作者 | ZeR0
编辑 | 漠影
智东西 6 月 24 日报道，在昨日举行的亚马逊云科技中国峰会期间，亚马逊云科技全球数据库服务副总裁 Ganapathy "G2" Krishnamoorthy 与智东西等媒体进行深入交流。G2 告诉智东西，亚马逊云科技已广泛地使用其 AI 编程工具 Kiro 来构建新功能。
" 对我们而言，安全始终是重中之重，因此我们在内部利用了许多这类工具来提升自身的安全与开发能力。"G2 谈道，" 我们的一大优势在于为构建者打造工具，而亚马逊云科技内部就拥有大量的云原生构建者，这给我们提供了极其丰富的反馈。"
针对开发者应如何搭配选用 Kiro、Claude Code 等编程工具的问题，亚马逊云科技提供有各种工具，除了已被广泛采用的 Kiro 外，也将 OpenAI Codex 和 Claude Code 提供给了开发者使用。其持续集成与持续部署（CI/CD）基础设施能够支持所有这些不同的工具。
" 我们会从不同工具的实际运行中汲取经验，从而为客户提供最佳的开发体验。"G2 说。
对于许多企业来说，将 Agent 引入企业真实场景中并产生价值，难点不在模型本身，而在于如何构建起工具连接、权限管控、可观测性、治理审计体系，把模型能力稳定、安全、可治理地接入真实的业务系统。
会上，小鹏集团、月之暗面、影石、猎豹移动等中国合作伙伴各自分享了如何使用亚马逊云科技的产品来为优化其业务。这些产品均来自亚马逊云科技构建的全栈 Agentic AI 技术，覆盖从 AI 基础设施、模型、数据与知识、Agentic AI 平台到 Agent 应用。
将亚马逊云科技的数据库、Amazon Bedrock 与 AgentCore 组合使用的核心价值在于：它们在运营上遵循相同的一套策略。客户只需要在一个地方进行设定，相同的 Amazon IAM 权限策略就会应用到所有地方。当用户跨多个基础模块执行多步行动时，系统能够提供相同维度的审计深度和全局可见性。
一、智能体平台的三个核心差异点
Amazon Bedrock AgentCore 是亚马逊云科技打造的用于大规模安全构建、连接与优化 Agent 的平台。
G2 分享了 AgentCore 的三个核心差异点：第一，真正做到与具体模型或框架无关，让开发者自由选择模型；第二，完全可组合，客户只需选用与自身场景和用例相关的功能；第三，支持混合搭配（mix and match），如果你不想用 Amazon Bedrock，而是想集成 OpenAI API，也完全可以做到。
亚马逊云科技专注于如何提供全栈能力，来加速客户从概念验证（POC）到生产环境的推行进程。在 Agent 应用中，模型只是大脑，而大脑之外的其他核心能力，包括如何便捷安全地连接工具、如何提供正确的合规治理、如何构建 Skills、如何为自主运行的关键负载提供全方位的可观测性等，这些都是 AgentCore 能够出色解决的硬核难题。
谈及不同规模企业的需求存在差异，G2 认为侧重点与其说是公司规模大小，不如说是他们所处的运营环境，一家处于高度监管复杂环境下的企业，其需求与 YC 孵化器里的初创公司完全不同。他们的共同诉求是，开发者的生产力和缩短达成业务成果的时间变得前所未有地重要。
大型企业已经经历过多次技术迭代，解决方案必须契合现有技术投资，而不是推倒重来；初创企业才开始做选择，拥有极高灵活性。
亚马逊云科技会充分理解客户的既有投资和可选路径，从而帮他们创造最大的 AI 价值。
在亚马逊云科技中国峰会上，小鹏 AI/Data Platform 负责人何瑞邦分享了一个他们真实遇到的困境：2024 年小鹏内部广泛使用 AI 开发工具，个人效率上来了，但部门整体效率没有明显变化，原因是 AI 写完代码后还要进行人工集成、联调测试、推 CI/CD。
最终，小鹏基于 Kiro、Amazon Bedrock、Amazon EKS 搭建了企业级 AI 编程与 Agentic 工作平台 " 灵犀 "，实现零编码交付，覆盖研发全生命周期，已使 AI 应用中心的 AI 代码覆盖率超过 70%，每天有 100 多个 AI 驱动的工作流全链路自动化运行，累计完成超过 14 万个工作流，核心阶段执行成功率超过 99.7%，SRE 环节的缺陷自动修复从两天压缩到 10 分钟。
二、五大中国领先开源模型已上架
G2 认为，开发者拥有丰富的模型选择至关重要，这样才能针对具体的能力、成本和性能进行最优化权衡。
亚马逊云科技致力于成为这些模型和 Agentic AI 解决方案走向生产环境并为客户创造价值的最佳场所，与主流模型提供商都保持紧密合作，确保其模型在亚马逊云科技的环境中得到充分优化。
" 我们取得了很大的成功，确保这些先进模型在我们从底层硅芯片一路优化到模型和 API 的全栈架构上顺畅运行，提供最佳的性能和最低的成本。"G2 说。
亚马逊云科技产品部技术总监王晓野补充道，亚马逊云科技团队一直在与中国领先的模型厂商合作，推进它们在大模型上与亚马逊 AI 芯片 Trainium 的训练适配。
DeepSeek、MiniMax、Kimi、Qwen、GLM 等中国主流开源模型正式上架 Amazon Bedrock，加上此前已有的商业模型，Amazon Bedrock 以统一 API 接入、内置安全与治理、面向生产环境稳定运行，让企业可以真正按需选择和切换模型。
月之暗面 Kimi 的模型已登陆 Amazon Bedrock 和 Marketplace，并获得来自亚马逊云科技全球数据中心和网络基础设施的稳定可靠算力支持。
G2 认为，数据才是客户利用先进技术为业务创造新价值的最终差异化来源，Agent 应用对数据层提出了一系列新要求：
首先，亚马逊云科技让所有数据库（如 PostgreSQL、MySQL、Amazon DynamoDB，以及传统商业授权的 SQL Server 和 Oracle 等）都支持 MCP 服务器，使得这些数据能够被 Agentic AI 框架顺畅访问。
其次，确保所有数据都能作为上下文供 Agent 使用，或赋予数据库存储和管理 Agent 记忆的能力，这要求数据库具备向量功能和混合搜索能力。
对于亚马逊云科技眼中的 AI 原生数据库，G2 给出了一套完整的判断框架。
第一，最基本的门槛是极其便捷的数据访问能力。目前各大模型都在将 MCP 作为访问数据的标准化方式，因此 AI 原生数据库必须确保其内部的所有数据都能通过该协议被顺畅调用。
第二，支持向量嵌入和混合搜索能力，赋予应用程序存储和检索 Agentic 记忆的功能。
第三，数据库环境支持直接调用 AI 模型进行推理。
第四，零门槛数据库。如今借助 AI 工具，人人都能构建应用程序，但他们并不懂传统的数据库管理，因此需要一个真正毫不费力的数据库，不需要人工去评估调整实例规格，也不需要人工做日常运维，它必须易于创建、按需自动伸缩并能随着时间推移自我优化。
" 如果你使用的是 PostgreSQL 等较传统的数据库，系统会自带一个 Agent 来接管所有的运维工作。AI 生成的应用背后的开发者往往缺乏传统 DBA 技能，他们真正需要的是一个撒手不管的自动化数据库底座。"G2 解释说。
第五，极致的扩展规模。当你打造出一款爆款应用时，底层基础设施必须能随着用户增长向上实现千万级并发扩容；当该应用仅供个人或小团队低频使用时，基础设施必须能向下缩容到零，仅在真正被使用并产生价值时才计费。这种真正无服务器的能力，正是 Amazon DynamoDB 或 Amazon DSQL 等产品的核心优势。
在企业该叠加插件还是彻底重构数据底座问题上，G2 建议客户选择在当下最能为自身业务和客户创造价值的路径。
如果用的是 SQL Server 或 Oracle 等传统数据库，建议推进现代化改造，迁移到 MySQL 或 PostgreSQL，这能免除高昂的许可费用并优化长期架构姿态。
如果拥有的是 ERP 或供应链等封装应用，可以等准备就绪后再进行现代化改造，当下首要的是直接从现有数据中创造价值。
如果要启动全新项目，建议直接基于现代化的开放式数据底座进行构建。
此次峰会上，亚马逊云科技还展示了新发布的 Amazon Context。该服务为所有数据和 Agent 提供大规模上下文智能。
与部分客户开展合作试点后，他们发现如果能基于企业全部数据构建上下文层，响应准确性会大幅提高，但让每个客户都手工搭建自己的上下文层，将耗费极其庞大的精力。
于是，亚马逊云科技决定将这项技术提炼为基础功能组件广泛开放，使得客户可以极其便捷地进行配置，它会直接附着在数据上，从所有 Agent 对该数据的使用行为中自适应学习。
G2 总结说：" 这是一项具备复利效应的技术，被使用得越多，它就会变得越聪明。"
结语：为企业 Agentic AI 应用打通一道高效之路
企业进行组织变革，首先得把底层的技术栈真正建起来、串起来、跑起来。从芯片到应用，每一层都在解决不同的问题。
如今，亚马逊云科技构建的五层 Agentic AI 技术栈，已通过丰富的产品和服务，为企业 Agentic AI 应用打通一道高效之路。
作者 | ZeR0
编辑 | 漠影
智东西 6 月 24 日报道，在昨日举行的亚马逊云科技中国峰会期间，亚马逊云科技全球数据库服务副总裁 Ganapathy "G2" Krishnamoorthy 与智东西等媒体进行深入交流。G2 告诉智东西，亚马逊云科技已广泛地使用其 AI 编程工具 Kiro 来构建新功能。
" 对我们而言，安全始终是重中之重，因此我们在内部利用了许多这类工具来提升自身的安全与开发能力。"G2 谈道，" 我们的一大优势在于为构建者打造工具，而亚马逊云科技内部就拥有大量的云原生构建者，这给我们提供了极其丰富的反馈。"
针对开发者应如何搭配选用 Kiro、Claude Code 等编程工具的问题，亚马逊云科技提供有各种工具，除了已被广泛采用的 Kiro 外，也将 OpenAI Codex 和 Claude Code 提供给了开发者使用。其持续集成与持续部署（CI/CD）基础设施能够支持所有这些不同的工具。
" 我们会从不同工具的实际运行中汲取经验，从而为客户提供最佳的开发体验。"G2 说。
对于许多企业来说，将 Agent 引入企业真实场景中并产生价值，难点不在模型本身，而在于如何构建起工具连接、权限管控、可观测性、治理审计体系，把模型能力稳定、安全、可治理地接入真实的业务系统。
会上，小鹏集团、月之暗面、影石、猎豹移动等中国合作伙伴各自分享了如何使用亚马逊云科技的产品来为优化其业务。这些产品均来自亚马逊云科技构建的全栈 Agentic AI 技术，覆盖从 AI 基础设施、模型、数据与知识、Agentic AI 平台到 Agent 应用。
将亚马逊云科技的数据库、Amazon Bedrock 与 AgentCore 组合使用的核心价值在于：它们在运营上遵循相同的一套策略。客户只需要在一个地方进行设定，相同的 Amazon IAM 权限策略就会应用到所有地方。当用户跨多个基础模块执行多步行动时，系统能够提供相同维度的审计深度和全局可见性。
一、智能体平台的三个核心差异点
Amazon Bedrock AgentCore 是亚马逊云科技打造的用于大规模安全构建、连接与优化 Agent 的平台。
G2 分享了 AgentCore 的三个核心差异点：第一，真正做到与具体模型或框架无关，让开发者自由选择模型；第二，完全可组合，客户只需选用与自身场景和用例相关的功能；第三，支持混合搭配（mix and match），如果你不想用 Amazon Bedrock，而是想集成 OpenAI API，也完全可以做到。
亚马逊云科技专注于如何提供全栈能力，来加速客户从概念验证（POC）到生产环境的推行进程。在 Agent 应用中，模型只是大脑，而大脑之外的其他核心能力，包括如何便捷安全地连接工具、如何提供正确的合规治理、如何构建 Skills、如何为自主运行的关键负载提供全方位的可观测性等，这些都是 AgentCore 能够出色解决的硬核难题。
谈及不同规模企业的需求存在差异，G2 认为侧重点与其说是公司规模大小，不如说是他们所处的运营环境，一家处于高度监管复杂环境下的企业，其需求与 YC 孵化器里的初创公司完全不同。他们的共同诉求是，开发者的生产力和缩短达成业务成果的时间变得前所未有地重要。
大型企业已经经历过多次技术迭代，解决方案必须契合现有技术投资，而不是推倒重来；初创企业才开始做选择，拥有极高灵活性。
亚马逊云科技会充分理解客户的既有投资和可选路径，从而帮他们创造最大的 AI 价值。
在亚马逊云科技中国峰会上，小鹏 AI/Data Platform 负责人何瑞邦分享了一个他们真实遇到的困境：2024 年小鹏内部广泛使用 AI 开发工具，个人效率上来了，但部门整体效率没有明显变化，原因是 AI 写完代码后还要进行人工集成、联调测试、推 CI/CD。
最终，小鹏基于 Kiro、Amazon Bedrock、Amazon EKS 搭建了企业级 AI 编程与 Agentic 工作平台 " 灵犀 "，实现零编码交付，覆盖研发全生命周期，已使 AI 应用中心的 AI 代码覆盖率超过 70%，每天有 100 多个 AI 驱动的工作流全链路自动化运行，累计完成超过 14 万个工作流，核心阶段执行成功率超过 99.7%，SRE 环节的缺陷自动修复从两天压缩到 10 分钟。
二、五大中国领先开源模型已上架
G2 认为，开发者拥有丰富的模型选择至关重要，这样才能针对具体的能力、成本和性能进行最优化权衡。
亚马逊云科技致力于成为这些模型和 Agentic AI 解决方案走向生产环境并为客户创造价值的最佳场所，与主流模型提供商都保持紧密合作，确保其模型在亚马逊云科技的环境中得到充分优化。
" 我们取得了很大的成功，确保这些先进模型在我们从底层硅芯片一路优化到模型和 API 的全栈架构上顺畅运行，提供最佳的性能和最低的成本。"G2 说。
亚马逊云科技产品部技术总监王晓野补充道，亚马逊云科技团队一直在与中国领先的模型厂商合作，推进它们在大模型上与亚马逊 AI 芯片 Trainium 的训练适配。
DeepSeek、MiniMax、Kimi、Qwen、GLM 等中国主流开源模型正式上架 Amazon Bedrock，加上此前已有的商业模型，Amazon Bedrock 以统一 API 接入、内置安全与治理、面向生产环境稳定运行，让企业可以真正按需选择和切换模型。
月之暗面 Kimi 的模型已登陆 Amazon Bedrock 和 Marketplace，并获得来自亚马逊云科技全球数据中心和网络基础设施的稳定可靠算力支持。
G2 认为，数据才是客户利用先进技术为业务创造新价值的最终差异化来源，Agent 应用对数据层提出了一系列新要求：
首先，亚马逊云科技让所有数据库（如 PostgreSQL、MySQL、Amazon DynamoDB，以及传统商业授权的 SQL Server 和 Oracle 等）都支持 MCP 服务器，使得这些数据能够被 Agentic AI 框架顺畅访问。
其次，确保所有数据都能作为上下文供 Agent 使用，或赋予数据库存储和管理 Agent 记忆的能力，这要求数据库具备向量功能和混合搜索能力。
对于亚马逊云科技眼中的 AI 原生数据库，G2 给出了一套完整的判断框架。
第一，最基本的门槛是极其便捷的数据访问能力。目前各大模型都在将 MCP 作为访问数据的标准化方式，因此 AI 原生数据库必须确保其内部的所有数据都能通过该协议被顺畅调用。
第二，支持向量嵌入和混合搜索能力，赋予应用程序存储和检索 Agentic 记忆的功能。
第三，数据库环境支持直接调用 AI 模型进行推理。
第四，零门槛数据库。如今借助 AI 工具，人人都能构建应用程序，但他们并不懂传统的数据库管理，因此需要一个真正毫不费力的数据库，不需要人工去评估调整实例规格，也不需要人工做日常运维，它必须易于创建、按需自动伸缩并能随着时间推移自我优化。
" 如果你使用的是 PostgreSQL 等较传统的数据库，系统会自带一个 Agent 来接管所有的运维工作。AI 生成的应用背后的开发者往往缺乏传统 DBA 技能，他们真正需要的是一个撒手不管的自动化数据库底座。"G2 解释说。
第五，极致的扩展规模。当你打造出一款爆款应用时，底层基础设施必须能随着用户增长向上实现千万级并发扩容；当该应用仅供个人或小团队低频使用时，基础设施必须能向下缩容到零，仅在真正被使用并产生价值时才计费。这种真正无服务器的能力，正是 Amazon DynamoDB 或 Amazon DSQL 等产品的核心优势。
在企业该叠加插件还是彻底重构数据底座问题上，G2 建议客户选择在当下最能为自身业务和客户创造价值的路径。
如果用的是 SQL Server 或 Oracle 等传统数据库，建议推进现代化改造，迁移到 MySQL 或 PostgreSQL，这能免除高昂的许可费用并优化长期架构姿态。
如果拥有的是 ERP 或供应链等封装应用，可以等准备就绪后再进行现代化改造，当下首要的是直接从现有数据中创造价值。
如果要启动全新项目，建议直接基于现代化的开放式数据底座进行构建。
此次峰会上，亚马逊云科技还展示了新发布的 Amazon Context。该服务为所有数据和 Agent 提供大规模上下文智能。
与部分客户开展合作试点后，他们发现如果能基于企业全部数据构建上下文层，响应准确性会大幅提高，但让每个客户都手工搭建自己的上下文层，将耗费极其庞大的精力。
于是，亚马逊云科技决定将这项技术提炼为基础功能组件广泛开放，使得客户可以极其便捷地进行配置，它会直接附着在数据上，从所有 Agent 对该数据的使用行为中自适应学习。
G2 总结说：" 这是一项具备复利效应的技术，被使用得越多，它就会变得越聪明。"
结语：为企业 Agentic AI 应用打通一道高效之路
企业进行组织变革，首先得把底层的技术栈真正建起来、串起来、跑起来。从芯片到应用，每一层都在解决不同的问题。
如今，亚马逊云科技构建的五层 Agentic AI 技术栈，已通过丰富的产品和服务，为企业 Agentic AI 应用打通一道高效之路。
