美西時間12月2日，被譽為“雲計算春晚”的亞馬遜雲科技re:Invent 2025大會如期揭幕。首席執行官Matt Garman在兩小時的主題演講中，并未局限于自研Trainium芯片與Nova模型的參數發布，而是抛出了一個直指行業痛點的論斷：“僅靠芯片和模型無法跑通大模型商業化正循環，真正的價值落地需要貫穿軟硬件全鍊路的深度優化。”這場發布會，亞馬遜雲科技用一套覆蓋算力基礎設施、多元模型生态、企業級工具鍊的完整解決方案，正式宣告AI Agent從技術概念邁入規模化商用的關鍵拐點。
支撐這一論斷的，是亞馬遜雲科技足以領跑行業的硬實力：當前業務規模達1320億美元，同比增速提升至20%，過去一年新增營收220億美元——這一增量超過半數《财富》500強企業的全年營收。更關鍵的是，其構建了全球規模最大的AI雲基礎設施網絡，覆蓋38個區域、120個可用區，年内新增3.8吉瓦數據中心容量，規模位居全球首位，為全棧優化築牢根基。
算力破局：自研與生态雙線構建效率壁壘
在AI算力競争白熱化的當下，亞馬遜雲科技走出了“自研攻堅+生态兼容”的差異化路徑，既避免了單一依賴的風險，更通過技術協同構建起難以複制的效率優勢。
大會最受關注的自研Trainium芯片家族再迎升級：搭載3納米工藝的Trainium 3 UltraServers正式商用，相較上一代實現全方位性能躍遷——計算能力提升4.4倍、内存帶寬提升3.9倍，每兆瓦功耗處理的AI tokens數量提升5倍。其最大規格的EC2 Trn3 UltraServers可将144顆Trainium 3芯片整合為單一計算域，通過定制Neuron Switch網絡實現362 FP8 petaFLOPS算力與700 TB/s聚合帶寬，再經自研EFA網絡擴展至數十萬顆芯片的超大規模集群，這種系統級協同能力在行業内獨樹一幟。
實測數據更具說服力：在OpenAI GPT-OSS模型測試中，Trainium 3在保持相同單用戶延遲的前提下，能效比較Trainium 2提升超5倍。截至目前，Trainium系列芯片部署量已突破100萬顆，Trainium 2部署速度創下亞馬遜雲科技曆史最快紀錄，銷售與産能幾乎持平，僅訓練芯片業務就已成長為數十億美元規模的核心闆塊。更值得關注的是，下一代Trainium 4已進入深度設計階段，将實現FP4計算性能6倍提升、内存帶寬4倍提升，提前布局超大規模模型訓練需求。
與此同時，亞馬遜雲科技并未關閉生态合作大門，反而成為頂尖算力芯片的最佳“孵化器”。本次發布的P6E GB300系列全面适配英偉達最新GB300 NVL72系統——這款集成72顆Blackwell Ultra GPU與36顆Grace CPU的液冷式架構，相較上一代Hopper平台推理效能提升50倍。值得注意的是，英偉達自家大規模GenAI集群Project Ceiba、OpenAI核心業務集群均運行于亞馬遜雲科技平台，後者數十萬顆GPU構成的EC2 UltraServers集群即将完成GB300升級，将為ChatGPT等超大規模應用提供更強算力支撐。
針對大型企業合規與數據主權需求，全新推出的Amazon AI Factories更實現突破性創新：企業可在自有數據中心内部署亞馬遜雲科技專屬AI基礎設施，既能複用現有空間與供電資源，又能無縫接入最新GPU集群及SageMaker、Bedrock等核心服務，通過物理與邏輯雙重隔離滿足全球最嚴苛的合規标準。
模型自由：從多元生态到專屬定制的全場景覆蓋
“未來不會有一統所有任務的單一模型，優秀模型将長期并存。”Matt Garman的判斷，貫穿于亞馬遜雲科技的模型戰略布局。基于這一認知，Amazon Bedrock平台構建了涵蓋開源與專有、通用與專業的多元化模型生态，讓企業實現真正的“模型自由”。
自研Nova系列全面升級至2.0版本，形成覆蓋多場景的産品矩陣：高性價比的Nova 2 Light在指令遵循、代碼生成等核心場景表現媲美Claude Haiku 4/5.且成本優勢顯著;高端型号Nova 2 Pro在指令理解、工具調用等複雜任務中，人工評測得分超越GPT 5.1與Claude 4.5 Sonnet;業内首個統一多模态模型Nova 2 Omni更是實現突破，支持文本、圖像、視頻、音頻全類型輸入及文本、圖像輸出，大幅降低多模态應用開發複雜度。目前，Nova系列已服務數萬家企業客戶，成為Bedrock平台的核心增長引擎。
生态擴容方面，Bedrock平台模型數量較去年近乎翻倍，新增Google Gemma MiniMax M2、kimi k2、NVIDIA Nemotron等主流模型，Mistral AI最新開源權重模型(含Mistral Large 3及3B/8B/14B參數版本)也同步入駐。截至目前，Bedrock已吸引BMW、GoDaddy等全球标杆客戶，用戶數量同比增長超200%，超50家客戶單日處理token量突破1萬億，印證了生态策略的成功。
真正颠覆行業的創新來自Amazon Nova Forge開放式訓練方案。針對企業專有數據難以深度融入通用模型的痛點，該方案允許企業接入Nova模型多個訓練階段的檢查點，将自有數據與亞馬遜甄選數據深度融合，生成專屬私有模型。這種模式既規避了從零訓練的高昂成本(通常需數億美元)，又解決了傳統微調導緻的“能力遺忘”問題。例如某硬件制造企業通過該方案，将數十億token的設計圖紙、故障案例數據注入80%預訓練完成的Nova 2 Light模型，最終生成的專屬模型可精準匹配其行業知識體系，故障診斷準确率提升40%。
工具鍊革命：讓AI Agent安全落地關鍵業務
“芯片與模型是AI Agent的筋骨，而工具鍊是讓其靈活運轉的神經網絡。”Matt Garman強調，亞馬遜雲科技的核心優勢在于打通“技術-應用”最後一公裡。本次發布的Bedrock AgentCore及配套工具，精準解決了企業部署AI Agent的三大核心痛點：落地複雜、行為失控、質量難評估。
Bedrock AgentCore作為企業級Agent專屬執行平台，實現了部署效率的指數級提升。企業通過拖拽操作或數行代碼，即可在一分鐘内部署可運行的Agent，支持在私有VPC中安全運行，并輕松擴展至數千并發會話。納斯達克的實踐頗具代表性：采用AgentCore前，其計劃投入整個工程團隊構建支撐基礎設施;接入後，底層工作全由平台接管，團隊得以聚焦Agent核心能力開發，部署周期縮短70%。目前，Visa、澳大利亞國民銀行、力拓集團等高度監管行業客戶已批量采用該平台。
針對Agent行為可控性這一行業難題，平台内置的Policy策略系統提供了确定性解決方案。企業可通過自然語言設定規則(如“退款金額超1000美元時禁止執行”)，系統自動轉換為開源策略語言并實現毫秒級校驗，所有Agent訪問工具或數據前均需通過策略審核。這種“動态邊界管控”機制，徹底解決了傳統靜态規則難以約束Agent動态執行的痛點，讓Agent可安全應用于财務審批、客戶服務等關鍵場景。
AgentCore Evaluations則實現了質量評估的自動化升級。該工具支持對Agent的正确性、合規性、品牌一緻性等維度進行實時評估，可通過預構建評估器或自定義模型完成驗證，評估結果與CloudWatch監控指标無縫聯動。這讓企業無需專業數據團隊，即可實現模型升級前後的一緻性校驗，及時捕捉生産環境中的質量波動。
針對企業普遍面臨的技術債困境，亞馬遜雲科技更以“引爆舊服務器”的震撼演示，宣告Amazon Transform自定義功能的發布。該功能允許開發者創建專屬代碼轉換Agent，實現任意語言、API、框架的自動化升級，覆蓋從大型機代碼遷移到Python版本疊代的全場景需求。數據顯示，美國企業每年因技術債産生的成本高達2.4萬億美元，70%的IT預算用于遺留系統維護，這一工具的推出或将重塑企業數字化轉型格局。
實戰驗證：三大Agent重構研發運維全流程
亞馬遜雲科技自身的實踐，成為Agent價值落地的最佳案例。本次發布的Kiro編碼Agent、Security安全Agent、DevOps運維Agent，全面覆蓋軟件生命周期核心環節，實測效能驚豔行業。
作為結構化AI編碼開發環境，Kiro可将自然語言指令轉化為工程級規範文檔，并自動生成可運行代碼，顯著減少需求拆解與溝通成本。自預覽版上線以來，已吸引數十萬開發者試用，更成為亞馬遜内部官方開發環境。典型案例顯示，一個原計劃30人18個月完成的大型重構項目，采用Kiro後僅需6人76天即告完成，效率提升超80%。在此基礎上升級的Kiro自主Agent，可獨立完成新功能交付、Bug診斷、代碼覆蓋率提升等日常工作，并與Jira、GitHub等工具無縫集成，通過“集體記憶”持續适配團隊工作習慣。
伴随開發效率提升而來的安全風險，由Amazon Security Agent精準化解。該Agent将安全校驗前置到開發全流程：設計階段審查文檔識别風險、PR環節實時反饋安全問題、按需執行滲透測試、提供可直接應用的修複方案，實現“快速開發與安全發布兼得”。例如當開發者誤用信用卡數據存儲方式時，Agent可在編碼初期主動預警，避免後期返工損失。
面向運維環節的Amazon DevOps Agent，則具備高級工程師的自主決策能力，可跨雲環境識别性能瓶頸、分析故障根因、提供優化建議，将被動運維轉化為主動防控，大幅降低大規模集群的管理複雜度。
行業啟示：全棧協同定義AI競争新規則
縱觀本次大會，亞馬遜雲科技的戰略意圖已然清晰：不追求單一芯片或模型的參數碾壓，而是通過“基礎設施-模型生态-工具鍊-應用落地”的全棧協同，構建AI商業化的完整閉環。這種模式精準解決了行業“技術強、落地弱”的痛點——據調研，當前80%的企業AI項目停留在原型階段，無法實現規模化商用，而亞馬遜雲科技的全棧方案正破解這一困局。
Matt Garman在演講中重申的三個核心問題，或許正是破局的關鍵：“為什麼開發者不能專注于構建而非基礎設施?為什麼實驗的時間與成本不能趨近于零?為什麼不能讓每一個想法都成為可能?”從S3存儲服務颠覆雲計算格局，到如今全棧方案激活AI價值，亞馬遜雲科技始終以第一性原理破局行業難題。
免責聲明：本文僅代表作者個人觀點，與每日科技網無關。其原創性以及文中陳述文字和内容未經本站證實，對本文以及其中全部或者部分内容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關内容。
本網站有部分内容均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，若因作品内容、知識産權、版權和其他問題，請及時提供相關證明等材料并與我們聯系，本網站将在規定時間内給予删除等相關處理.
