别再迷信大模型了！亚马逊云科技：数据才是“真大腿”，Agent 正在成为你的新同事

TL;DR：

以前 AI 只是个会聊天的“电子宠物”，现在它成了能连轴转数小时的“数字打工人”。亚马逊云科技倪殿令放话了：大模型虽然强，但没数据就没灵魂，企业想不被卷死，得先把自家的数据“矿产”挖明白，顺便还得用好自研芯片来捂紧钱袋子。

如果说 2023 年大家还在惊叹 AI 居然能写诗，那 2025 年的“职场风向标”已经变成了：你的 AI 能独立干活多久？

在最近的一场分享中，亚马逊云科技成长型企业及新兴业务总经理倪殿令抛出了一个挺“扎心”的观察：三年前，大模型虽然聪明，但更像是个“懂王”，光说不练；而现在，前沿智能体（Frontier Agents）已经可以独立工作 30 分钟甚至数小时了¹。这意味着，AI 已经从“只会接话的实习生”进化成了“能独立交付方案的成熟员工”。

技术大揭秘：当 Agent 开始“连轴转”，人类在干嘛？

现在的 AI 早就不是只会写个摘要那么简单了。倪殿令透露，他每天都在用 Agent 处理邮箱总结和起草回复，甚至连员工周报里的共性问题，都能由 Agent 自动提炼。

这种进化并非偶然。亚马逊云科技主导推出的开源框架如 Strands Agents，正在为多智能体协作打样²。简单来说，就是把一个复杂的任务拆给一群“AI 小弟”去干。为了让这些小弟不“宕机”，亚马逊云科技还拿出了 Amazon Nitro 芯片和 Graviton4 这种硬核装备——性能提了 30%，内存带宽涨了 75%¹。

调侃式点评：以前我们担心 AI 抢饭碗，现在看来，AI 是先来替我们处理那些“看完就想掀桌子”的周报和邮件了。

行业“地震”：谁在“画饼”，谁在拿数据“炼丹”？

“大模型就是一切”的口号在今年终于踢到了钢板。倪殿令一针见血地指出：在生成式 AI 应用中，底层的高效数据处理能力影响力高达 90% 以上¹。

这就是所谓的“垃圾进，垃圾出”（Garbage In, Garbage Out）。哪怕你用的是最顶级的模型，如果自家企业的数据是一团乱麻，AI 照样会一本正经地胡说八道。

• 消灭“幻觉”的药方：取决于企业数据的质量和规模。
• 合成数据蒸馏：利用大模型生成的示例来训练更小、更高效的模型，既能保住智商，还能把成本打下来²。

亚马逊云科技甚至给企业开出了一套“黄金三角”处方：找准业务场景、夯实数据资产、培养专业人才。这不就是现代版的“天时、地利、人和”吗？

未来预测：CEO 关心的“赚钱、省钱、降风险”怎么落地？

在 To B 的世界里，情怀不值钱，能落地才算数。倪殿令把应用场景分成了六大类，归根结底就是 CEO 最关心的三件事：赚钱（创新）、省钱（降本）、降风险¹。

低层级的应用如“文生图”现在随处可见，但真正拉开差距的是高层级的复杂场景——让 Agent 按规范脚本执行，人只需要在旁边监督优化。这种“人机协作”的拐点已经到来，数十亿个 Agent 正在重构我们的生产流程³。

面对这种浪潮，亚马逊云科技也没闲着。近期弗若斯特沙利文的报告显示，他们在在华外商企业云计算服务排名中拿下了两个第一¹。看来，无论是自研芯片的“Choice matters”理念，还是扎根中国十余年的本土化支持，都是为了在 AI 这个“烧钱”的赛道里，帮企业把每一分钱都花在刀刃上。

调侃式点评：AI 时代不缺“梦想家”，缺的是能把云成本算得比菜市场大妈还精、能把数据梳理得像强迫症患者书架一样的实干派。

引用

• 亚马逊云科技
• AI Agent
• 数据资产
• 生成式AI
• 倪殿令
• 降本增效