“三年前，前沿模型（Frontier Models）虽智能但难以解决实际问题，而如今，前沿智能体（Frontier Agents）已能实现独立工作，不同地区的 Agent 独立工作时长已达到 30 分钟至数小时不等。这并非未来愿景，而是当下正在发生的现实：我每天通过 Quick Suite 生成的 Agent 处理邮箱总结、起草回复，员工周报中的共性问题也能由 Agent 自动提炼，甚至可定制商机分析 Agent 满足个性化需求。每个人都能搭建自己的工作流程，生成式 AI 已深度融入日常工作。”亚马逊云科技成长型企业及新兴业务总经理倪殿令说道。
近期，倪殿令认为，新质生产力、出海、全球化与 AI 的融合不断深化，拥抱生成式 AI 成为必然趋势。而在不断变化的浪潮中，底层云服务的核心需求始终不变。AI 应用的蓬勃发展让云服务的安全性、弹性、可靠性及成本优化需求愈发凸显。他表示，这也是亚马逊云科技自研 Graviton 芯片的核心原因：通过技术创新降低成本结构，为用户提供更多选择，践行“Choice matters”（选择至关重要）的理念。
技术创新是全球领先的核心支撑。硬件领域，亚马逊云科技推出 Amazon Nitro 芯片，将虚拟化功能整合至硬件层面，大幅提升效率；基于 ARM 架构的 Graviton 芯片持续迭代，Graviton4 相比上一代性能提升 30%、核心数提升 50%、内存带宽提升 75%，且所有创新能力均已在中国区域落地。
倪殿令表示，对于生成式 AI 应用而言，最重要的是数据。其核心不在于前端的模型或 AI 应用发起的查询，而在于底层的高效数据处理能力，以及向量数据、乃至数据库数据如何有效存储与归类。这部分能力在生成式 AI 应用中的影响力高达 90%以上。一家企业能否充分发挥生成式 AI 的效能，其所使用的开源模型或微调模型能否有效减少 ‘幻觉’，均取决于企业数据的质量及其规模。”
生成式 AI 的落地需要兼顾企业不同角色的需求，为此亚马逊云科技提出了“黄金三角”框架，围绕业务战略，整合场景、数据、人才三大核心要素：企业需要找到既能创造价值，又适合用生成式 AI 解决的具体业务场景；其自身的数据资产将成为价值创造的关键差异化要素；专业的工程团队是生成式 AI 应用成功交付的关键。
具体来看，首先，CEO 关注业务战略，明确企业拥抱生成式 AI 的方向，将其植入企业创新基因；其次，业务部门（LOB）聚焦具体场景落地，明确输入、输出及成功标准，避免盲目推进；数据层面需夯实底层基础，打通数据流，做好数据治理；人才层面则需要培养数据工程师、算法工程师等专业人才，同时通过多种方式提升企业整体 AI 素养。此外，安全合规贯穿始终，需覆盖云基础设施、数据、用户信息三个层面，避免信息泄露与风险。
他提出，生成式 AI 在 To B 领域的应用的场景，可围绕企业核心需求分为六大类：CEO 最关注的业务创新、成本优化、风险控制（即“赚钱、省钱、降风险”），以及业务部门与 IT 部门关注的交付速度、客户体验、员工生产力提升。低层级场景（如智能客服、文生图）可快速落地，而高层级的复杂场景则需要 Agent 按规范脚本执行，人进行监督优化。
倪殿令表示，本地化支持是服务中国客户的核心保障。面对本土及全球化企业在中国日益增长的数智化需求与复杂挑战，亚马逊云科技有四大核心优势：
首先，拥有全球领先的技术优势，在确保其技术与全球一致的基础上，携手本地运营合作伙伴加速前沿云和生成式 AI 技术及服务在中国的落地，并通过持续的技术创新为客户优化成本。；
其次，拥有覆盖全球 245 个国家和地区的统一高标准基础设施，同时凭借业内领先的安全合规能力，包括支持众多安全标准及获得多项合规认证，持续为企业提供安全、稳定、高可用的云服务；
此外，对各行各业有深刻的理解，坚持行业化策略，基于其丰富的全球客户实践，并整合全球、本地及合作伙伴的解决方案与最佳实践，构建了覆盖汽车、制造、生命科学与健康等多个行业的解决方案库，进而可为客户提供全方位的行业解决方案；
最后，扎根中国十余年，数千名员工遍布北京、上海、广州、深圳、成都等主要城市，包括本地业务拓展团队、解决方案架构师、快速原型开发团队、专业服务团队、客户支持团队等，并拥有来自 150 多个国家和地区的 14 万多家合作伙伴，实现了从地区到行业的全面覆盖。
近期，弗若斯特沙利文（Frost & Sullivan）联合头豹研究院发布了《2025 年在华外商企业云计算服务采用研究报告》，亚马逊云科技在核心能力和用户价值两个维度排名第一，被列为“领导者”。
