2026年的企业AI呈现出一种断层:毕马威报告显示,88%的受访企业已开始把Agentic AI融入系统,却只有24%能在多个用例中实现投资回报。NTT DATA在2026年9月发布的Salesforce智能体企业研究也显示,98%的Salesforce企业客户组织已经在使用AI,但仅47%能让AI工作流跨部门串联。11月11日,亚马逊云科技在上海前滩中心举办媒体沟通会,宣布在华技术、安全与本地化支持三大能力升级,试图回应AI从回答问题走向完成工作时企业卡在哪里。
亚马逊首席执行官Andy Jassy此前观察到,当下AI应用呈杠铃状分布:一端是追逐前沿模型和算力的头部玩家,另一端是几乎百分之百都在试点、解决部门级痛点的普通企业。亚马逊云科技成长型企业及新兴业务总经理倪殿令认为,真正连接两端的中间部分才是未来5到7年最大的增长空间,而中间所指的,是围绕企业自有数据构建的Agentic应用。
这段路并不好走。倪殿令拆解了几个卡点:在传统组织中,市场、销售、服务、客服各自守住一段流程,而客户旅程却横向穿过所有部门,部门墙把它切断;数据治理仍是老问题;人才则要从AI认知走到AI就绪,再走向AI原生。波士顿咨询的观点是,企业AI落地只有10%与模型算法有关,20%与数据和IT平台有关,剩下70%取决于业务流程、人员能力、运营模式和治理机制。
倪殿令给出的方法论是,以业务战略为中心,围绕场景、数据和人才构建“黄金三角”。场景要围绕客户旅程而非部门边界定义,并由一把手亲自推动。他提到,要改变的并不是在现有流程中简单叠加AI,而是用AI重塑业务流程。
技术答案落在Amazon Bedrock AgentCore。今年9月底,这套服务在北京、宁夏两个区域正式可用,中国区先落地Runtime、Gateway、Identity、Browser Tools、Code Interpreter和Observability六个组件。亚马逊云科技产品专家团队总经理崔玮打了个比方,Runtime是智能体的“工作间”,提供计算、存储和网络资源;但当成千上万个智能体同时运行时,会话间的硬件级隔离才是平台能否支撑生产环境的关键。
Gateway承担着另一重功能:把智能体的执行逻辑与访问凭证、权限管理解耦。智能体只能“举手”声明它需要做什么,真正的权限和凭证在Gateway之后才被授予。这一设计直接回应Agentic时代令人不安的风险场景:一个在启动时已被供应链投毒的智能体,如果自身携带凭证,越权操作几乎无法拦截;解耦之后,执行边界变得可审计、可治理。据了解,今年以来,亚马逊云科技中国区域已上线277项新服务和功能,累计上线超过2800项服务和功能。
在Agentic AI领域,亚马逊云科技中国区域,包括由西云数据运营的亚马逊云科技Marketplace,已具备覆盖AI基础设施、第三方模型、数据与知识、Agentic平台及Agent应用构建五个层面的全栈技术能力,并以安全与治理能力贯穿整个技术架构。
亚马逊云科技把安全拆解为两个相向而行的方向:安全赋能AI与AI赋能安全。前者是为AI本身建立安全治理边界。随着Agent开始访问企业数据、调用工具并执行任务,企业不仅需要管理模型的输入与输出,还需要对Agent的身份、访问权限和运行过程进行治理。后者指向一个更底层的现实:攻击正在以机器的速度发生,防御如果仍停留在人的速度上,差距只会越拉越大。落到做法上,前者靠Amazon Bedrock AgentCore的身份和访问控制、工具连接与可观测性管住Agent在做什么,靠本地合作伙伴的Guardrails管住Agent在说什么;后者则是用AI提升安全检测、漏洞管理和安全运营效率,用AI的速度跟上机器的速度。
在本地化支持方面,亚马逊云科技持续完善客户协作与服务体系,从客户开发工程认证架构师、AI科学家团队共创,到新增的Agent开发生命周期方法论,再到与高校、企业的人才培养。它试图把自己定位成“施工队”,不只是卖铲子,还要帮客户把原型真正建起来,并在上线后持续迭代。通过多层次技术支持和人才赋能,这套客户协作与服务体系覆盖了AI应用从原型的建立到上线后的持续迭代。










