撰文 | 李信马

题图 | 豆包AI

了不起的智能体：发现和介绍那些正在改变世界的Agent，这里有现场、有对话，还有没被写进新闻的细节。

SmartHey6月23日消息：在去年底的re:Invent 2025大会上，亚马逊云科技（AWS）CEO Matt Garman指出，Agentic AI正站在关键拐点——从令人惊叹的‘技术奇观’，迈向真正驱动业务增长的实用生产力工具。他预测，未来数年内，数十亿个智能体（Agent）将在全球各行业深度嵌入工作流。

AWS正以实际行动践行这一判断。4月29日，其标志性智能客服平台Amazon Connect正式升级为四大垂直化Agentic AI解决方案：面向企业运营决策的Amazon Connect Decisions、面向规模化人才招聘的Amazon Connect Talent、面向客户体验优化的Amazon Connect Customer，以及专注欧美医疗合规流程的Amazon Connect Health。

据AWS官方介绍，Amazon Connect代表了一种全新的人工智能构建范式——其核心理念是：AI应作为可信赖的团队成员协同工作，而非被动调用的工具。

这种设计理念被定义为“拟人协作（humorphism）”：Agent具备推理、记忆与自主行动能力，需依托高度拟真的协作界面，在持续交互中理解业务上下文、适配组织工作习惯，并随实际业务数据不断进化，从而变得愈发精准、可靠与高效。

那么，这些Agent能否胜任真正的“团队成员”角色？5月底，AWS在北京举办“What's Next｜Agentic AI下一站”媒体沟通会，重点展示了Amazon Connect Decisions与Amazon Connect Talent在中国供应链与招聘场景中的真实落地路径。

01.

它们能做什么？

供应链一旦中断，多数企业平均需耗时两周以上恢复运转，同时面临营运资金积压、缺货损失及合同违约等多重风险。

而传统系统配置成本高、响应滞后：规划人员常需耗费数天手动整合分散系统中的数据，再将模糊的需求预测转化为可执行供应计划；当供应商延迟交货或促销超预期时，又得在Excel表格与邮件往来中反复排查根因、评估影响，才能做出应对决策——效率瓶颈显著。

Amazon Connect Decisions正是为此而生。

它首先打通企业上下游异构数据源，构建统一、实时、全景化的供应链数据画像，为AI深度决策奠定基础；其次，其核心由6个分工明确、协同演进的Agent组成（AWS称其为“Agentic AI队友”），包括：Onboarding Agent（接入协调）、Demand Planning Agent（需求预测）、Supply Planning Agent（供给规划）、Root Cause Agent（根因诊断）、Recommendation Agent（策略建议）与Actions Agent（自动执行）。

这六大Agent覆盖预测、规划、分析、建议到执行的全链路闭环，内嵌超25种专业供应链工具，其中集成亚马逊自研的供应链优化技术（SCOT）基础模型。

其演进路径采用三层递进模式：第一阶段为人机协同，AI提供洞察与建议，人类保留最终决策权；第二阶段逐步移交标准化、低风险操作（如补货触发、库存调拨）至Agent自主执行；第三阶段无需人工标注或专项训练，Agent在真实业务交互中持续学习优化。

供应链两大核心任务——“预测要卖多少”与“决定要备多少货”，均被深度重构：

前者聚焦需求侧：支持按单品、区域、时间多维建模，融合销售、市场、财务等多方输入形成共识计划，并基于实时业务数据动态追踪进度；一旦偏差超阈值，自动触发根因分析并生成响应预案。

后者聚焦供给侧：对物理世界建模，综合产能约束、仓储容量、供应商前置期、物料可用性等数百变量进行智能规划；Agent 7×24小时监控数千至上万条动态信号（如库存水位、供应商交付表现、消费趋势），将关键预警信息置顶推送；并可通过系统对接直接发起采购订单、跨仓调拨等操作，再从执行反馈中持续强化决策能力。

与Amazon Connect Decisions的对话

“让我们调整所有预测，在新产品的初期阶段采用更保守的策略。”

“我将创建一个规划规则，在任何新产品上市的前6周使用 P30 分位数（而非 P50）来进行预测。这应该能在Q1节省85K（8.5万美元）的过剩库存成本。”

Amazon Connect Talent虽不涉及复杂运筹，却直击每个组织都面临的高频痛点——招聘。活动现场视频演示显示，整个招聘流程已实现端到端Agent化：

首先，Agent依据岗位JD自动生成具备信效度的结构化测评题，科学评估候选人问题解决能力；接着，主导一场全语音线上面试，像资深HR一样动态追问细节、依据预设维度实时打分，全程支持候选人自由预约，仅需一部联网手机即可完成；最后，将完整面试转录、评分报告与决策建议一键提交至招聘官终端。

其目标明确：将平均招聘周期从数周压缩至数天，在保障公平性与专业性的前提下显著提升人岗匹配效率。

与Amazon Connect Talent的对话

“我准备好开始面试了。”

“好的！我是你的AI面试官。我们开始吧——请讲一次你为客户付出超出预期的经历。”

02.

为什么是亚马逊？

初闻云厂商切入垂直Agent赛道，不少人难免疑惑：供应链与招聘，难道不该由深耕行业的中小厂商来做？但细究之后，答案清晰浮现——亚马逊自身就是全球最大电商实体，管理着超4亿SKU；Amazon Connect Decisions背后，是其30年沉淀的供应链运筹学方法论；而Amazon Connect Talent，则脱胎于2025年单年招募25万名季节性员工的真实战场。

当被问及领域选择逻辑时，亚马逊云科技解决方案架构总经理陈晓建直言：“我们首先是全球最大的电商平台，在复杂供应链调度与海量人才筛选上积累了不可复制的实战经验。通过AI技术封装这些know-how，才能打造出Amazon Connect Decisions与Talent这样的垂直方案。此前的Amazon Connect Customer亦是如此——它本就是电商服务体验的生命线。”

技术架构上，这两款解决方案虽开箱即用，但底层支撑坚实：四层能力栈全面开放——

• 基础设施层：自研Trainium芯片 + 高性能GPU集群
• 模型层：Amazon Bedrock（集成Anthropic、OpenAI及主流开源模型）
• 数据层：S3 Vectors向量引擎 + 全托管数据库与实时分析能力
• Agent开发平台：Bedrock AgentCore、Strands Agent、OpenAI Managed Agents等企业级编排工具

诚然，当前不少所谓“Agent”仅简单封装大模型API便匆忙上市，实际体验参差不齐。而AWS的路径始终清晰：从高价值、高复杂度的真实场景切入，以深厚业务积淀为锚点，以全栈技术能力为基石，确保Agent不止于概念，更经得起业务压力检验。

一个耐人寻味的细节是：为何四款方案只重点介绍两款？Amazon Connect Health并非能力不足，而是其流程设计严格对标欧美医疗监管体系（如HIPAA），与中国本土医疗合规框架存在结构性差异，因此暂不面向中国市场推广——这恰恰揭示了另一重护城河：场景理解力与本地化适配能力，有时比技术本身更难逾越。

写在最后

陈晓建在演讲中强调，Agentic AI的崛起，其历史意义不亚于互联网与云计算的诞生。但打造真正好用的Agent，远比想象中复杂。

它不是唾手可得的“低垂果实”，也非轻量创业的速成赛道。即便未来真有数十亿Agent运行于各行各业，真正值得信赖的Agent，必然建立在扎实的技术底座与深厚的业务洞察之上。鉴于不同行业流程千差万别、业务逻辑高度特化，“通用型Agent平台”或将趋于集中，而扎根垂直场景的优质Agent，则会构筑起难以复制的竞争壁垒——这是挑战，更是确定性机遇。

Agentic AI的时间窗口不会永远敞开。像AWS这样的科技巨头，拥有技术纵深与场景厚度的双重优势；而中小企业乃至个体开发者，同样有机会打造专属的“数字同事”——关键在于厘清：Agent该解决什么真问题？不是炫技摆设，而是真正嵌入业务毛细血管，成为推动增长的静默力量。