“為何不共同探索一個充滿希望的未來？為何不在創新、想象與治愈的道路上走得更遠？”在亞馬遜云科技（AWS）第14屆re:Invent全球大會上，一連串發人深省的問題拉開了這場科技盛宴的序幕。作為全球云計算領域的領軍者，AWS在2025年交出了一份令人矚目的成績單：第三季度營收同比增長超20%，全年營收有望突破1320億美元，資本支出預計達1250億美元，創下歷史新高。
在生成式人工智能（AI）浪潮的推動下，AWS正加速前行。其Amazon Bedrock平臺服務的客戶數量在一年內實現翻倍，其中處理超萬億規模tokens的客戶已超過50家。這一數據背后，是AWS對AI基礎設施的深度布局與持續創新。面對全球AI產業處于關鍵轉折點的現狀，AWS提出一個大膽的設想：為何不重構整個社會創新的基石？
在AI基礎設施領域，AWS展現出全棧自研的雄心。亞馬遜云科技大中華區產品部總經理陳曉建指出，要打造一個具備強大擴展性、最佳性能與最低成本的基礎設施，必須從軟件到硬件進行全棧優化，而AWS正是唯一具備這種能力的企業。在re:Invent大會上，AWS展示了從基礎芯片、計算實例、模型平臺到應用工具的完整技術棧，其中芯片無疑是核心環節。
陳曉建透露了自研訓推芯片Amazon Trainium 3的最新進展。作為AWS首款基于3nm工藝的芯片，Trainium 3在計算性能、能效、內存容量與帶寬等方面均實現顯著提升。其計算性能是Trainium2的4.4倍，能效提高40%，內存容量增至144GB HBM3e，帶寬提升1.7倍。更引人注目的是，Trainium 3支持大規模Ultra Servers與Ultra Clusters部署，單個服務器最多可集成144個芯片，集群規模可擴展至數十萬甚至上百萬芯片。
自研芯片的優勢在于成本與性能的雙重優化。相較于通用架構的英偉達GPU，ASIC架構的Trainium 3專為AI訓練設計，去除了不必要的圖形渲染、游戲優化等模塊，從而在固定AI任務上實現更高的性能密度與能效。據透露，Anthropic、Karakuri等客戶已通過Trainium將訓練與推理成本降低至原來的50%。目前，AWS已部署超過100萬顆Trainium芯片，業務規模達數十億美元，尤其在Amazon Bedrock平臺上，絕大部分推理服務已通過Trainium實現。
AWS的自研野心不止于算力芯片。自2017年投入自研芯片以來，AWS已形成三條產品線：基于Arm架構的Graviton系列負責通用計算，Trainium和Inferentia專攻AI訓練與推理，Nitro系統芯片則負責網絡、存儲與安全功能的卸載。AWS還在構建一個閉環的AI基礎設施生態，從芯片到實例計算，從存儲到數據庫，從訓練到推理，形成全方位覆蓋。
在本次re:Invent大會上，AWS推出了一項創新產品——Amazon AI Factory。這是一個私有的AWS區域，允許客戶利用自身數據中心與電力容量，由AWS協助建設最先進的AI基礎設施。該方案整合了最新的英偉達GPU、Amazon Trainium芯片以及Amazon SageMaker和Bedrock平臺，為每個客戶獨立運營，確保資源與業務的完全隔離，同時保持與AWS相同的安全性與可靠性。這一模式為因數據主權、監管合規等因素無法采用公有云的客戶提供了新的選擇。
如果說基礎設施是土壤，那么Agent（智能體）則是這片土地上結出的果實。2025年被稱為Agent元年，AWS正以務實的方法論推動Agent的落地應用。亞馬遜云科技大中華區解決方案架構總經理代聞指出，企業逐漸意識到，不存在一個“萬能”的大模型，企業的知識與流程才是核心資產，而Agent則是將這些資產轉化為生產力的工程化手段。
在亞馬遜內部，Agent的應用已超過4萬個。代聞發現，Agent的普及不僅帶來工具的更新，更推動生產關系的重構。首先是組織形態的重塑，人機協作成為常態，傳統的線性管理模式逐漸失效，企業需要建立新的協作范式與組織方法論。其次是角色邊界的重塑，個體職能向“AI指揮官”轉變，配套工具的重要性日益凸顯。
代聞以銷售與開發場景為例，說明Agent如何提升效率。在銷售場景中，經理可利用Amazon Quick Suite生成詳盡的客戶報告，自動整合客戶最新上市信息、輿情與內網歷史交易數據，大幅提升拜訪前的準備效率。在開發場景中，產品經理（PM）可借助AI“召喚”工程師協助制作原型，實現想法的快速驗證，無需依賴研發排期。
企業擁抱AI的模式主要有兩種：一種是成立小規模新團隊，充分擁抱AI原生工作狀態；另一種是對原有開發團隊進行轉型，這需要強有力的制度指引與工具支持。代聞認為，真正的變革需要“推”“拉”結合：“推”是設計新的KPI考核方式，“拉”是提供好用的工具。他引用一句名言：“工作屬于你，而不是工具。”在AI時代，這種對技術的“自驅力”將變得更加重要。
