出品｜网易科技《态度AGI》对话
作者｜丁广胜
有别于刻板印象里的外企高管，储瑞松很鲜活。他给我“安利”Amazon Quick ，说自己每天都在用，还开玩笑说之前拜访客户都只能见到CIO，现在都是CEO。要感谢AI时代。
作为亚马逊全球副总裁、亚马逊云科技亚太区联席总裁，储瑞松在2026亚马逊云科技中国峰会现场非常忙碌，但从他的脸上看不出任何疲态。在一个小时的对话中，他给我详细阐述了最新提出的 Agentic 业务转型五层技术栈地图、分析了当前企业AI转型的挑战，以及亚马逊云科技在中国市场的表现。
当下，行业关注点正在从“模型能力有多强”，转向“AI 能否真正替企业干活”。
在储瑞松看来，这正是亚马逊云科技所擅长的事情。“亚马逊是一家非常务实的公司，有一条很重要的领导力准则叫 Customer Obsession，做的所有事情都是 working backwards from customer needs，即，从客户真实需求出发，帮客户获得最终价值。”
他提到，如果要 AI agent 在企业里面带来更大价值，则需要在行业特定场景和企业特定场景中，核心价值创造链路上的核心工作流，这个是能给企业带来最大价值的部分。这一部分的确在推动当中，不同企业速度不一样。
在他看来，企业迈向 Agentic AI 大规模落地，至少要跨过三道门槛：一是最高管理层认知，二是数据治理，三是 Agentic 工程实践。“Agentic AI 绝对不只是一个技术问题，而是一个企业的业务转型问题。”储瑞松观察到，现在很多企业一把手已经意识到，AI 可能带来弯道超车的机会，也可能成为被竞争对手超越的风险。
而围绕企业如何理解 AI 技术栈，储瑞松提出了 Agentic AI 五层框架：AI 基础设施层、模型层、数据和知识层、Agentic 平台层、智能体与应用层。他特别强调，真正给企业带来差异化价值的，是上面的三层。数据和知识是企业多年积累下来的核心资产，“别人不可能复制，它是你未来差异化竞争力的壁垒”。与此同时，当企业内部未来出现成百上千个 Agent 时，平台层将变得极其关键，因为它既要赋能 Agent，也要像 HR 政策一样管理 Agent 的边界和权限。
储瑞松还提醒，所有五层技术栈的存在，最终都是为了最顶端的业务产出服务。真正决定 Agentic 项目成败的唯一标尺，是可衡量的业务产出。
这和他谈及 Token 经济话题时的观点一致。他认为，企业不应只盯着 Token 单价，而要从业务结果出发，衡量一个 Agent 完成任务的成本、效率和 ROI。“你要算清楚，一个 Agent 完成一个任务到底花了多少钱，这样才知道 ROI 是不是合理。”
而回到亚马逊云科技自身，储瑞松表示，亚马逊云科技差异化并不在于追随竞争对手，而在于坚持Customer Obsession。他说，“我们始终从企业角度考虑问题，而不是说我有个好东西我要卖给你。”
对话最后，他还透露了中国市场的增长情况，他释放出一个关键词“非常强劲”，“这主要得益于AI时代的发展，以及中国企业对AI的积极拥抱。”储瑞松谈到。
以下是网易科技独家对话亚马逊全球副总裁、亚马逊云科技亚太区联席总裁储瑞松实录，略有删减：
网易科技：过去一年，AI Coding、OpenClaw、世界模型等热点不断出现。站在亚马逊云科技的视角，您感到意外或印象最深刻的变化是什么？
储瑞松：的确，AI 发展非常快，而且还在加速。去年大概四季度的时候，这些大语言模型的能力又上了一个台阶，按照这样的加速度推演下去，我感觉什么都有可能。
网易科技：你们提到，2025年是 Agentic AI 爆发前夜，而今年是 Agentic AI爆发的拐点来临时刻。这背后有哪些思考？在这个“拐点”，距离 Agentic AI 大规模落地，还有哪些挑战？
储瑞松：去年我讲这是爆发的前夜，当时是一个个人判断，很快，到了今年 2月份，已经有人跟我讲，现在已经过了前夜，可能是凌晨2点了。
其实，Agentic AI 对于不同的行业、不同领域的工作，帮助或者影响是不一样的。像软件开发领域是首当其冲感受到Agentic软件开发所带来的冲击。现在如果还有哪个开发团队在手写代码，一行行地敲，这个团队一定已经落后了。
如果说 Agentic AI 在企业里面的应用，我们认为可能有些跨行业的通用应用场景，也有行业或者企业特定的工作流场景。你用我们的产品服务，做一些配置，就可以获得收益。如果要 AI agent 在企业里面带来更大价值，则需要聚焦行业特定场景和企业特定场景中，核心价值创造链路上的核心工作流，这个是能给企业带来最大价值的部分。这一部分的确在推动当中，不同企业速度不一样。
这个过程中，如果一个企业要去落地，目前有三个方面的障碍。一个是企业最高管理层的认知，第二是数据的治理，第三是 Agentic 工程的实践。
从最高管理层的认知角度讲，企业需要认识到，Agentic AI 绝对不只是一个技术问题，而是一个企业的业务转型问题。
第二是数据。因为你的 AI agent 要替你干活，它一定需要相关、准确、新鲜和经过治理的数据。我们看到过很多 Agent 项目不成功，并不是大模型或者 AI agent 能力不够，而是因为相关的数据没有准备就绪。
第三是 Agentic 工程实践。企业需要意识到，Agents 用的是大模型，大模型的推理是基于概率的，所以有一定不确定性。所以整个 AI agent 的开发，特别是长链路工作流的开发，需要一个不一样的方法论。我们这次发布了一个企业生产级 Agent 开发和部署的实践指南，如果企业真的做 Agentic AI 开发，看真实实践的例子，能少踩很多坑。
网易科技：在这个过程中，公司最高管理层的认知一定是第一位的。
储瑞松：我开玩笑说，两三年前我去见客户的时候，基本上最多见到 CTO、CIO、CDO就 OK 了。现在去见客户，很多时候是见到客户的 CEO。为什么呢？因为有些客户意识到，AI 真的有可能给他带来弯道超车的机会，或者如果不关注 AI，有可能会被竞争对手超越。
包括像麦肯锡、贝恩这样的高端咨询公司，之前我们之间交集不多。但现在，因为这些企业的董事会、CEO 会问高端咨询公司，我需要你来帮我设计未来的 AI 战略是什么，而这些咨询公司也想知道现在 AI 到底发展有多快，我们之间也有了更多合作机会。
网易科技：你这次大会提出 Agentic AI 五层框架，请你再展开谈谈，另外，哪一层是企业容易忽视，但其实非常重要的？
储瑞松：我先讲一下五层的来源。一方面是我们自己的思考，另一方面，不管是我个人还是我交流的很多企业，他们都有一个感受，现在 AI 发展实在太快，大家需要一个地图、一个新的创新该怎么理解，它在哪一层。有了这个五层地图之后，至少从理解角度讲，比较容易说这一层的创新应该放在哪里。（编者注：储瑞松提出了企业实现 Agentic 业务转型所需的AI的五层技术栈地图。第一层是 AI 基础设施层，第二层是模型层，第三层是数据和知识层，第四层是 Agentic 平台层，第五层是智能体与应用层）
对于企业来说，真正给企业带来价值的是上面的三层。如果讲哪一层企业目前重视度不够，或者容易忽视，首先是数据跟知识层，数据是你的积累，别人不可能复制，它是你未来差异化竞争力的壁垒。企业需要用好自己的数据跟知识，不能让数据跟知识被模型像吸星大法一样吸过去，这样你的竞争对手也可以从中受益。亚马逊云科技特别关注客户数据的安全和保护，而很多企业如果是纯 IT 部门、技术部门推动，可能会觉得我要用最新的大模型、最新的 SDK，但是对数据这一层重要性的关注度不够。
另外一个很多企业目前认知还不够的是平台层，如果未来企业里面有成百上千个 Agent 工作，一方面需要平台赋能它们，另一方面是平台管控，就像 HR 政策一样，确保 Agent policy 能够被遵从。现在有些企业要么没有意识到需要一个平台，要么自己手搓平台，但手搓平台大概率很难跟得上未来快速部署成千上万个 Agent 所需要的扩展性和安全性。
网易科技：现在大家也在讨论Token 经济和 Token 效率的话题。你如何看待 Token 价格变化趋势？
储瑞松：亚马逊是一家非常务实的公司，我们有个领导力准则叫 Customer Obsession，我们做的所有事情都是 “working backwards from customer needs”，从客户真实需求出发，帮客户获得最终价值。
当然，毫无疑问，大模型有输入 Token，有输出 Token，而且 Token 成本是在持续下降的过程当中，这是毫无疑问的。
我们是从企业角度看，一个 agentic 业务场景，怎么样能够帮企业完成要做的事情，交付业务结果和价值。这是我们思考的维度。这种情况下，一个企业里面的 agentic 工作流，很有可能不是只用一个大模型，而是会用多个大模型。
我看到Gartner 也持同样观点，Gartner 预测到2028年，一个企业里面可能会用超过20个来自不同厂商的模型。在这种情况之下，像 Amazon Bedrock 这样一个提供多种模型统一访问的平台，就变得非常有价值。
在五层架构当中，成本是一个贯穿所有层的维度。你必须把成本从 Agent 帮你做了一件事情、交付了多少业务价值，它到底成本是怎么样的，一路拉通到平台层、数据层、模型层。你要算清楚，一个 agent 完成一个任务到底花了多少钱，这样才知道 ROI 是不是合理。
早期的时候，我们也听到一些企业愿意接受相对比较低的 ROI，因为他的判断是，模型能力会持续提升，今天 ROI 可能还稍微贵了一点，但可能6个月之后，因为模型能力提升，做同样事情的 Token 成本会下降，所以账就能算得过来。
网易科技：回到亚马逊云科技本身，在 Agentic AI 时代，亚马逊云科技如何定位自己？在中国市场，和其他云厂商竞争，差异化在哪？
储瑞松：亚马逊整个集团有很多业务，亚马逊云科技是其中一个业务板块。我加入亚马逊之后，也在思考，为什么亚马逊集团里面各个业务板块，在各自领域都能够做得还不错。我的一个心得是，亚马逊有两点厉害。
第一点是我们的企业文化始终叫Customer Obsession，极致的客户至上。第二点是，我们怎么样帮客户解决问题？我们会通过技术把之前几乎不可能做的事情努力替客户做到。我们去年年底 re:Invent 峰会上，CEO 主题演讲的一个核心叫 Why not，为什么不？为什么不既要又要？这是亚马逊特别关注的点。
所以对于竞争，我们会关注，但并不是特别说竞争对手怎么样，我要怎么样做。为了帮助客户抓住这个机遇，我们在 AI 全栈做了大量投入，为客户创新。
在 AI 基础设施这一层，我们既有英伟达最新 GPU，在海外区域给客户提供，同时也有自研的 Trainium 芯片。我们的 Trainium AI Accelerator、训练和推理加速器，加上Graviton 自研处理器，年化收入已经超过 200亿美金，现在是全球前三大数据中心芯片供应商。
在模型层，Amazon Bedrock 提供统一平台，可以访问多种领先大模型。不管你是用 Anthropic 的模型也好，还是用 GPT 的模型也好，还是用开源模型，很多开源模型还都来自于中国的 AI lab，客户可以根据自己的需要做选择和组合。全球有超过125000个企业客户在使用 Bedrock，近80% 的财富100强企业都在使用 Bedrock。
在数据跟知识层，本身数据能力是我们的传统强项。为了 AI agent，我们又提供了专门面向 AI agent 的数据服务。
Agentic 平台层，我们是最早提出 Agentic 平台的。 AgentCore 去年7月发布，发布之后一直基于客户反馈增强能力。
在 Agent 应用层，我们主要聚焦通用跨行业 Agent，有面向开发、安全、知识工作者赋能、客户交互跟服务等方向的通用 Agent。在具体行业场景，客户可以用我们所提供的开发工具和服务，快速构建自己的 AI Agent。
我们始终从企业角度考虑问题，而不是说我有个好东西我要卖给你。
网易科技：亚马逊云科技近期在中国的业务实际表现如何？
储瑞松：我们近来在中国的业务表现增长强劲，这主要得益于AI时代的发展，以及中国企业对AI的积极拥抱。
我们在中国的愿景也非常清晰，深根本地、链接全球。我们既是中国企业连接全球的桥梁，帮助中国企业出海，同时也是全球创新和本土创新落地中国的非常强有力的伙伴。
网易科技：你现在每天会使用哪些 AI 产品？
储瑞松：Amazon Quick 我每天都会用。我的Amazon Quick 在电脑上随时随地开着，不管是开会的时候，还是通过邮件或者 IM 沟通的时候，包括准备这次访谈，都是用了 Amazon Quick。Amazon Quick 真的是每天工作不可或缺，特别是如果Amazon Quick 跟企业内部各种系统，通过各种 Connector （连接器）对接之后，功能会更强大。
热门跟贴