出品｜網易科技《態度AGI》對話

作者｜丁廣勝

有別于刻板印象里的外企高管，儲瑞松很鮮活。他給我“安利”Amazon Quick ，說自己每天都在用，還開玩笑說之前拜訪客戶都只能見到CIO，現在都是CEO。要感謝AI時代。

作為亞馬遜全球副總裁、亞馬遜云科技亞太區聯席總裁，儲瑞松在2026亞馬遜云科技中國峰會現場非常忙碌，但從他的臉上看不出任何疲態。在一個小時的對話中，他給我詳細闡述了最新提出的 Agentic 業務轉型五層技術棧地圖、分析了當前企業AI轉型的挑戰，以及亞馬遜云科技在中國市場的表現。

當下，行業關注點正在從“模型能力有多強”，轉向“AI 能否真正替企業干活”。

在儲瑞松看來，這正是亞馬遜云科技所擅長的事情。“亞馬遜是一家非常務實的公司，有一條很重要的領導力準則叫 Customer Obsession，做的所有事情都是 working backwards from customer needs，即，從客戶真實需求出發，幫客戶獲得最終價值。”

他提到，如果要 AI agent 在企業里面帶來更大價值，則需要在行業特定場景和企業特定場景中，核心價值創造鏈路上的核心工作流，這個是能給企業帶來最大價值的部分。這一部分的確在推動當中，不同企業速度不一樣。

在他看來，企業邁向 Agentic AI 大規模落地，至少要跨過三道門檻：一是最高管理層認知，二是數據治理，三是 Agentic 工程實踐。“Agentic AI 絕對不只是一個技術問題，而是一個企業的業務轉型問題?！眱θ鹚捎^察到，現在很多企業一把手已經意識到，AI 可能帶來彎道超車的機會，也可能成為被競爭對手超越的風險。

而圍繞企業如何理解 AI 技術棧，儲瑞松提出了 Agentic AI 五層框架：AI 基礎設施層、模型層、數據和知識層、Agentic 平臺層、智能體與應用層。他特別強調，真正給企業帶來差異化價值的，是上面的三層。數據和知識是企業多年積累下來的核心資產，“別人不可能復制，它是你未來差異化競爭力的壁壘”。與此同時，當企業內部未來出現成百上千個 Agent 時，平臺層將變得極其關鍵，因為它既要賦能 Agent，也要像 HR 政策一樣管理 Agent 的邊界和權限。

儲瑞松還提醒，所有五層技術棧的存在，最終都是為了最頂端的業務產出服務。真正決定 Agentic 項目成敗的唯一標尺，是可衡量的業務產出。

這和他談及 Token 經濟話題時的觀點一致。他認為，企業不應只盯著 Token 單價，而要從業務結果出發，衡量一個 Agent 完成任務的成本、效率和 ROI?！澳阋闱宄?，一個 Agent 完成一個任務到底花了多少錢，這樣才知道 ROI 是不是合理。”

而回到亞馬遜云科技自身，儲瑞松表示，亞馬遜云科技差異化并不在于追隨競爭對手，而在于堅持Customer Obsession。他說，“我們始終從企業角度考慮問題，而不是說我有個好東西我要賣給你。”

對話最后，他還透露了中國市場的增長情況，他釋放出一個關鍵詞“非常強勁”，“這主要得益于AI時代的發展，以及中國企業對AI的積極擁抱。”儲瑞松談到。

以下是網易科技獨家對話亞馬遜全球副總裁、亞馬遜云科技亞太區聯席總裁儲瑞松實錄，略有刪減：

網易科技：過去一年，AI Coding、OpenClaw、世界模型等熱點不斷出現。站在亞馬遜云科技的視角，您感到意外或印象最深刻的變化是什么？

儲瑞松：的確，AI 發展非常快，而且還在加速。去年大概四季度的時候，這些大語言模型的能力又上了一個臺階，按照這樣的加速度推演下去，我感覺什么都有可能。

網易科技：你們提到，2025年是 Agentic AI 爆發前夜，而今年是 Agentic AI爆發的拐點來臨時刻。這背后有哪些思考？在這個“拐點”，距離 Agentic AI 大規模落地，還有哪些挑戰？

儲瑞松：去年我講這是爆發的前夜，當時是一個個人判斷，很快，到了今年 2月份，已經有人跟我講，現在已經過了前夜，可能是凌晨2點了。

其實，Agentic AI 對于不同的行業、不同領域的工作，幫助或者影響是不一樣的。像軟件開發領域是首當其沖感受到Agentic軟件開發所帶來的沖擊?，F在如果還有哪個開發團隊在手寫代碼，一行行地敲，這個團隊一定已經落后了。

如果說 Agentic AI 在企業里面的應用，我們認為可能有些跨行業的通用應用場景，也有行業或者企業特定的工作流場景。你用我們的產品服務，做一些配置，就可以獲得收益。如果要 AI agent 在企業里面帶來更大價值，則需要聚焦行業特定場景和企業特定場景中，核心價值創造鏈路上的核心工作流，這個是能給企業帶來最大價值的部分。這一部分的確在推動當中，不同企業速度不一樣。

這個過程中，如果一個企業要去落地，目前有三個方面的障礙。一個是企業最高管理層的認知，第二是數據的治理，第三是 Agentic 工程的實踐。

從最高管理層的認知角度講，企業需要認識到，Agentic AI 絕對不只是一個技術問題，而是一個企業的業務轉型問題。

第二是數據。因為你的 AI agent 要替你干活，它一定需要相關、準確、新鮮和經過治理的數據。我們看到過很多 Agent 項目不成功，并不是大模型或者 AI agent 能力不夠，而是因為相關的數據沒有準備就緒。

第三是 Agentic 工程實踐。企業需要意識到，Agents 用的是大模型，大模型的推理是基于概率的，所以有一定不確定性。所以整個 AI agent 的開發，特別是長鏈路工作流的開發，需要一個不一樣的方法論。我們這次發布了一個企業生產級 Agent 開發和部署的實踐指南，如果企業真的做 Agentic AI 開發，看真實實踐的例子，能少踩很多坑。

網易科技：在這個過程中，公司最高管理層的認知一定是第一位的。

儲瑞松：我開玩笑說，兩三年前我去見客戶的時候，基本上最多見到 CTO、CIO、CDO就 OK 了。現在去見客戶，很多時候是見到客戶的 CEO。為什么呢？因為有些客戶意識到，AI 真的有可能給他帶來彎道超車的機會，或者如果不關注 AI，有可能會被競爭對手超越。

包括像麥肯錫、貝恩這樣的高端咨詢公司，之前我們之間交集不多。但現在，因為這些企業的董事會、CEO 會問高端咨詢公司，我需要你來幫我設計未來的 AI 戰略是什么，而這些咨詢公司也想知道現在 AI 到底發展有多快，我們之間也有了更多合作機會。

網易科技：你這次大會提出 Agentic AI 五層框架，請你再展開談談，另外，哪一層是企業容易忽視，但其實非常重要的？

儲瑞松：我先講一下五層的來源。一方面是我們自己的思考，另一方面，不管是我個人還是我交流的很多企業，他們都有一個感受，現在 AI 發展實在太快，大家需要一個地圖、一個新的創新該怎么理解，它在哪一層。有了這個五層地圖之后，至少從理解角度講，比較容易說這一層的創新應該放在哪里。（編者注：儲瑞松提出了企業實現 Agentic 業務轉型所需的AI的五層技術棧地圖。第一層是 AI 基礎設施層，第二層是模型層，第三層是數據和知識層，第四層是 Agentic 平臺層，第五層是智能體與應用層）

對于企業來說，真正給企業帶來價值的是上面的三層。如果講哪一層企業目前重視度不夠，或者容易忽視，首先是數據跟知識層，數據是你的積累，別人不可能復制，它是你未來差異化競爭力的壁壘。企業需要用好自己的數據跟知識，不能讓數據跟知識被模型像吸星大法一樣吸過去，這樣你的競爭對手也可以從中受益。亞馬遜云科技特別關注客戶數據的安全和保護，而很多企業如果是純 IT 部門、技術部門推動，可能會覺得我要用最新的大模型、最新的 SDK，但是對數據這一層重要性的關注度不夠。

另外一個很多企業目前認知還不夠的是平臺層，如果未來企業里面有成百上千個 Agent 工作，一方面需要平臺賦能它們，另一方面是平臺管控，就像 HR 政策一樣，確保 Agent policy 能夠被遵從。現在有些企業要么沒有意識到需要一個平臺，要么自己手搓平臺，但手搓平臺大概率很難跟得上未來快速部署成千上萬個 Agent 所需要的擴展性和安全性。

網易科技：現在大家也在討論Token 經濟和 Token 效率的話題。你如何看待 Token 價格變化趨勢？

儲瑞松：亞馬遜是一家非常務實的公司，我們有個領導力準則叫 Customer Obsession，我們做的所有事情都是 “working backwards from customer needs”，從客戶真實需求出發，幫客戶獲得最終價值。

當然，毫無疑問，大模型有輸入 Token，有輸出 Token，而且 Token 成本是在持續下降的過程當中，這是毫無疑問的。

我們是從企業角度看，一個 agentic 業務場景，怎么樣能夠幫企業完成要做的事情，交付業務結果和價值。這是我們思考的維度。這種情況下，一個企業里面的 agentic 工作流，很有可能不是只用一個大模型，而是會用多個大模型。

我看到Gartner 也持同樣觀點，Gartner 預測到2028年，一個企業里面可能會用超過20個來自不同廠商的模型。在這種情況之下，像 Amazon Bedrock 這樣一個提供多種模型統一訪問的平臺，就變得非常有價值。

在五層架構當中，成本是一個貫穿所有層的維度。你必須把成本從 Agent 幫你做了一件事情、交付了多少業務價值，它到底成本是怎么樣的，一路拉通到平臺層、數據層、模型層。你要算清楚，一個 agent 完成一個任務到底花了多少錢，這樣才知道 ROI 是不是合理。

早期的時候，我們也聽到一些企業愿意接受相對比較低的 ROI，因為他的判斷是，模型能力會持續提升，今天 ROI 可能還稍微貴了一點，但可能6個月之后，因為模型能力提升，做同樣事情的 Token 成本會下降，所以賬就能算得過來。

網易科技：回到亞馬遜云科技本身，在 Agentic AI 時代，亞馬遜云科技如何定位自己？在中國市場，和其他云廠商競爭，差異化在哪？

儲瑞松：亞馬遜整個集團有很多業務，亞馬遜云科技是其中一個業務板塊。我加入亞馬遜之后，也在思考，為什么亞馬遜集團里面各個業務板塊，在各自領域都能夠做得還不錯。我的一個心得是，亞馬遜有兩點厲害。

第一點是我們的企業文化始終叫Customer Obsession，極致的客戶至上。第二點是，我們怎么樣幫客戶解決問題？我們會通過技術把之前幾乎不可能做的事情努力替客戶做到。我們去年年底 re:Invent 峰會上，CEO 主題演講的一個核心叫 Why not，為什么不？為什么不既要又要？這是亞馬遜特別關注的點。

所以對于競爭，我們會關注，但并不是特別說競爭對手怎么樣，我要怎么樣做。為了幫助客戶抓住這個機遇，我們在 AI 全棧做了大量投入，為客戶創新。

在 AI 基礎設施這一層，我們既有英偉達最新 GPU，在海外區域給客戶提供，同時也有自研的 Trainium 芯片。我們的 Trainium AI Accelerator、訓練和推理加速器，加上Graviton 自研處理器，年化收入已經超過 200億美金，現在是全球前三大數據中心芯片供應商。

在模型層，Amazon Bedrock 提供統一平臺，可以訪問多種領先大模型。不管你是用 Anthropic 的模型也好，還是用 GPT 的模型也好，還是用開源模型，很多開源模型還都來自于中國的 AI lab，客戶可以根據自己的需要做選擇和組合。全球有超過125000個企業客戶在使用 Bedrock，近80% 的財富100強企業都在使用 Bedrock。

在數據跟知識層，本身數據能力是我們的傳統強項。為了 AI agent，我們又提供了專門面向 AI agent 的數據服務。

Agentic 平臺層，我們是最早提出 Agentic 平臺的。 AgentCore 去年7月發布，發布之后一直基于客戶反饋增強能力。

在 Agent 應用層，我們主要聚焦通用跨行業 Agent，有面向開發、安全、知識工作者賦能、客戶交互跟服務等方向的通用 Agent。在具體行業場景，客戶可以用我們所提供的開發工具和服務，快速構建自己的 AI Agent。

我們始終從企業角度考慮問題，而不是說我有個好東西我要賣給你。

網易科技：亞馬遜云科技近期在中國的業務實際表現如何？

儲瑞松：我們近來在中國的業務表現增長強勁，這主要得益于AI時代的發展，以及中國企業對AI的積極擁抱。

我們在中國的愿景也非常清晰，深根本地、鏈接全球。我們既是中國企業連接全球的橋梁，幫助中國企業出海，同時也是全球創新和本土創新落地中國的非常強有力的伙伴。

網易科技：你現在每天會使用哪些 AI 產品？

儲瑞松：Amazon Quick 我每天都會用。我的Amazon Quick 在電腦上隨時隨地開著，不管是開會的時候，還是通過郵件或者 IM 溝通的時候，包括準備這次訪談，都是用了 Amazon Quick。Amazon Quick 真的是每天工作不可或缺，特別是如果Amazon Quick 跟企業內部各種系統，通過各種 Connector （連接器）對接之后，功能會更強大。