2026年，智能体技术迎来爆发式增长。从科技巨头到垂直行业，几乎所有的互联网公司都在探索如何将AI Agent融入核心业务链路。然而，喧嚣之下，一个普遍的行业痛点日益凸显：大量企业的AI尝试仍停留在“炫技”阶段，脱离业务场景的AI改造不仅未能带来实际价值，反而增加了系统复杂性和运维成本。与此同时，研发资源短缺、技术债务累积等现实问题，让许多企业在AI规模化落地的道路上步履维艰。
正是在这样的行业背景下，2026年6月，上海世博中心，哈啰与亚马逊云科技联合举办了一场媒体沟通会。拥有8亿用户的出行巨头哈啰，分享了其在大模型与Agentic AI应用实践中的思考与探索。沟通会上，哈啰首席架构师邓小白接受了专访，围绕AI如何真正融入业务、如何与云厂商深度协同实现规模化落地等话题，给出了哈啰的答案。
“克制”的Agent落地，不为了用AI而用AI
当全行业都在高喊“All in AI”时，哈啰的首页依然保持着相对传统的产品形态。这并非保守，而是一种基于深度用户洞察的审慎。
“在首页场景中，我们对于应用AI推荐其实一直秉持着非常克制和谨慎的态度，”邓小白表示，“因为用户已经习惯了我们过往的产品形态，在实际落地中，我们基本上是小步灰度放量的。在此期间，一旦收到任何用户的负面反馈，我们都会及时对相关的AI推荐进行降级处理。”
这种克制源于哈啰对AI战略的底层判断，即“不能为了用AI而去用AI”。邓小白强调：“我们一定要立足于具体的业务场景，在达成业务目标的过程中，寻找哪些环节可以通过AI的方式进行有效辅助。在明确了这些痛点后，我们才会去制定计划、设计解决方案，并最终引入AI。”
基于这一逻辑，哈啰的AI战略自下而上构建了四层架构。在这一过程中，亚马逊云科技提供了从底层基础设施到上层应用开发的全方位支撑，从Amazon Bedrock一站式大模型服务平台，到Amazon Rekognition视觉识别服务，再到助力规模化AI Coding落地的Kiro开发工具，覆盖了哈啰AI战略的多个关键环节。
租车AI审核，准确率从70%到90%的跨越
审核场景是AI“降本增效”最直观的体现。过去，租车业务中涉及违章、油电费、车损的扣款审核依赖人工，不仅效率低且主观性强。哈啰在该场景中引入多模态大模型与规则引擎联合判断。
尤其在油电表读数识别这一关键环节，亚马逊云科技展现了“以客户为中心”的深度服务能力。双方的技术团队共同深入到业务链路中进行剖析，利用Amazon Rekognition提供对象检测服务，并针对常见热门车型的油电表进行了针对性微调。“在微调之前，我们自己做油电表图像识别的准确率大约在70%左右；而亚马逊云科技在帮我们做了特定的微调后，目前该场景的识别准确率已经大幅提升到了90%以上。”邓小白透露。
租车个人助手Agent，依托Amazon Bedrock专注业务创新
租车业务流程长，用户需要做大量信息决策。哈啰推出的租车个人助手Agent能够根据用户意图，在租车的不同阶段整合后台业务知识库、规则引擎以及后台服务，为用户推荐最优答案。
在构建这一Agent的过程中，哈啰直接使用了Amazon Bedrock来提供优质的大模型服务。“这样一来，我们将大模型的运维与托管工作直接委托给亚马逊云科技，我们自己则可以专注于业务逻辑的开发。”邓小白表示。通过Amazon Bedrock，哈啰可直接调用优质大模型服务，降低了模型托管与运维门槛。此外，在出行Agent中，哈啰还通过亚马逊云科技Marketplace订阅三方模型，进一步扩充了大模型服务能力。
AI Coding，复杂场景开发提效50%，创新场景开发提效67%
作为研发资源长期承压的互联网公司，哈啰将AI编程视为打破瓶颈的关键。截至沟通会，哈啰内部使用Kiro的人数已超2000人，其中近一半来自产品、运营等非产研岗位。
邓小白详述了AI Coding在不同场景下的提效差异：“在一些成熟业务中，业务逻辑由于经历了多年的长期迭代而变得非常复杂，甚至积累了较重的技术债务。在这样的场景下，AI Coding依然能实现50%以上的开发效率提升。”而对于从零到一的创新场景，效率提升更为显著，高达67%以上。
“在创新场景下，它没有任何的包袱。我可能可以直接从产品的PRD，直接到系统的上线，非常丝滑。”邓小白表示。
“双向赋能”的伙伴关系，不止于技术提供者
谈及选择亚马逊云科技合作的原因，邓小白将其归纳为三点：专业的全线产品能力、以客户为中心的理念、以及双方团队协力推动落地的执行力。
他特别提到今年哈啰举办的AI创新应用大赛：“由于大量非技术岗位的同事此前从未接触过Kiro这样的产品，亚马逊云科技团队专门安排了一个六、七人的技术支持团队来到现场，耐心指导大家。从早上一直坚守到深夜十一二点，做到了随叫随到。这种深度伴随和高度协同，大幅降低了我们AI场景的研发门槛。”
邓小白还特别强调了双方的“双向赋能”关系。“在之前哈啰规模化落地Kiro的过程中，我们通过丰富的规模化实战经验，也给亚马逊云科技团队提供了一些非常好的产品化建议，而亚马逊云科技团队也积极跟进并对产品进行了快速迭代。”
展望未来，邓小白表示双方将深化现有合作，将成功经验复制到更多场景，并在哈啰的海外业务布局中实现“双向拓展”。哈啰一直在积极开展海外业务，相信未来在海外业务层面，双方会有更广阔的合作前景。
技术演进的终极逻辑，后端越复杂，前端越友好
在邓小白看来，Agentic AI的技术演进本身揭示了一个清晰趋势：后端越来越复杂精密，前端却越来越简单友好。
起初是Prompt Engineering（提示词工程）阶段，用户需亲手设计提示词、设定角色，交互繁琐；随后演进到Context Engineering（上下文工程），系统开始记忆会话并动态插入上下文；再发展到Harness Engineering（运行环境工程）阶段，智能体的自主能力大幅增强，可通过Steering进行方向约束、利用Hooks实现合规强管控、基于Skills完成工作流编排。而到了当下的Loop Engineering（循环工程）阶段，连工作流编排都已高度自动化，智能体可根据任务目标自主规划与执行。
他表示：“从最初的提示词工程阶段，用户需要自己设计提示词，交互过程非常繁琐；再到如今的循环工程阶段，智能体可自动根据任务目标规划与执行工作流。这种技术的迭代，体现了智能体未来发展核心趋势，后端技术层演进越复杂与精密，前端应用层呈现给用户的体验就会越发简单与友好。”
从租车AI审核中Amazon Rekognition的定制化微调，到租车Agent依托Amazon Bedrock实现敏捷开发，再到Kiro驱动AI Coding的规模化落地，亚马逊云科技的技术能力已深度嵌入哈啰AI战略的多个关键环节。正如邓小白所言：“亚马逊云科技拥有覆盖全球、稳定高可用的基础设施及领先的云服务，为哈啰在国内和海外多元场景下的快速部署与敏捷调用提供了便利。”这种基础设施、AI能力与深度协同相结合的合作模式，正在帮助哈啰加速向Agentic出行生态全面转型。
热门跟贴