当87%的企业高喊“已大规模部署AI”，却只有10%真正从中赚到钱时，这场围绕大模型和Agent的狂欢，其实早该进入更务实的阶段了。
在刚结束的2026中国AIGC产业峰会上，亚马逊云科技产品技术部技术总监王晓野用一组数据戳破了泡沫：Demo容易，生产难。个人在Mac mini上捣鼓一个Agent，跟让几千个Agent在企业分布式环境里稳定、安全、不崩不串，完全是两个世界的工程复杂度。
他直接挑明了企业最常见的误区——别指望一个模型包打天下。从算力成本到数据安全，从记忆管理到全链路可观测性，每一层都是硬骨头。以下整理自他的演讲，希望能给正在踩坑或即将踩坑的团队一些实在的参考。
编辑部 整理自 AIGC2026
在他看来，企业养龙虾和个人养龙虾完全是两码事。个人可以随时拔电源重启，但企业级场景里，几千个Agent同时跑在分布式环境中，必须做到自动恢复、权限隔离、数据不泄露——这些才是真正的工程挑战。
这场分享直击了几个关键痛点：
- 模型选择与响应速度：企业需要灵活切换、性价比优先，而不是绑死在一个模型上。
- 构建复杂度：分布式系统稳定运行的难度被严重低估。
- 使用门槛：工程师觉得简单，但业务人员仍然摸不着头脑。
- 人才缺口：能端到端推动Agent落地的人，少得可怜。
亚马逊云科技CEO Matt Garman有个观点很犀利：过去30年个人生产力从未被真正颠覆，直到Working Agent出现。但走向生产级落地，必须搭建五层能力——算力、模型、数据与知识、Agentic平台、Agent应用。每一层都有坑。
以下为王晓野演讲原文：
大家上午好！非常感谢邀请。
我今天演讲的主题叫《跨越Agent落地鸿沟：从模型到企业级AI Agent落地》。
跟前面几位嘉宾分享的方式不太一样，我会直白一些，也会通过一系列产品和案例，跟大家分享我们对企业级Agent落地的思考。
作为一家长期服务全球客户的科技企业，亚马逊云科技一直在通过云服务支持数百万企业客户，今天我也想借由我们产品更新背后的思路，跟大家聊聊：真正把Agent落到企业生产环境时，企业需要回答哪些问题。
过去几年，Agent产品和构建框架层出不穷，但真正能在生产环境里大规模、稳定运行的，寥寥无几。这里面的差距在哪？
我们先看大趋势。AI生成音频视频、基础模型、具身智能、Agent——其中Agent离企业落地最近。全民都在养龙虾，但个人环境和企业环境是两件事。
个人配置好后很少需要改动，但企业里几千个Agent安全可信地运行，背后有鸿沟：模型选择、构建复杂度、使用门槛、人才gap。
三个礼拜前，亚马逊云科技CEO Matt Garman说，AI和Agent带来了市场构建范式变化，应用应该被重新改造。他还说，过去30年个人生产力从未被真正大规模颠覆过，但今天Agent的出现让工作方式开始变化。
Gartner预测，2028-2030年超过15%的企业日常工作决策由Agent自主完成。麦肯锡称Agent带来的增量市场规模可能从2.6万亿美元涨到4.4万亿美元。但现实是，87%的企业部署了AI，只有10%真正获得生产价值。
龙虾让我们看到了河对岸，但企业需要一座桥。亚马逊云科技认为需要关注五大能力：
第一层是AI Agent所需的算力。推理算力比训练更重要，性价比还没到可以随意使用的程度。亚马逊云科技自研芯片，从Graviton到Trainium，为不同负载提供最优性价比。
第二层是模型。企业需要选择，而不是被绑定。Amazon Bedrock支持智谱、MiniMax等模型，同时提供企业数据保护和隐私。
第三层是数据和知识。传统数据平台服务人，现在必须服务AI Agent。Agent对数据的调用方式不同——一次任务可能带来无数次调用。需要AI-ready的数据平台，解决记忆共享与隔离、生命周期管理、Token使用效率问题。Token贵往往是因为喂给模型太多无用信息。
第四层是Agentic平台。模型之外的Harness才是关键。Amazon Bedrock AgentCore提供Runtime、Memory、Code Interpreter、Browser等能力，以及Identity、Gateway、Policy、Evaluation、Observability等管控。
前一阵我们与OpenAI联合发布Managed Agent，把OpenAI的前沿模型和最佳实践Harness，结合亚马逊云科技的安全基础设施打包。企业可以同时选择Bedrock AgentCore的开放灵活和Managed Agent的便捷。
第五层是Agent应用。Coding Agent已成熟，Working Agent即将爆发。但员工希望Agent什么都做，企业希望管控。亚马逊云科技的Quick产品实现了深度个性化，像日常小助手一样主动提醒、执行任务、沉淀个人知识图谱。
最后简单总结：我们通过五层能力，希望让更好的模型，通过可信的数据，真正把生产级平台带给用户。Matt Garman说每一个应用都将被重构，领先企业已经走在路上。我们也将持续迭代产品，加速重构，拥抱Agent时代。
谢谢大家。
客观来看，这场演讲真正有价值的地方在于戳破了“模型崇拜”：企业落地的瓶颈从来不在模型本身，而在于如何把模型嵌入到现有的IT系统、数据流和权限体系中。Token成本高，很多时候是因为企业把几千个技能一股脑塞给模型，让它在垃圾堆里找黄金。记忆管理、生命周期、可观测性——这些听起来不那么性感的工程细节，才是决定Agent能否从Demo走向生产的关键。未来一年，能解决这些“脏活累活”的平台，才会真正拿到企业市场的门票。
