在 Agentic AI 时刻，多智能体驱动的力量正悄然崛起。传统的公司模式或许将迎来变革，“一人公司”似乎已悄然临近。想象一下，众多智能体如同协作的伙伴，各自发挥专长，为一个目标而共同努力。一个人可以借助这些智能体的力量，在各个领域大展拳脚。从创意的激发到业务的运营，从市场的洞察到客户的服务，智能体们宛如得力助手，让一人也能构建起属于自己的庞大商业帝国。这是时代的潮流，多智能体驱动下的“一人公司”，正以全新的姿态改变着商业的格局。

本文来自微信公众号：机器之心 （ID：almosthuman2014），作者：关注大模型的，原文标题：《Agentic AI时刻！多智能体驱动，「一人公司」这就要来了》

Code is cheap，show me the talk.

最近，很多AI大佬一反常态，对未来做出了超出预期的乐观预测。

诺贝尔奖获得者、AI先驱Geoffrey Hinton表示，人工智能将在多个领域「取代所有人」，只有顶尖技能人才能够找到AI无法处理的工作。

特斯拉前负责人Andrej Karpathy在演讲中也认为，我们正在进入「软件3.0」时代，自然语言在成为新的编程接口，大模型会完成剩下的工作。

正在让AI能力大幅提升的技术被称为智能体（Agentic AI），它能够长时间独立运行、感知环境，自主使用各种工具来完成复杂任务。最近有研究甚至证明，智能体也遵循大语言模型的测试时扩展（Test-Time Scaling）规律，能够通过强推理不断提升解题能力。

事实上，智能化发展的过程比我们想象得还要快。正在上海举行的亚马逊云科技中国峰会上，我们看到了一系列基于大模型、Agentic AI的创新和案例，让我们眼花缭乱。

「通俗说来，Agentic AI就是让基于大模型的AI从『我问AI答』、『我说AI写』发展到『我说AI做』。AI驱动的数字员工能将像人一样在各行各业，为企业带来新的生产力，」亚马逊云科技大中华区总裁储瑞松说道。

手搓Agentic AI应用

仅需不到30行代码

如今想用AI Coding来开发一个抽奖的小应用，到底有多简单？

在Amazon Q Developer上，你只需要先与AI进行聊天交互，了解需求，AI会自动生成一份有关后端代码的技术文档，进而生成执行计划。在读取执行计划后，Q能够自动生成一系列提示词，帮助我们生成代码，生成的代码可以一键修正错误。

前端代码就更简单了，直接输入一个截图，Q就可以把界面转换成代码。生成内容出错的地方，只需要用自然语言指出并一键修复即可。在程序完成之后，我们也可以用Q进行部署、测试，并在上线之前解决安全问题。最后在这个项目中，有90%的代码是由Q生成的。

AI也可以帮助架构师改造项目适用的环境版本。比如想把Windows的应用转换成Linux的，使用Amazon Transform，不到一分钟，5000多行代码就修改了4800多行，还立即在GitHub上自动提交了分支。

围绕Bedrock Agents，人们可以围绕大量内部数据快速构建，转换不同工具执行任务。我们可以调用Lambda查看游戏发行生成的内容，也可以调用非结构化数据进行相关内容的生成。

在一些简单任务上，我们可以使用开源的Strand Agents，由它帮助构建的AI采购助手使用亚马逊云科技托管的Claude 3.7 Sonnet大模型作为大脑，用户使用自然语言在前端提问，Agent就能理解用户需求，调出相应的MCP工具进行具体操作，浏览网页、筛选、进行推荐并以自然语言的形式返回结果。

这样的智能体工具，我们可以在一天之内完成原型开发验证，代码不超过30行。

多Agent之间也可以进行交互。中央协调器的大模型（Claude 4）在获取需求后自动指定相应的不同Agent进行编排，搜索并调用MCP服务形成报告，自动解析PDF和形成报告生成行程推荐。

以上的实现都基于亚马逊云科技提供的工具，它们分别针对特定场景、软件开发全流程，以及多智能体轻量级开发。

亚马逊云科技大中华区解决方案架构总经理代闻表示，由于智能体能力的提升，多模型混合使用的应用将成为常态；如今大家对于AI的关注点已经从模型性能的跑分，转变成为AI的应用；另外，大模型带来的Text to Action正在重新定义交互内容和能力边界。

基于此种能力，已有不少企业跨越了实验阶段，将生成式AI的解决方案应用于实际运营，并在三个关键领域取得了切实的效益——提高生产力、降低成本和加快创新周期。

作为一家AI公司，合合信息从成立以来一直专注于文本图像领域的AI算法和应用研究，它基于亚马逊云科技实现业务出海，构建了支撑扫描全能王、名片识别等核心产品，为全球200多个国家的用户提供高可用、低延时、安全合规的服务。

为了更好地利用企业文档数据资源，基于Amazon Bedrock和OCR大模型，合合信息还构建了一个文档处理Agent：DocFlow。只需要分钟级的时间就能从云存储中快速地读取各类文档，并且自动完成优化、分类、信息抽取和审核，从而大大提升数据处理效率。

Agentic AI在知识信息密集的领域也发挥了巨大的作用。举例来说，在医学撰写方面，一个典型的创新药项目需要以10万份文献数据以及数千的患者临床记录为输入，需要输出多达200多份的文档，总体的页数超过了5000页。这个工作量占据了研发工作量的30~50%。

针对这一挑战，复星医药和亚马逊云科技展开了合作，将整个医学写作的场景进行了解构。借助生成式AI的能力，一键式完成实验报告检查，把长达一周的工作缩短到5分钟。另外，在医学翻译领域，借助亚马逊云科技技术，复星医药用6个月的时间已经完成了1.6个亿字的翻译，直接降本超过了30%。

还有很多国内外公司，都在亚马逊云科技的这套Agentic AI体系上提升了效率，开启了前所未有的业务。这不由得让我们想起今年初人们喊出「AI智能体爆发元年」的预测：从AI辅助到AI协作，再到数字同事，智能体最终可以构建成软件公司，帮助我们完成绝大多数任务。「一人公司」距离我们其实并不遥远。

Agentic AI最令人兴奋的或许将是商业模式的创新——就像Uber、Airbnb创造了共享经济模式，Netflix开创了订阅制内容消费模式那样，随着AI的快速发展，现在处于正在进行时的，是深度集成AI的代码工具Cursor、AI实时搜索引擎Perplexity……

「我们身处在AI时代，恰似置身于30米高的巨浪之中。AI的发展已经来到了一个拐点。现在是时候行动了，」亚马逊云科技全球技术总经理Shaown Nandi表示。「坚信未来一年所做的事会为新的时代打下基础。」

打造Agentic AI

亚马逊云科技拥有一套完整技术栈

但另一方面，生成式AI的落地并不是件容易的事。

今年1月，DeepSeek R1成为了全球爆款应用，很多人在向它提问后遭遇了系统频频回复的「服务器繁忙，请稍后再试」；3月份，ChatGPT在提供原生图像生成功能后不到72小时就宣告临时下架，OpenAI CEO山姆・奥特曼不得不宣布进行限流，并表示「GPU在融化」。

不少爆款AI应用在走出陡峭增长曲线之后，面临着服务器容量饱和、安全合规、技术迭代困难等一系列挑战。为了能够跟上AI发展的加速度，企业需要正确的技术和全栈的工具。

此前，Amazon Bedrock平台上提供的Amazon Bedrock Agent框架作为一款快速部署工具在业内已获得了人们的认可。它是一个全托管式的服务，支持集成Bedrock内置的安全、可用性机制、RAG等能力，也集成亚马逊云科技各种服务，新增的Multi-Agent协作则可以应对复杂工作流程编排需要。

它大大简化了标准低级任务流程复杂性，如调用LLM、定义和解析工具以及链接调用，从而简化了工作流程。

其实，在能力层、基础设施、编排层、体验层等应用生命的全流程里，亚马逊云科技都提供了大量实操性的策略和实用工具，能够帮助你快速构建Agentic AI。

首先是多种先进模型的选择。现在的AI发展速度惊人，而且我们知道不可能有一个模型可以适用于所有任务。Amazon Bedrock不但集成了DeepSeek R1、Anthropic Claude、Meta Llama、AI21 Labs、Cohere等顶尖模型，亚马逊云科技自主研发的Amazon Nova系列基础模型也包含在内，在速度和成本方面提供更多不同选择，涵盖理解、图像、语音、视频等工作，新款Amazon Nova Act模型也即将上线Amazon Bedrock平台。

第二点是模型定制能力。将自己的数据引入模型，是释放AI价值其中最重要的一步。现在Amazon Bedrock支持端到端的全托管RAG功能。该功能允许企业直接将模型与内部数据源（如数据库、文档库）安全连接，无需自行搭建复杂的检索管道，即可生成基于企业私有数据的精准回答。

第三点是信任与安全。这是所有生成式AI应用的核心。Amazon Bedrock提供的Guardrails（安全护栏）功能，可以帮助用户屏蔽有害或不合规的输入与输出，并且这些Guardrails是可以继承的。

此外，为了解决大模型幻觉现象，Bedrock Guardrails率先推出了自动化推理（Automated Reasoning）功能，其中Reasoning Checks（推理校验）能基于逻辑验证和可证明的依据，有效防止生成式AI出现事实性错误和幻觉内容。目前，只有亚马逊云科技提供这一功能。

自动化推理验证原理。

第四点是成本效益。亚马逊云科技一直致力于帮助客户优化成本，同时不牺牲结果质量。为了达到此目的，他们在Amazon Bedrock中引入了模型蒸馏，蒸馏后的模型最多可提升500%的响应速度，成本降低75%。

针对更广泛的应用场景，Amazon Bedrock还提供了智能提示词路由功能。用户可以为一个应用配置多个模型，Amazon Bedrock会根据请求内容自动选择最适合的模型来响应，从而在保证准确率的前提下，将成本降低高达30%。

可以看出，从灵活的模型选择，到节省资源的优化策略，Amazon Bedrock已内建了生成式AI应用所需的完整能力，为企业带来性能与成本的双重优势。

为了让更多开发者能够灵活地探索Agent能力，亚马逊云科技也提供了更加开放、自主的方式。

围绕特定场景，围绕Amazon Q Agents的开箱即用工具可以涵盖代码开发、IT运维、应用现代化等步骤，覆盖生命全周期；

在基础模型之上，Amazon Bedrock Agents可以实现强大的工作流程编排能力；

对于轻量级任务，Strands Agents开源框架可以构建出灵活的多智能体应用。

对于那些倾向于自己动手、深入定制的开发者来说，你不妨试试Strands Agents——一款开源Python SDK，只需寥寥数行代码就能构建智能Agent。Strands Agents通过集成最先进的模型，为开发者省去了复杂的Agent编排工作。

如何赋能开发者，如何为应用奠定在Amazon Bedrock上成功运行生成式AI的基础？那么接下来的关键问题是——怎样真正把生成式AI应用构建出来？

这就需要借助亚马逊云科技的一款生成式AI助手Q Developer，其拥有较高的代码接受率。一般而言，大多数开发者平均每天真正写代码的时间只有1小时，其余时间都花在团队协作、撰写文档、项目规划等各类任务上。

与其他AI助手不同，Q Developer能在整个软件开发生命周期中为你赋能。你可以与Q Developer对话，了解其能力、架构解决方案，你也可以在IDE内直接与Q Developer聊天，共同生成代码、拆分任务、集成API，还能点击一下进行测试，扫描那些难以发现的安全漏洞。可以说，Q Developer是一位全天候的AI助手。

另外，很多开发者更喜欢通过命令行工作，因此亚马逊云科技发布了全新的Q Developer CLI Agent。它能结合Q Developer CLI环境中的信息，执行读写文件、编写代码、自动调试等任务。

Q Developer可以帮助你自动化日常开发任务，但开发者的大量时间其实并不在构建新应用上，而在于维护旧系统——包括管理、现代化改造、打补丁等。

利用Amazon Q能力，亚马逊云科技找了五人团队在两天内将1000个Java应用程序从Java 8升级到Java 17。平均每个应用耗时约10分钟，而传统方式可能需要两天。

现在，亚马逊云科技已经成功迁移数万个生产应用，年度开发工时节省4500+，实现了2.6亿美元的年化成本节约。

这也给我们带来了思考，生成式AI如何变革整个IT系统？据估计，目前有70%的工作负载仍在本地运行，而70%的传统IT系统已有近20年历史。对于财富500强公司来说，应用迁移是一项长期工程。

Amazon Transform——首个为加速.NET、大型机和VMware工作负载的企业现代化而开发的代理式人工智能服务。Amazon Transform可以帮助各个组织同时对数百个应用程序进行现代化改造，并保持高质量和控制力。

比如汤森路透利用Amazon Transform，现代化升级速度比原计划快了4倍。

亚马逊云科技认为，Agentic AI能够在三个方面带来组织方式的变革：1、统一的AI就绪的基础设施；2、聚合并治理过的AI就绪的数据；3、明确的策略和高效率的执行。

目前已经有超过10万客户在亚马逊云科技上进行机器学习工作，在中国的生成式人工智能创新中心，也有超过1000个深度合作客户。

宏观来看，亚马逊云科技已经把智能体放在了极其重要的位置，其CEO Matt Garman最近表示，Agentic AI有机会成为亚马逊云科技下一个数十亿美元的规模业务。对此亚马逊云科技3月份已经成立了专门的智能体团队，直接向CEO报告，很快就会有重磅发布。

在AI时代，我们不止要创新，还要加速创新。亚马逊云科技正在成为加速创新可信赖的合作伙伴。

生成式AI

实践出真知

在中国峰会主论坛上，亚马逊云科技正式发布了Agentic AI应用实践指南。其中包括智能体开发的基本范式、实践方案的示例，以及对于智能化转型的展望。基于该指导，任何人都可以在亚马逊云科技的平台上构建AI应用。

预计到2028年，15%的日常工作决策将由Agentic AI自主完成，而这一比例在2024年几乎为零。这不仅仅是技术的迭代，更是软件应用本质的重新定义。

最近，OpenAI CEO山姆・奥特曼在接受访谈时说道，通用人工智能（AGI）是一个动态的目标，或许更有意义的里程碑会是ASI，即AI能够实现自主的科学发现。如果AI可以基于可靠的数据，理解复杂的需求，进行长期推理和规划，可靠地使用工具并及时纠正错误，那么我们就可以在更加重要的任务上，实现前所未有的自动化。

亚马逊云科技的能力，正在让我们距离这个愿景更进一步。