Agentic AI：从概念炒作到企业生产力核心的“临门一脚”

温故智新AIGC实验室

曾经被过度炒作的“数字员工”已成过去，如今，具备自主规划与执行能力的Agentic AI正成为企业兑现生产力承诺的关键。然而，其落地企业复杂业务场景仍面临挑战，但头部技术服务商和先行企业正通过构建端到端的技术栈并重新审视数据战略，共同推动Agentic AI迈向生产级应用，预示着一个由智能体驱动的更高效商业时代即将来临。

几年前，当“数字员工”的概念甚嚣尘上时，它更多地是对生成式AI公众注意力的透支，是期待与现实之间的巨大鸿沟。然而，到了今天，Agentic AI——那些能够自主规划行动路径并高效完成生产任务的智能代理——正逐步兑现对企业CEO们的承诺，吹响了AI从概念走向实用，特别是企业级生产力核心的“号角”。12

复杂业务场景下的落地困境与破局

尽管Agentic AI拥有令人兴奋的潜力，近两年，许多企业在内部搭建Agent系统时却遭遇了“花大钱，办小事”的尴尬。其根本原因在于企业业务场景的固有复杂性：团队内部的“历史背景”往往只掌握在少数老员工手中，且各部门、甚至各小组的工作流程高度定制化，缺乏严格遵循的统一标准操作流程（SOP）。这使得Agentic AI的落地充满了挑战，其自主性与复杂、非标的真实业务流程之间存在显著的鸿沟。

然而，行业的进化速度远超预期。我们观察到，从2025年开始，国内一批早期拥抱AI的企业已经成功部署了由AI Agents构成的工作组，并取得了相当不错的效果。同时，头部技术服务提供商，如亚马逊云科技，也围绕Agentic AI归纳并发布了针对性极强的解决方案、白皮书和落地攻略，为企业提供了清晰的路径。3

亚马逊云科技在近期的一次峰会上，便展示了其在帮助Agentic AI突破“生产级”门槛的底层逻辑，将企业开发场景中的Agent工作组大致分为三类：

  • 赋能开发效率：针对相对清晰、具体的业务需求，这类Agent能够直接提升开发者的工作效率。例如，亚马逊云科技的Amazon Q Developer，作为一个嵌入开发者工作流的“外脑”，能帮助开发者理解代码、生成测试、修复错误，甚至辅助完成整个功能开发。在实际案例中，一个咖啡抽奖应用90%的代码由Amazon Q完成。更重要的是，对于内部已有应用的升级，Amazon Q的Transform服务能显著加速企业级工作负载的转换，例如，亚马逊云科技内部一个五人团队在两天内将1000多个生产应用从Java 8升级到Java 17，平均每个应用仅需10分钟，这在过去通常需要两到三天。
  • 全流程托管复杂任务：对于更复杂的技术任务，成熟的全流程托管方案应运而生，帮助企业一站式解决任务规划、分配与执行的问题。以代码合规检查为例，模糊的用户需求（如“按照合规指南重构软件项目”）会被分解为代码分析、合规检查、代码转化与升级、单元测试等多个具体任务，并由多个Agent协同完成。这要求底层支持多种模型混用，并解决模型间的协同效率、数据流转的准确性与安全性，以及混合模型的统一管理和优化等问题。亚马逊云科技的Amazon Bedrock Multi-Agent协作功能正是为此设计，通过主管Agent协调，各Agent专注于特定任务，以极低甚至无代码的方式，将系统提示词、工具和基础模型与用户需求打包，实现应用的整体编排和构建。
  • 提升业务开发效率：对于需要根据新业务需求从零到一开发Agent系统的场景，现有方案能显著降低试错成本。亚马逊云近期推出的开源Agent构建框架Strands Agents便是一个典型。它包含模型（大脑）、工具（手）和提示词（行为边界）三个核心组件，以开源SDK形式提供，开发者只需几行代码即可构建和运行AI Agents，覆盖从本地开发到生产部署的全流程，例如，30行代码即可构建一个“AI采购助手”。

这些方案之所以能够率先迈入生产级应用门槛，其本质在于解决了技术与需求的精准匹配问题。过去“拿着钉子找锤子”或“拿着锤子找钉子”都容易导致技术与需求错位。Agentic AI时代，真正的有效思路是“拿着钉子，造锤子”——即应用方清晰梳理业务痛点，明确最适合引入Agentic AI的环节，然后有针对性地寻求或构建解决方案；技术厂商则需沉下心来，洞察用户真实需求，提供精准解决方案，并赋予用户充分选择权，灵活调整技术与产品组合。4

数据：决定Agentic AI“天花板”的关键

然而，所有这些Agentic AI解决方案的有效性，都建立在一个巨大的前提之上：企业必须拥有足够高质量的数据，以及能够最大程度释放数据价值的数据方案。否则，再强大的Agent也是“巧妇难为无米之炊”。

企业对“如何充分释放企业数据价值”常常力不从心。早在信息化、数字化阶段，数据孤立、不规范、流通不畅等问题就已存在。Agentic AI的到来非但没有消除这些问题，反而将其复杂化——它不再满足于静态、孤立的数据集，而是强调数据的实时性、动态性和交互性。一个Agent可能需要在瞬息之间触发数十乃至上百次数据库查询，涉及的数据量从GB级到TB级不等，这无疑进一步增加了企业处理数据问题的难度。

尽管行业中涌现了增强现有数据仓和数据湖的实时处理能力、向量数据库、数据编织/数据网格、流式数据处理平台等新的数据方案，但企业在实际应用中仍面临如何整合这些异构系统、确保数据一致性、统一数据治理和控制成本等一系列难题。这意味着，企业需要构建更灵活、敏捷的数据架构，以实现数据的快速流转与智能分析，进而驱动Agent持续迭代，释放更大的价值。

正如亚马逊云科技大中华区总裁储瑞松所言：“决定企业AI应用水平天花板的重要因素是企业数据是否AI就绪。”这一战略层面的认知，正驱动着头部厂商加大在数据方面的布局。例如，Salesforce在5月底以约80亿美元收购数据管理平台Informatica，这笔低调的收购有力佐证了数据治理能力已成为Agentic AI军备竞赛的一大重心。5 数据不再仅仅是技术问题，更是一个战略问题。

亚马逊云科技在更早的时候便意识到了数据的重要性，并为此做了长期布局：

  • 数据集成：作为Agentic AI获取数据养料的入口，数据集成能力至关重要。早在2013年，亚马逊云科技就推出了云数据仓库服务Amazon Redshift。截至2025年6月，其零ETL功能已支持将五种数据库的数据集成到Redshift中，包括Aurora MySQL、Aurora PostgreSQL、RDS for MySQL、RDS for PostgreSQL和DynamoDB，确保Agent能获取到充分的数据来源。
  • 数据治理：在数据集成后，数据治理能力是能否最大程度释放数据价值的关键。2017年推出的Amazon SageMaker，作为完全托管的机器学习服务，已经发展成为整合数据与AI开发的“独立工作室”——Amazon SageMaker Unified Studio。它不仅解决了数据的存储、处理和治理问题，更将其与模型开发、训练、部署以及Agentic AI应用构建紧密结合，形成了一个数据驱动引擎。
  • 多样化数据处理：亚马逊云科技还提供结构化与非结构化数据处理能力，并支持向量化结构的数据库优化，这对于当前火爆的RAG（检索增强生成）应用而言是必要的支撑。

当然，数据方案并非一劳永逸，企业业务和AI的持续迭代要求相应的数据方案也随之迭代。

战略远大，战术精耕：Agentic AI时代的双螺旋

目前，一些企业已经在Agentic AI的生产级应用方面展现出前瞻性，它们来自各行各业，且拥有相似的成功特质。

  • 安克创新（Anker Innovations）：消费电子领域的安克创新全面拥抱AI转型，构建整体数智化驾驶舱，采用亚马逊云科技的计算、存储、智能湖仓及AI/ML等技术，为不同区域、不同场景定制化部署，加速产品升级与全球业务创新。
  • 合合信息（INTSIG）：将Agentic AI技术应用于核心业务运维，而不仅仅是边缘场景试验。其基于Amazon Bedrock构建的运维助理Chaterm，通过细致的Agentic工作流，将复杂运维工作拆解为可执行步骤，确保稳定可靠的执行。
  • 美的集团：作为家电巨头，美的全面推进“AI+”战略，将AI融入研发、生产、营销、服务等全价值链。其海外客户服务中采用Amazon Connect，通过AI赋能每一个客户交互点，最终实现服务效率和体验的显著提升。

这些企业身上有一个共同点：它们在战略上极其大胆，且都具备成熟的全球化布局；同时在战术上精细打磨，能够找到内部对AI需求最迫切的场景，并选择与合适的技术厂商合作来解决问题。

这种“战略上目标远大，战术上小心求证”的特质，也体现在近两年崛起的AI新秀身上。例如，亚马逊云科技重点投入的Anthropic，成立之初便选择了一条更强调AI安全与对齐的道路，注重模型的可靠性、诚实性和可解释性，而非单纯追求能力边界的扩展。他们在发布Claude 4.0时，直接展示了大量企业的真实使用反馈，而非仅限于Demo，如今Claude已成为Cursor等代表性AI应用的重要支撑。

对于大型科技公司而言，战术上的谨慎推敲已是常态，但战略上的大胆往往尤为难得。但在Agentic AI这件事上，亚马逊云科技做到了。几个月前，亚马逊云科技内部组建了Agentic AI团队，直接向集团CEO汇报。其CEO Matt Garman更是直言，Agentic AI有潜力成为“亚马逊云科技的下一个数十亿美元业务”。

为此，亚马逊云科技围绕Agentic AI构建了全面的能力体系和完整的技术栈，并持续迭代Amazon Bedrock、Amazon Q、Amazon Sagemaker等产品的能力。同时，为了满足新的开发者需求，他们开源了Strands Agents，给予企业充分的选择权，灵活选择产品组合，确保企业能够真正“端到端”地构建Agent系统。这套技术栈的有效运行，还得益于亚马逊云科技数十年全球化发展积累的基础设施网络，确保全球各地企业都能获得一致、可靠、低延迟的云服务和Agentic AI能力支持。这种全球化视野使其能够更快地接触并采纳前沿技术和经验，在新技术浪潮中抢占先机。

Agentic AI作为生成式AI的下一个阶段，本身就带有极大的不确定性，需要全球企业共同推动，才能从中寻找更多确定性。当企业能够真正将外部的智慧与内部的实践相结合，战略上大胆，战术上精细，一个由Agentic AI驱动的、更智能、更高效的商业时代，或许已不再遥远。

引文

  1. 这家公司又吹哨了，这次是Agentic AI·网易·杨楠（2025/6/19）·检索日期2025/6/21 ↩︎

  2. Agentic AI refers to AI systems that can autonomously plan and execute tasks. These systems are increasingly being adopted in various industries. Their effectiveness is being recognized in practical applications.·Google Search Result（2025/6/21）·检索日期2025/6/21 ↩︎

  3. 这家公司又吹哨了，这次是Agentic AI·新浪财经（2025/6/19）·检索日期2025/6/21 ↩︎

  4. Agentic AI迎来爆发前夜如何加速从概念迈向实用？·新浪财经（2025/6/19）·检索日期2025/6/21 ↩︎

  5. InfoQ·手机网易网（2025/6/21）·检索日期2025/6/21 ↩︎