亚马逊云科技推自研芯片与Bedrock平台 催生数字员工降低三分之二人工量

亚马逊云科技推自研芯片与Bedrock平台 催生数字员工降低三分之二人工量 大模型推理成本在两年内骤降约280倍，正推动生成式AI从概念噱头转化为工业引擎，并全面开启企业级智能体协作的爆发时代。 视频深入直击了AI在工业级应用中的真实突破，展示了新能源车企如何在云端虚拟工作台加速研发及UI设计，并利用多模态流式大模型赋能售后汽修。同时，具备独立系统权限和自主决策能力的“数字员工”正在财务审批、HR和销售助理等岗位大范围落地，帮助企业将耗时半年的出海数据合规梳理大幅缩短至一天。AI应用之所以呈现爆发之势，背后得益于前沿大模型技术成熟度的跃升、推理与自研芯片成本的骤降，以及亚马逊云科技所倡导的“三层AI架构”带来的工具普惠化。 生成式AI正深度融入新能源汽车研发与售后，通过云端虚拟工作台实现软硬件协同开发，并借助知识库多模态输出与车云协同降低维修排查门槛。 (0:00) 具备自主决策与工具调用能力的数字员工（AI Agent）在销售、财务与HR等场景规模落地，可减少企业至少三分之二的重复性人工工作量，标志着Agentic AI协作元年的开启。 (4:59) 在企业出海与前端开发领域，AI工具将长达半年的跨国数据合规梳理压缩至1天完成，零代码用户亦能凭借自然语言在数秒内生成完整网页架构并对接专业开发。 (9:59) 生成式AI应用爆发得益于三大动力：大模型技术成熟、芯片与算法优化使过去两年推理成本骤降约280倍，以及云端三层AI架构带来的工具普惠化。 (14:59)

在2025亚马逊云科技中国峰会现场，硅谷101观察到生成式AI正从概念性演示转向工业与日常业务的核心流程。得益于推理成本下降、工程范式转变与分层云基础设施的成熟，具备自主决策与工具调用能力的“数字员工”（AI Agent）正快速落地于汽车研发、出海合规及企业运营。 汽车研发与运维全流程的降门槛与提效 (0:00) 在新能源汽车领域，传统车载系统开发受制于物理控制器搭建，研发周期漫长。通过在持续集成与持续部署（CICD）中集成Amazon Q等工具，开发人员得以在云端虚拟工作台用自然语言发布指令并独立分配云资源，大幅缩减软硬件适配周期；车机UI设计亦支持由自然语言描述直接生成套件并导出代码。在维保与售后端，结合知识图谱的大模型以流式多模态形式输出图文排障步骤，使初级汽修学徒能够独立应对底盘故障，同时通过MQTT物联网中间件实现车云数据实时双向协同与精准决策。 拥有系统权限的数字员工步入日常业务 (4:59) 以飞洛和Software One为代表的展商展示了可独立拥有电脑、邮箱、微信号等企业权限的“数字员工”。此类AI Agent结合MCP协议工具与大语言模型，能像真人一样在钉钉、企微和CRM系统中跟进销售商机、统计签约率或核算应收账款；在财务与人事场景中，系统借助OCR和IDP智能文档处理，可依据财务基线审计发票，或调用RAG知识库处理休假与加班咨询。据飞洛估算，数字员工能帮客户减少三分之二的重复性人工工作量，且受跨境合规要求影响，目前多采用本地化部署。亚马逊云科技大中华区总裁楚瑞松预测，具备大脑、记忆、工具和人设四大要素的智能体将推动2025年成为人机协作元年。 出海合规审查与轻量化开发的周期压缩 (9:59) 针对出海企业面临的跨国法律政策与数据跨境合规难题，现场展出的AI Privacy工具通过学习全球法规与判例定位数据流向。过去人工梳理1000多张业务表格需耗时半年，借助AI梳理核心表格后，审查流程被压缩至10天甚至1天内。在轻量化开发端，无代码工具“Ready”允许零基础用户输入简要自然语言需求，在数秒内自动构建包含完整导航与功能分区的网页，并同时提供两套设计方案供二次对话修改，支持直接导出代码或对接Figma进行专业深化。 技术跃迁、成本下降与工具架构的飞轮支撑 (14:59) 硅谷101分析指出，AI应用落地提速主要由技术成熟度、成本经济性与工具普惠化三大推手驱动。技术层面，大模型在SWE-bench及高难度HLE考试中表现显著提升，思维链与自动推理检查（Automated Reasoning Checks）压低了幻觉率，行业重心转向实际推理与Agent构建。成本层面，斯坦福2025报告显示过去两年推理成本下降约280倍，亚马逊云科技自研的Trainium训练芯片、低功耗Graviton CPU以及MoE算法优化，大幅降低了算力开销。工具层面，从底层算力、中层Bedrock统一API到顶层Amazon Q辅助开发，安克创新广告全托管比例超20%，复星医药临床试验报告检查效率提升70%，加速了企业级应用的规模化扩展。 峰会观察表明，生成式AI正从“卷参数”转向依托技术降本与基础设施融合的“智能体协作”新阶段。然而，如何兼顾本地化数据合规限制，以及在复杂业务链条中持续控制模型幻觉，仍是数字员工在各行业大规模推进中需解决的现实课题。

[4:59] 楚瑞松: 我们正处于Agentic AI爆发的前夜。2025年将开启协作元年，具备“大脑、记忆、工具和人设”四大要素的AI Agent，将推动企业在软件开发、知识型工作和客户体验三大领域实现转型。 [4:59] 在处理大量重复性、操作性的任务时，数字员工起码能帮客户减少三分之二的人工工作量。 [9:59] 过去人工梳理1000多张业务表格可能需要半年时间，而通过AI工具的学习和梳理，仅需一天时间就能理清100多张核心表格，快速满足合规要求。 [14:59] 当技术、成本和工具的飞轮持续加速，生成式AI的“电网时刻”已经到来，属于智能体的时代已正式按下启动键。

[0:00] 生成式AI到底有什么用当人们调侃AI在写诗作画人类还在干活时质疑AI是否仅仅是营销噱头的声音不绝于耳然而在今年的亚马逊云科技中国峰会现场我们却看到了另外一幅景象生成式AI已悄然渗透进工业生产线汽车座舱企业财务史甚至跨国合规部门正从炫技玩具蜕变为驱动真实生产力的工业引擎那么究竟哪些领域率先跑通了应用闭环又是哪些关键突破让噱头终成利器呢AI应用爆发的背后原因又是什么Hello 大家好欢迎收看硅谷101我是陈倩为了进一步探索这些问题这期视频我们硅谷101将前往2025亚马逊云科技中国风味现场跟从业者和专家们聊聊清诚室AI的落地应用和商业进展到底如何了那首先我们带大家去峰会现场云仓会一轮这个峰会非常的有意思可以说是最AI的线下大会了接下来我们就跟随硅谷101的子庆去现场看看大家好我是子庆欢迎来到2025亚马逊云科技中国峰会大家好我是子信欢迎来到2025亚马逊云科技中国峰会的现场这场峰会在上海四伯中心展开场馆非常大从一楼到六楼每楼都同时会有多个峰会场开始演讲但既然这是一场AI社会那我们就少不了AI的帮助在亚马逊云科技的小程序上我们可以通过内置的AI聊天机器人快速找到我们想要去的展台比如我想了解生成士AI的落地应用它就会帮我整理好对应的展台如果想要合理地参加所有感兴趣的分会场也可以让AI直接帮我规划日程它会根据我的兴趣爱好自动生成形成单那么接下来就让我们跟随AI的指引去探究生成士AI的落地应用吧如今的生成士AI可以说让新能源车如虎添翼我们之前聊到过到了新能源时代汽车的好坏变成了由软件来定义而如何更好地去开发软件系统也成了汽车行业的挑战之一在我们的探展过程当中发现随着AI的进步汽车软件开发也有了新的方式过去车界的研发周期比较长因为得先基于各种不同的车规及控制器来研发硬件等硬件环节搭建完成之后再到实际上开发软件而如今座舱系统的开发可以直接在云服务器上进行不再依赖硬件的开发周期因为已经到了云上之后那我可以用我们的比如说Amazon这个Q的这种方式然后其实是嵌入到这个车载新娱乐系统它开发的这个工具链当中那这样的话我可以用自然语言的那种方式然后去发布一些指令或者告诉整个CICD它的一个工件流程然后做这样一个加速然后再去反推到硬件上来然后这样的话就缩短了它开发周期的一个过程所以咱们这边相当于是模拟的一个硬件环境然后在那个模拟的环境中开发在云上对去给开发然后基于我们的整个虚拟的工作台这样的话给所有的开发人员每一个都有一个自己独立的开发的资源不用每个人都要分一个硬件的比较昂贵的物理的这种空隙了这样一套虚拟环境不光可以让软件开发不再等待硬件研发周期还能够通过软程式AI加速某些环节的研发比如说系统UI将来的话可以通过甚至AI你可以去动态的比如说你去说我想要切换一个风格然后你跟他说然后他就会在我们的车机里面自动的去适配那个什么对应的一些那个他这个UI设置界面包括这里面双两的界面也好还有你的一些比如说到节假日也好他都会自动的去更新我们的整个车机让我们的UI设计这方面可以让我们的整个科技系统达到一个非常统一化的一个效果它里面使用的是我们的非各方的设计语言然后在里面嵌入我们丰富的设计元素然后在UI设计方面就可以直接套用我们的套件不需要你去做任何的代码的一个编辑什么的就可以直接在上面进行一个设计而且在设计完之后它可以直接生成我们的一个代码就可以嵌入到我们的系统里面除了加速汽车的开发流程之外生成式AI也能辅助汽车售后甚至降低某些职位的入职文坎假设我是一个刚学了一两年汽车维修的学徒现在出入行业就遇到一辆不会修的车该如何处理呢这时候就可以询问嵌入了汽车相关知识的知识库和知识图谱的那模型我问他这个转向和悬挂系统故障 [4:59] 他给我复图说明我们来看一下他的一个返回在返回这个阶段呢他是以一个流逝输出的这种形式来去返回的而且以多模态的形式给你展现除了文本以外他也有加上了相应的这个图像的这个描述所以对一个维修技师或者是一个客服人员的话他是一种非常生动形象的给到我们操作性非常强的这样一个维修或者是一个服务的一个建议这种行业专用的模型不光可以用自然语言交互隔异于多模态模型的进步它同时能够接受文字声音 图片 视频等方式输入除了售后维修之外智能汽车还涉及到系统更新因为随着车辆的使用各类传感器会收集大量数据如何利用这些数据来制定更新目标也是行业面对的新挑战我们的话主要是一个MTTT中间件然后物联网主要是对接物联网的各种设备数据在车联网的行业的话我们一般是帮助去做一个车云协同也就是说车端的数据我们去和云端去做一个实时的流转和协同车端产生的各种类型的数据的话都可以跟云端实时的去做一个沟通像通过我们的数据可以实时的给到车的工艺商然后他们就会根据我们采集到的数据然后根据我们分析到的数据帮助他们更好的去做决策给到用户什么样子的软件更新给到用户什么样子的售后服务这些都是可以实时地不断地帮助大家有更好的智能汽车的体验而这套系统不光会用在智能汽车上只要是有各种物联网设备的都可以应用比如说智能制造就会楼宇零售支付机器人无人机船舶等等那么AI在汽车领域还有非常多的玩法我们就不一一介绍了那么接下来我们就来聊聊未来能够解放我们部分工作的技术数字员工我们在之前的视频中也提到了目前硅谷很火的概念Digital Labor数字劳动力意思是利用人工智能和自动化等技术来执行传统上由人类完成的任务从而扩展人类的能力和效率而在这次亚马逊云科技的峰会现场我们看到了已经将数字员工落地使用的公司们我们是以数字员工这样的一个形式去展现或者说去帮企业进行不能可能不仅限于销售的助理然后也在包括像法务的合规的审查以及像我们这块财务的一个对账的方面的一个功能包括像我们主营的一些安全方面目前的话也有实际落地的客户包括在大量的在POC中的一些客户根据飞洛官方消息目前他们的数字员工已经应用在了翻译分析员气息安全IT运维部门助理SOC安全运营运营MSP实施运维工程师财务助理等岗位这些数字员工本质就是一个AI agent具备原理解逻辑推理与工具调用的能力能够自主感受环境决策并且执行任务他们甚至拥有自己的电脑邮箱微信号等所有员工的权限同时也具备MCP工具其中的各种技能能够像真人一样沟通比如说以销售助理为例那比如说你一个月所需要的然后你的印收账款的情况然后包括像你这块有商机的一个跟进情况签约率是多少他都会通过对接你的微信、钉钉、企业微信或者说CIM邮箱这几个方式当然客户如果想要对接哪些资源的话我们都可以来进行实现包括后面我们也可以对接很多的目前主流的所谓的代语言模型然后通过这样的话来帮他进行分析不能我们实际自己的话我们销售部门也在使用所以说感觉还是在数据的一个整理方面的话对于我们的负能还是很高的那你认为您这边的智能体员工的话他大概相当于多少个人的能力呢这个得看因为我们还是主要因为我们目前由于这个跨境合规方面的一个要求我们根据客户的要求还都是on-premise也就是本地化部署所以说可能会根据客户的这样的一个需求如果说无限的扩张的话那我觉得我们这块起码能够帮客户大量重复性的一个操作性能力的话我们可以减少三分之二那除了飞落之外呢还有其他公司也展现了自己数字员工的实力那比如说Software One就已经将数字员工应用在了财务审批人事处理等等方面我们只要两个块一个块的话是基于那个OCR然后对那个发票然后结合那个finance的这个策略的这个场景我们从这个发票里面呢去提取一些相应的一些信息然后提供这些信息以后呢基于大员模型去设定一些finance的一些policy的基线然后基于这些基线呢去判定这个发票是否是合规的然后给出一定的audit然后去走特殊审片流程跟它的这个系统给集成起来这是一个场景然后另外一个的话是跟HR [9:59] 一些team的一些策略相关他可能会针对于不同的team比如说IT啊比如说他的销售team啊他会有不同的一些公司的一些政策比如说你请假你的一些规范是什么样的你有没有一些加班的一些逻辑啊等等我们应用了用户自然语言接近来以后呢我们会从他的IDP的一些系统里面去提取他的一些部门的一些属性和他的一些用户的一些属性然后去判定他应该用哪一个RG正常的知识库去回应他就是我们在目前就是给客户呈现出来两个AI的一个场景但其实还有非常多因为整个展台其实还是有限的还有老生常谈的智能客服在能力上也迎来了新的增长在现场我们真切感受到了数字员工的应用范围越来越广而亚马逊云科技大中华区域总裁楚瑞松在发言中也提到了这一点AI驱动的数字员工能像人一样在各行各业为企业工作各位我们正处在Agentic AI爆发的前夜而当AI agent真正爆发之后AI就能够真的从工具向所谓的数字同事去转变了亚马逊云科技表示2025年Agentic AI开启协作元年具备大脑、记忆、工具和人设四大要素能够自主推理、规划和执行复杂任务,而Agentic AI不仅是技术革新,更是企业应用的转型引擎,覆盖软件开发、知识型工作和客户体验三大领域。那随着AI agent逐渐落地大幅加快个人和企业的工作效率让我们能在同一时间内完成过去好几倍的工作量这也会在接下来改变企业的增长和扩张的策略所以呢接下来我们就来看看AI在企业出海过程当中的应用对于出海企业来说数据合规往往需要大量的人力物力而在峰会上也展出不少用于企业出海的AI应用比如在出海前企业需要判断海外的一些风险政策和数据政策出海过程中要完成数据本地化处理数据的跨境访问及存储以及在出海后要应对不同法律环境下的审查诉讼等风险这个过程需要处理大量的数据及文献有了AI的协助就可以将半年的工作量压缩到10天来完成我们自己的这个产品可以看到叫AI privacy我们首先这个检测逻辑就是自己的这个平台会结合一些AI这个能力去帮助用户快速的定位识别他们的这个数据能效以及我们会结合外部的这个各国的这个法律法规以及外部的这些串例串法的案例来进行综合的一个学习然后这种给客户检测出来他们目前存在的这些数据上面的这种规律性的问题这个是我们的这个方式这个可能是比较初步的那在后期呢客户他可能随着要给不同的客户提供供应商的这种竞争调查我需要输入自己公司内部的比如说权限管控以及这个数据流的地图那这些呢我们也是有Airbrows AI Vision的这样类似的工具帮助用户去快速的设立他们的这个权限以及他们的字段这个标识这样的话就能够达到一个啼笑的一个作用比如说客户可能需要人工去梳理的一个表格大概有1000多张我们通过AI的这种工具去学习的这种方式我们可能快速的可能就需要只需要我一天的这个时间可能就给他能梳理到100多张可能很快就能把整个业务就能梳理清楚但用人工的话1000多张这个表格只是梳理他可能都要半年时间所以这种方式能够帮快速客户快速地达到一个提效然后快速地去满足一些供应商特别禁止调查这些做求最后我们就跟着子庆去到AI鞋代码和做设计这两个领域的展区看看有哪些应用落地过去要做出比较好看的网页往往需要自己掌握代码能力同时还得具备一定的设计能力而我们在现场体验了一款名为Ready的应用产品利用自然语言就能构建自己的网页而且生成的速度也非常快构建完成后还能通过自然语言继续修改这里是我们的主页面然后这是我们刚才我们很多用户在我们这儿体验生长着他们想要的一些页面比如说我们在这里可以输入一些你想要的什么类型的网站你可以输入一下假设我们要去卖一个演唱会的门票我可以简单一句话然后给到他然后可以点击生成然后这会儿他在思考我们的一个页面架构那他从思考到生成的话大概会需要多久一半其实你可以看到我们这其实很快的他就在实时往下很快就可以出来可能刚才就几秒钟我们说 [14:59] 供服器就生成出来了这个页面架构了然后我们可以回顾看到它这个顶部的一个布局的描述然后导航栏的设计一些具体的一些关于这个页面它就觉得需要的一些区域的信息如果我们对这个架构有一些想要修改的地方我们可以在这里继续跟它对话然后如果我觉得这个架构我觉得AI给我的我很满意没有问题你可以generate直接在下一步让它继续生长了然后这里他就根据他给我们这个架构开始生成这个页面然后他会给我们提供两个Plan A和Plan B两个方案最终生成的结果呢还是比较令人满意的至少对于像我这种没有任何背景知识的小牌用户来说完全达到了可用的范围如果你是一名专业用户也可以利用自己的专业知识继续完善网页我们还可以有一些像那个导入到Figma然后或者说我们导出它的那个code都是可以再给到我们下一个工作流程中比如说工程师拿到我们这些code然后去开发什么的都是可以的由于现场展区和论坛太多了我们也没法带大家全部体验但通过以上的体验大家应该会发现如今生成室AI已经在不少领域实现了落地应用那么从一两年前生成式AI还被喷为是营销是噱头到如今快速实现落地背后究竟发生了什么呢好的那么感谢子庆在线上给我们带来的体验探展还有采访也是提出了一个非常好的问题AI如何能够快速的落地呢亚马逊云科技在和大量客户的合作中总结了生成式AI落地的十大类别场景分别是翻译 运营 内容写作 角色扮演 教辅 办公 知识助手 客服 开发和审核这十大场景而通过这些场景和案例我们来试图总结一下AI应用能够快速落地的条件和秘诀那在我们去年的视频当中就有嘉宾预测接下来将是AI应用的爆发之际那么到了今年Agentic AI的Fans更是趋劲成熟根据2025年亚马逊云科技中国峰会的主题演讲我们可以将这背后的原因归为三个方面第一是技术成熟度第二是成本的经济性第三是工具的普惠化我们先来聊聊技术成熟度在第一天的主题演讲中楚维松展示了这样的一张图表在过去一年来前沿的大模型分别在MMLUGPQASWEBENCH这些基准测试中得分超过了人类的平均水平而HLE准确率也在快速上升我们先来简单解释一下这四个测试分别意味着什么那么MMLU呢主要是用于评估模型的通用知识就好像让大模型去参与一场涵盖了数学历史法律生物心理等等多个学科的高考测试的是AI的基本功那GPQA相比MMLU就像从高考变成了研究生级别的测试考察模型在科学领域是否具备了专业的知识RSWEBench是用来衡量模型在软件工程也就是写代码方面的能力RHLE是今年年初刚推出来的测试意为人类最后的考试是一项超高难度的AI基准测试那推出来的时候所有的模型的准确率都不足10%但是短短5个月之后准确率已经是提升到了20%由此可见基础模型的发展有多迅速这也是提升了其他建立在基础模型上的AI应用的表现除了基础模型的表现提升之外还有开发范式的转变例如深度思考概念通过强化学习和思维链技术模拟人类的慢思考过程MCP协议解决了大模型在处理常对话多轮交互时面临的上下文长度限制导致的信息丢失问题使得多模型集成统一管理和标准化接入复杂繁琐的问题还有亚马逊云科技去年推出的Amazon Biroc Automated Reasoning Checks自动推理检查功能基于数据原理和逻辑算法通过验证与推理机制来核实模型生成的信息有效降低了模型幻觉导致的输出错误可以说过去一年来大模型技术逐渐走出了卷参数主要向新范式发展这也为我们前面提到的具体应用是打下了基础还记得2023年的百魔大战千魔大战吗大家都在忙着刷版刷参数那么现在呢我们看一看最新的Cloud4的发布公报告我问了Perplexity一个问题请你帮我对比一下Cloud 4的发布公告和去年的Cloud 3.5Sonic的发布公告有什么不同Cloud 3.5当时发布的时候还是非常的关注模型本身的能力的而Cloud 4则更加的强调应用场景比如编程推理AI agent等等以此可见不单单是在整个的工业界那 [19:59] 大模型公司本身在做大模型的时候也非常的重视应用场景所以呢底做大模型的能力提升是AI应用能够最终落地的必要因素而我们希望呢随着大模型的持续发展无论是基于scaling law去减参数的更大模型还是呢基于所谓的思维链CUT等技术去做推理上的创新啊更多的应用能力能够被挖掘出来给到开发者们去突破更多的应用可能而在这个过程当中成本下降也是整个生态活跃起来的重要原因斯坦福大学2025年人工智能报告指出过去两年推理成本下降了约280倍这使得EGENTIK AI的应用的规模化部署成为可能那么成本下降的原因主要归功于两点第一是芯片性能的提升第二是算法效率的提升我们先来说一下芯片方面我们知道训练AI主要靠的是GPU芯片过去两年随着英伟达芯片性能的提升以及老黄提出的scale up和scale out的发展路线都将进一步降低GPU的使用成本我们也在今年探展GTC的视频中详细的解释过除了英伟达之外像亚马逊云科技这样的服务商也在不断优化AI算力的基础设施除了跟我们Vida合作的这样一个全系列的AI的算力之外我们也提供了我们自己一年的这样一些芯片就比如像是我们现在为Cloud的模型提供算力训练这个算力支持的那个Trainin2的芯片以及我们之间发布的这个Trainin3的这样的芯片我们慢慢的我们技术的发展我们又做了Grabiton这样一个芯片Grabiton现在目前做到了第四代这个是我们自研的这样一个CPU对标的是AMD或者Intel的这样一个CPU这个CPU是ARM架构的因为ARM的处理器整个的功耗低整个我们每年数据中心能够省的费用电费不少还有整个数据中心的运营的费用都会加急所以我们把这块省出来的成本浪力到我们的客户说到算法效率提升像混合专家结构MOE多头潜在注意力机制MLA智能提示路由还有模型振流等等技术都在进一步的去降低算力的消耗那么这些呢我们在之前的视频DeepSeek那期当中就有详细的解释那最后呢我们再来说说工具普惠化如今不少云服务厂商都向开发者提供了多样化的服务方式比如说亚马逊云科技在去年的ReInvent大会上就提出了三层AI架构的概念分别是底层的算力层 中层的工具层 以及顶层的应用层如此一来呢 给了开发者多样化的选择 也加速了AI应用的开发比如说在算力层 亚马逊云科技会向资深开发者和公司提供算力服务并通过Flexible训练计划提升了90%的算力利用率任务之理最高降低了40%的成本如此以来解决了开发商购买与部署硬件巨大的成本支出以及硬件调配时候的资源浪费问题那么在中间的工具层上Amazon Barrock则会向企业去提供统一的API这可以快速的调用比如说像DeepSeekAthrobicMeta等等各种主流模型作为基础模型来避免重复造轮子的工作而最值得说就是顶层的应用层Amazon Q它也是实现AI普惠的关键因素简单的说Amazon Q Developers是一个能够帮助开发人员开发应用的AI工具前面我们说到由于AI在代码能力方面已经媲美了人类程序员因此我们可以利用自然语言来和Amazon QDeveloper交互提出自己的共享AI工具则会引导你构建一款AI应用整个开发过程就像我们前面提到的AI协助开发网页一样用户可以不懂任何代码Provat Bank is intensely focusedon innovating as quickly as possiblewhile maintaining the highest level of security他们拥有Amazon Q在每个部分的软件发展的生活系统他们看到了接触率率是30%为了Q发展的计划让他们更快在新的速度所以我们看到有了这三层技术站的助力企业们正在快速地拥抱AI也在加速提升业务的潜力我们在会场中听到企业分享的数据就包括了Anker创新利用AI创新智能产品提升公司的运作效率营销领域20%以上的广告由AI全托管代码采纳和平台建设多个领域取得明显的成果复兴医药利用生成式AI技术和智能医学内容生成中心解决方案将临床信任报告的一致性检查效率提升70%Snowflake的案例中超过70%的Snowflake客户选择在亚马逊民科技上部署 [24:59] 全球有超过22个亚马逊云科技区域可以使用,TCL实现产品创新迭代,提高产品品牌力和用户体验,盘活存量电视内容,全球基础设施,领先的合规能力,实现全球化发展。核核信息则构建开源AI agent终端管理工具查德AI,助力开发者高效创新。视频到这里,对于生成式AI到底有什么用,这个疑问呢,相信大家也会有更加持观的一些理解了。就像峰会现场反复强调的一样我们正处在Augentic AI爆发的前夜当成本技术和工具的飞轮持续加速市场是AI的电网时刻正照亮每一个等待被重构的行业角落属于智能体的时代已经按下了启动键好 以上就是本期视频的全部内容你们的点赞留言和转发是支持我们硅谷101做好科技和商业深度内容的最佳动力我是陈健那我们就下个视频再见了拜拜