在亚马逊云科技中国峰会上，亚马逊全球副总裁、亚马逊云科技亚太区联席总裁储瑞松提出，Agentic AI的爆发拐点已经到来。这一趋势的背后，是模型能力的持续提升与Agentic工程体系的逐步完善，两者相互作用形成了一个良性循环。模型能力在推理、代码生成和多模态理解等领域不断突破，而基于这些能力的工程体系也在快速成熟，为智能体的稳定运行提供了坚实基础。
储瑞松详细解释了Agentic工程体系的三个层次。首先是提示词工程，通过优化提示词帮助模型理解任务目标；其次是上下文工程，确保模型在合适时机获取所需信息和工具；最后是驾驭工程，构建稳定的执行框架，包括智能体循环、工具调用和评估机制等。这三层工程体系相互支撑，共同推动模型从“理解任务”到“完成任务”的跨越。他强调，工程实践的成熟为模型能力提升提供了真实反馈，进一步加速了Agentic AI的发展。
随着Agentic AI的兴起，AI Agents正在重塑企业协作模式。储瑞松指出，AI已从辅助工具转变为直接创造业务价值的生产力，其价值计量单位也从“回答问题”转向“交付结果”。为帮助企业应对技术变革，他提出了实现Agentic业务转型的五层技术栈模型，涵盖从基础设施到智能体应用的完整链条。
在技术栈的最底层是AI基础设施层，包括GPU、AI加速芯片及配套网络存储，为模型运行提供算力支持。储瑞松建议，多数企业无需自建数据中心，可依托云服务商提供的基础设施。第二层是模型层，当前大模型创新活跃，企业应根据实际需求选择智力水平、速度和成本平衡的模型，避免过度依赖单一供应商。
数据和知识层构成技术栈的第三层，其核心是为智能体提供高质量数据支撑。储瑞松特别强调，企业自有数据是形成差异化竞争的关键，因这些数据需长期积累且难以被复制。第四层是Agentic平台层，当企业部署大量智能体时，需通过统一平台实现开发、部署和治理，这是从概念验证转向规模化生产的关键环节。
最顶层的智能体与应用层直接面向业务场景，涵盖软件开发、IT运维、客户服务等通用领域，以及特定行业的定制化应用。储瑞松比喻，智能体如同企业的数字员工，能够独立完成任务并交付可衡量的业务结果。他同时提醒，安全、效果、性能和成本这四个维度需贯穿技术栈各层，确保智能体在生产环境中稳定运行。
储瑞松进一步阐述，Agentic AI不仅是技术突破，更是一场业务变革。企业转型需关注五个关键维度：以业务结果为导向而非技术工具；将数据转化为战略资产；通过统一平台实现智能体协同；建立信任与治理体系；重构人机协作机制。他特别强调，治理能力是规模化部署智能体的前提，而非限制因素。
对于启动智能体项目的企业，储瑞松给出具体建议：选择对企业有实际价值且边界清晰的场景作为起点，确保任务具备可衡量的成功标准；明确智能体的职责范围和自主程度，如同为新员工制定岗位描述般定义智能体角色。通过这种方式，企业可以逐步积累经验，推动更多业务场景的智能化转型。
