“为何不共同探索一个充满希望的未来？为何不在创新、想象与治愈的道路上走得更远？”在亚马逊云科技（AWS）第14届re:Invent全球大会上，一连串发人深省的问题拉开了这场科技盛宴的序幕。作为全球云计算领域的领军者，AWS在2025年交出了一份令人瞩目的成绩单：第三季度营收同比增长超20%，全年营收有望突破1320亿美元，资本支出预计达1250亿美元，创下历史新高。
在生成式人工智能（AI）浪潮的推动下，AWS正加速前行。其Amazon Bedrock平台服务的客户数量在一年内实现翻倍，其中处理超万亿规模tokens的客户已超过50家。这一数据背后，是AWS对AI基础设施的深度布局与持续创新。面对全球AI产业处于关键转折点的现状，AWS提出一个大胆的设想：为何不重构整个社会创新的基石？
在AI基础设施领域，AWS展现出全栈自研的雄心。亚马逊云科技大中华区产品部总经理陈晓建指出，要打造一个具备强大扩展性、最佳性能与最低成本的基础设施，必须从软件到硬件进行全栈优化，而AWS正是唯一具备这种能力的企业。在re:Invent大会上，AWS展示了从基础芯片、计算实例、模型平台到应用工具的完整技术栈，其中芯片无疑是核心环节。
陈晓建透露了自研训推芯片Amazon Trainium 3的最新进展。作为AWS首款基于3nm工艺的芯片，Trainium 3在计算性能、能效、内存容量与带宽等方面均实现显著提升。其计算性能是Trainium2的4.4倍，能效提高40%，内存容量增至144GB HBM3e，带宽提升1.7倍。更引人注目的是，Trainium 3支持大规模Ultra Servers与Ultra Clusters部署，单个服务器最多可集成144个芯片，集群规模可扩展至数十万甚至上百万芯片。
自研芯片的优势在于成本与性能的双重优化。相较于通用架构的英伟达GPU，ASIC架构的Trainium 3专为AI训练设计，去除了不必要的图形渲染、游戏优化等模块，从而在固定AI任务上实现更高的性能密度与能效。据透露，Anthropic、Karakuri等客户已通过Trainium将训练与推理成本降低至原来的50%。目前，AWS已部署超过100万颗Trainium芯片，业务规模达数十亿美元，尤其在Amazon Bedrock平台上，绝大部分推理服务已通过Trainium实现。
AWS的自研野心不止于算力芯片。自2017年投入自研芯片以来，AWS已形成三条产品线：基于Arm架构的Graviton系列负责通用计算，Trainium和Inferentia专攻AI训练与推理，Nitro系统芯片则负责网络、存储与安全功能的卸载。AWS还在构建一个闭环的AI基础设施生态，从芯片到实例计算，从存储到数据库，从训练到推理，形成全方位覆盖。
在本次re:Invent大会上，AWS推出了一项创新产品——Amazon AI Factory。这是一个私有的AWS区域，允许客户利用自身数据中心与电力容量，由AWS协助建设最先进的AI基础设施。该方案整合了最新的英伟达GPU、Amazon Trainium芯片以及Amazon SageMaker和Bedrock平台，为每个客户独立运营，确保资源与业务的完全隔离，同时保持与AWS相同的安全性与可靠性。这一模式为因数据主权、监管合规等因素无法采用公有云的客户提供了新的选择。
如果说基础设施是土壤，那么Agent（智能体）则是这片土地上结出的果实。2025年被称为Agent元年，AWS正以务实的方法论推动Agent的落地应用。亚马逊云科技大中华区解决方案架构总经理代闻指出，企业逐渐意识到，不存在一个“万能”的大模型，企业的知识与流程才是核心资产，而Agent则是将这些资产转化为生产力的工程化手段。
在亚马逊内部，Agent的应用已超过4万个。代闻发现，Agent的普及不仅带来工具的更新，更推动生产关系的重构。首先是组织形态的重塑，人机协作成为常态，传统的线性管理模式逐渐失效，企业需要建立新的协作范式与组织方法论。其次是角色边界的重塑，个体职能向“AI指挥官”转变，配套工具的重要性日益凸显。
代闻以销售与开发场景为例，说明Agent如何提升效率。在销售场景中，经理可利用Amazon Quick Suite生成详尽的客户报告，自动整合客户最新上市信息、舆情与内网历史交易数据，大幅提升拜访前的准备效率。在开发场景中，产品经理（PM）可借助AI“召唤”工程师协助制作原型，实现想法的快速验证，无需依赖研发排期。
企业拥抱AI的模式主要有两种：一种是成立小规模新团队，充分拥抱AI原生工作状态；另一种是对原有开发团队进行转型，这需要强有力的制度指引与工具支持。代闻认为，真正的变革需要“推”“拉”结合：“推”是设计新的KPI考核方式，“拉”是提供好用的工具。他引用一句名言：“工作属于你，而不是工具。”在AI时代，这种对技术的“自驱力”将变得更加重要。
