%。这意味着，在同样的电力消耗下，企业能获得 5 倍的 token 产出。

自研芯片，是亚马逊云科技对抗昂贵 GPU 的底气，也是向企业做出的一种承诺：让 AI 训练和推理不再是巨头的特权。包括 Anthropic、理光和 Splash Music 在内的客户，已经通过 Trainium，将训练成本降低了 50%。

更进一步，亚马逊云科技已经预告了下一代芯片 Trainium4，其 FP4 计算性能将再提升 6 倍，内存带宽提升 4 倍，以超越摩尔定律的提升速度，满足全球最大的模型训练需求，并降低企业的成本焦虑。

除了提升硬件能效，如何在软件端减少算力消耗，也是企业「精打细算」的重要部分。在这方面，亚马逊云科技来了一手漂亮的「软硬协同」：

亚马逊云科技认为，企业不总是需要用最大的模型，因此最新推出的 Amazon Bedrock Model Distillation（模型蒸馏）允许企业用大模型（老师）来教导小模型（学生），最终用 1/10 的成本实现相似的高性能。配合 Amazon S3 Tables 和 Aurora DSQL 等存储和数据库技术对海量数据的专项优化，亚马逊云科技正在系统性地挤掉 AI 成本中的水分。

一切上层应用的创新，都离不开底层基础设施的支持。只有当算力像水电一样廉价且唾手可得时，AI 应用的爆发才具有了现实基础。

边界重塑：「送货上门」，打破云能力的地点限制

长久以来，公有云和私有数据中心之间隔着一堵无形的墙。出于数据主权、低延迟或合规的要求，许多企业敏感部门的关键业务无法上云，也无法运用上述的 AI 能力。

亚马逊云科技决定推倒这堵墙。

全新发布的 Amazon AI Factories 提供了一种极具想象力的「曲线救国」方案：如果你不能上云，那我就把云搬到你家里。

换句话说，亚马逊云科技可以将包含 Trainium 或 NVIDIA 芯片的全套服务机柜，直接「快递」部署到客户的数据中心。这里卖的不光是服务器，还有一整套由亚马逊云科技管理的、与公有云体验一致的算力环境。

对于像沙特阿拉伯主权财富基金（PIF）控股的人工智能公司 HUMAIN 这样的主权级客户，或金融、医疗等强监管行业，AI Factories 尤其契合需求。他们利用现有的机房空间和电力，就能立刻接入先进的 AI 基础设施。

同时，亚马逊云科技还推出了Amazon Interconnect，首发与 Google Cloud 合作，打破了云厂商之间的物理隔阂。这显示了他们的务实姿态：承认「多云」是现实，并主动打通经脉。

至此， 亚马逊云科技完成了从「云服务商」到「泛在算力基础设施提供商」的身份转换。云的定义不再局限于亚马逊云科技的机房，而是延伸到了客户需要的任何角落。

体验重塑：消除「技术负债」，回归创造本源

技术的终极目标是什么？是让人类从繁琐中解脱，去从事真正的创造活动。

理想很美好，但在现实中，很多人不得不将时间花在对付那些年纪比自己还大的古老系统上。城市规划领域有一个词叫「基建诅咒」，它指的是早期的大规模基建，会在日后造成巨大的维护成本，并将组织资源「绑架」在维护老旧资产上，无法投入新技术、新线路或更新换代。

类似地，全球企业每年在维护旧系统、修补过时代码等「技术负债」上的花费高达 2.4 万亿美元，程序员和运维工程师厌恶这些重复性的「脏活累活」，却又囿于现实深陷其中。

在 re:Invent 上，亚马逊云科技宣布，要用 AI 砍掉这些「无用功」。

最新发布的 Amazon Transform 升级版，就是为了铲除这些技术负债。利用 Agentic AI ，它能将将陈旧的代码（如 COBOL、旧版 Java）自动升级为现代化语言，甚至能完成 Windows 应用向 Linux 的迁移。比起人力更新，其现代化改造速度可提升 5 倍，时间和成本减少 80%。

能够减轻企业负担的，还有 Amazon Nova Forge。它引入了「开放训练模型」的理念，允许企业在模型的预训练阶段就将自有数据（如产品设计文档、失败案例）与亚马逊云科技的通用数据集融合，训练出深度理解自身业务的专属模型 （Novella），从根源上解决传统微调的「灾难性遗忘」问题。Reddit 已成功运用这一技术，训练出能精准识别违规内容的专属模型，大幅简化了部署运维工作。

在这里，亚马逊云科技所做的事情就是打破诅咒，借助 AI 的能力实现低成本更新维护，并将旧资产中有价值的部分，融入企业专有的 AI 知识库。

只有感受不到「基建」的沉重，企业才能全情投入到业务创新之上。

云计算步入下半场，亚马逊云科技的规划才刚刚开始

如果说云计算的上半场，是将计算、存储、网络变成了像水和电一样的「基础设施革命」，核心是「资源的民主化」，那么以 AI Agent 为核心的下半场，云计算正在开启一场「能力的民主化」革命。

亚马逊云科技的云正在试图告诉市场：AI 时代的竞争，不再是看谁的模型参数更大，而是看谁能把 AI 的使用门槛降得更低、成本控得更好、边界管得更严。

这一转变意味着，未来企业数字化转型的重心，正从相对简单的、将业务搬上云端的「流程管理」，迁移到将业务目标托付给无数个自主运行 AI Agent 的「能力委托」问题上。

而帮助企业应对这一转型挑战，正是亚马逊云科技在 re:Invent 2025 上传递的核心价值：将 AI 时代巨大的技术复杂性和不确定性，转化为企业确定性的竞争优势。

当 Matt Garman 在十分钟内如数家珍般发布 25 项基础设施更新时，他宣示不只是亚马逊云科技堪称恐怖的工程效率，更是一套严密、务实且强大的工业化 AI 体系。从自研芯片到全模态模型基座，从打破物理边界的数据中心到自主工作的「数字员工」，亚马逊云科技将过去只有少数科技巨头才能企及的、构建复杂 AI 系统的能力，转变为一种所有企业都可以按需取用的标准化服务。

在这种叙事中，企业可用的 AI 工具只会越来越丰富，门槛只会越来越低，那么相应地，运用 AI 让企业生产效率骤升的「价值时代」，也正在快速步近。