-
日期: 2025-12-02 | 来源: 腾讯科技 | 有0人参与评论 | 字体: 小 中 大
当地时间12月2日，亚马逊云计算部门AWS的年度技术盛会re:Invent 2025在美国拉斯维加斯正式开幕。
大会首日，AWS一口气发布了Trainium 3自研AI芯片、Trainium 4路线图、AI工厂（AI Factory）主权云服务、Nova 2系列四大基础模型、Nova Forge开放式模型定制平台以及Bedrock AgentCore智能体工程化平台等一系列产品，系统构建起“芯片—模型—智能体—混合云”的全栈AI生态。
这场全球最具影响力的云与AI盛会恰逢人工智能产业从技术爆发期迈向规模化应用期的关键节点。头部企业持续加码算力，传统行业对AI的需求已从“尝鲜式”试点转向“刚需式”深度应用，数据主权、算力成本、生态兼容性等现实难题日益凸显。AWS此次没有进行零散的产品迭代，而是推出深度融合的全栈AI基础设施与服务体系，以成本优化、生态开放、合规适配三大核心优势，效仿谷歌直击行业痛点，强势抢占全球AI算力、模型与云服务市场的战略制高点。
AWS首席执行官马特·加尔曼（Matt Garman）在开幕主题演讲中做出重磅判断：“智能体AI（Agentic AI）将成为企业真正释放AI价值的关键，未来贡献占比将达80%至90%。”他指出，当前企业AI应用普遍面临碎片化困境：算力成本高企、模型难以深度适配业务、智能体部署缺乏标准化工具，导致技术与商业价值之间存在巨大鸿沟。
此次全线新品正是围绕“智能体优先”这一核心愿景打造的全链路战略部署，标志着AWS正式完成从传统云服务提供商向智能体AI生态构建者的转型，致力于用全栈能力彻底打通AI落地的“最后一公里”。
01.硬件突破：Trainium 3性能提升4.4倍，未来将兼容英伟达NVLink Fusion技术
Trainium 3芯片
作为AI生态最底层的基石，AWS在定制芯片领域的深耕已持续多年。目前其定制芯片业务规模已达数十亿美元，Trainium系列芯片全球部署总量突破100万张，成为支撑超大规模AI计算的核心支柱，在全球云厂商自研芯片中仅次于谷歌TPU。
此次发布的Trainium 3芯片采用台积电3纳米制程工艺，专为“推理主导”的时代量身打造。随着大模型训练逐步向少数头部玩家集中，广大中小企业的核心需求转向低成本、高效率的推理部署，能耗与成本成为最大瓶颈，Trainium 3精准切中这一市场痛点，实现性能与成本的双重颠覆。
相较上一代，Trainium 3原始性能提升4.4倍，性能功耗比提升4倍，整体能源效率提升40%，直接破解了大规模数据中心在能耗与成本上的难题。实测数据显示，部署主流开源模型（如 GPT-OSS）时，单芯片吞吐量提升3倍，响应延迟缩短4倍。
AWS表示，Trainium 3有望将AI模型全生命周期（训练+推理）成本整体降低50%，在当前算力市场极具竞争力。在英伟达GPU长期占据绝对主导、价格居高不下的背景下，Trainium 3为企业提供了真正可落地的性价比替代方案。
架构层面，Trainium 3单芯片提供2.52 PFLOPs（FP8）算力，支持FP32、BF16、MXFP8及新增MXFP4等多种精度格式。为解决大语言模型最突出的内存瓶颈，该芯片将HBM3e内存容量提升至144GB、带宽提升至4.9TB/s，同时强化结构化稀疏性和微缩放硬件支持，进一步优化大语言模型训练与推理效率。
得益于全新一代Neuron Fabric互联技术，单台Trn3 UltraServer可集成144张芯片，总算力达362 FP8 PFLOPs；通过EC2 UltraClusters 3.0架构，可扩展至最高100万张芯片的超级集群，规模较上一代提升10倍，已为Anthropic的“Project Rainier”项目提供核心算力支撑（目前已部署50万张Trainium 2，计划年底前扩容至100万张）。Karakuri、Metagenomi、NetoAI等客户反馈，使用 Trainium 3后训练与推理成本最高降低 50%，充分验证了其在真实生产环境中的成本优势。
AWS提前披露Trainium 4关键特性
更具深远影响的是，AWS提前披露了Trainium 4的关键特性：将原生支持英伟达NVLink Fusion高速互联技术，彻底打破云厂商自研芯片长期以来的“封闭生态”惯例，展现出“共存并竞争”的务实策略。目前全球约80%的AI应用基于英伟达CUDA生态开发，迁移成本极高。兼容NVLink Fusion后，企业可在同一集群内灵活混搭Trainium与英伟达GPU，按需分配任务（如训练用GPU、推理用Trainium），大幅降低迁移门槛。
Trainium 4预计FP8算力提升3倍、FP4算力提升6倍，内存带宽与容量分别提升4倍和2倍，并将与Graviton CPU、EFA网络及英伟达MGX机架深度融合。这一“以开放换市场”的举措，被业界视为 Trainium系列真正实现规模化普及的转折点。
02.基础设施延伸：AI工厂落地主权云，混合部署一举破解全球合规难题
随着AI深入政府、金融、医疗等高敏感行业，数据主权与合规性已成为全球性瓶颈。欧盟GDPR、美国国防与医疗安全审查等政策使得纯公有云难以满足要求。AWS此次推出AI工厂服务，将全栈AI能力从公有云完整延伸至客户本地或指定区域，快速构建功能等同于私有AWS区域的专属环境。
通过AI工厂，客户可实现数据本地化处理与存储，100%满足数据主权与行业合规要求，AWS负责基础设施全生命周期的部署、运维与升级，彻底解决传统私有云“部署难、维护贵”的问题。结合Trainium芯片、英伟达加速卡、高性能网络以及Bedrock、SageMaker等全套服务，AI工厂将私有云部署周期从数年缩短至数月。AWS同时宣布未来几年投资500亿美元建设美国政府专用高性能计算与AI数据中心，投入规模远超同行。
全球落地方面，AWS已同沙特Humain公司合作建设部署15万张AI芯片的“AI Zone”，基于GB300 GPU实现多吉瓦级扩展，服务智慧城市、医疗健康等领域；AWS欧洲主权云将正式上线，数据中心位于欧盟境内，由欧盟本地团队独立运营。客户可按需选择Trainium或英伟达最新Grace Blackwell、Vera Rubin平台，实现敏感任务本地化、非敏感任务公有云弹性扩展的最优平衡。
03.模型革新：Nova 2家族全面对标行业顶尖，Nova Forge开创“开放式深度定制”新范式
在模型层，AWS此前的表现相对低调，市场份额多被OpenAI、Anthropic等专业模型厂商占据。此次升级的Nova 2模型家族显然是AWS发力模型市场的关键举措，推出Lite、Pro、Sonic、Omni四款细分产品，全面覆盖推理、多模态、对话AI与代码生成等核心场景，直接对标行业头部模型。
Nova 2 Lite的基准测试数据
其中，Nova 2 Lite作为高性价比推理模型，支持文本、图像、视频等多格式输入，上下文窗口达100万token，性能对标Anthropic Claude 4.5 Haiku、OpenAI GPT-5 Mini等主流高效模型，主要面向中小企业的轻量化推理需求。
Nova 2 Pro的基准测试数据
Nova 2 Pro则瞄准复杂任务处理，推理能力媲美甚至超越OpenAI GPT-5、Google Gemini 3.0 Pro 等旗舰模型，特别适用于智能体相关任务。其强大的逻辑推理与工具调用能力，正是智能体完成复杂业务流程的核心，该模型目前已向Nova Forge早期客户开放预览。?
Nova 2 Sonic专注于实时多语言对话场景，100万token的上下文窗口可容纳7.5万行代码或1500页文本，支持20余种语言的实时转译与对话，瞄准客服、跨境沟通等场景。
Nova 2 Omni作为全模态模型，能够同时处理图像、音频、视频和文本输入，并通过模拟推理生成多样化输出。例如，该模型可直接分析一段工业生产视频，识别设备故障并生成维修方案，为长文档、视频等复杂媒体处理提供一体化解决方案，填补了AWS在全模态领域的短板。?
Nova Forge服务
AWS此次发布的Nova Forge服务颠覆了传统模型定制模式。传统模型定制多采用“微调”方式，在预训练完成的模型基础上，用企业数据进行二次训练。这种方式难以让企业专有知识深度融入模型底层，定制效果有限，且成本高昂。动辄数百万美元的定制费用让中小企业望而却步。
Nova Forge允许企业支付10万美元年费，不含工程师协助费用，在模型预训练、中期训练和后训练三个关键阶段接入Nova模型的检查点，将自有数据深度嵌入训练过程，打造具备专业领域知识的“定制模型”。这种模式大幅降低了深度定制的门槛，同时让模型更贴合企业业务逻辑。?
实际应用中，Reddit利用该服务打造的“Reddit专家模型”，在平台敏感内容审核方面表现远超通用大语言模型。该模型能够精准识别Reddit社区特有的slang用语、梗文化相关的违规内容，误判率降低30%。生物技术公司Nimbus Therapeutics将药物研发数据嵌入Nova模型，构建的定制模型在分子结构预测、临床试验数据分析等任务中，效率较通用模型提升40%。Booking.com则通过定制模型优化酒店推荐算法，用户转化率提升15%。
相较于投入数亿美元从零构建模型，Nova Forge为企业提供了更经济高效的专业化路径，目前已支持Nova 2 Lite，并计划扩展至Pro和Omni模型。
04.应用落地：Bedrock AgentCore破解工程化难题，智能体加速企业部署
智能体AI虽被寄予厚望，但企业部署过程中面临的工程化难题不容忽视。安全合规风险、可靠性难以评估、长期记忆能力不足等问题，导致多数智能体仍停留在概念验证阶段，难以规模化落地。
AWS重点升级了 Amazon Bedrock AgentCore平台，针对企业部署中的核心需求提供一站式解决方案。该平台目前已全面通用可用，兼容CrewAI、LangGraph等开源框架及各类基础模型。这种开放性避免了企业被单一生态绑定，降低了开发成本。?
在安全治理方面，AgentCore Policy功能允许开发者通过自然语言定义智能体的操作边界。例如“禁止访问财务部门数据库”“自动退款额度不得超过1000美元” 等，通过AgentCore Gateway实时拦截违规 API调用，实现独立于智能体代码的确定性控制。这一功能解决了智能体“越权操作”的风险，尤其适用于金融、医疗等监管严格的行业。该功能目前已进入预览阶段，AWS表示将后续支持更细粒度的权限管控，例如基于角色的访问控制（RBAC）与数据脱敏处理。?
针对智能体可靠性难题，平台内置13种预置评估系统，覆盖准确性、安全性、工具选择逻辑、响应质量等关键维度，可对智能体进行持续监控。与传统人工评估不同，该系统通过大语言模型辅助生成评估报告，并解释失败原因。
例如，智能体未完成预订任务时，系统会自动分析是工具调用错误、参数设置不当还是上下文理解偏差，帮助开发者快速定位问题。这一能力大幅降低了企业自建评估体系的工程成本，据AWS客户反馈，采用AgentCore评估工具后，智能体从概念验证到生产部署的周期平均缩短60%。?
记忆功能的升级让智能体具备了长期服务能力。AgentCore Memory可记录用户交互历史与偏好，支持多轮会话和跨任务场景的上下文连贯性。例如，用户此前告知智能体 “偏好无烟酒店”，后续预订时无需重复说明。新增的情景学习（Episodic Learning）功能，能让智能体从过往经验中持续优化决策质量。例如，在多次处理客户投诉后，智能体可自动总结最优解决方案。这些能力已在实际应用中展现价值。
PGA TOUR通过该平台构建的内容生成智能体，实现赛事新闻、球员数据报告的自动化生成，速度提升1000%，成本降低95%。Heroku基于平台构建的应用开发智能体，可协助开发者完成代码调试、部署流程自动化，开发效率提升30%。包括纳斯达克、百时美施贵宝等企业都已在借助该平台推动交易风控、药物研发等业务流程的自主化转型。?
从底层Trainium芯片的算力突破，到AI工厂的混合云部署延伸，再到Nova系列模型的定制化能力，最终通过Bedrock AgentCore实现智能体工程化落地，AWS在re:Invent 2025上完整呈现了“芯片-模型-智能体-混合云” 的全栈战略布局。
这一架构并非孤立模块的简单叠加，而是通过各层级的深度协同形成合力。Trainium芯片为模型训练与智能体运行提供低成本算力支撑，AI工厂解决合规部署难题，Nova Forge让模型适配业务场景，Bedrock AgentCore降低智能体开发门槛。这种协同效应构建了强大的竞争壁垒，使其区别于仅专注于单一环节的厂商。?
05.全栈协同构建竞争壁垒，AWS欲定义智能体AI的未来
在全球AI竞争进入深水区的当下，AWS的战略转型意义深远。硬件层通过能效革命与生态开放，在英伟达主导的市场中开辟出差异化路径。基础设施层以主权云解决方案，切入政府与受监管行业这一高价值市场；模型层用深度定制服务，满足企业“专业化”而非“通用化”的核心需求；应用层靠工程化工具，打通AI从技术到价值的转化通道。
这种全栈协同的竞争模式，不仅将重塑AI基础设施的市场格局，还将推动企业智能化从单点应用走向全域自主化运营。未来，企业无需再整合多个厂商的产品，即可通过AWS生态快速构建贴合自身需求的智能体解决方案，这将大幅降低AI应用门槛，加速产业智能化进程。?
当然，AWS的布局也面临挑战。
Trainium芯片的生态兼容性仍需时间验证，Nova模型的市场认可度需与OpenAI、Anthropic等厂商竞争，AI工厂的本地化部署能力还需应对不同地区的监管差异。
但不可否认的是，AWS此次发布的全栈战略，为行业提供了一种AI落地的全新范式。随着这一系列创新成果的落地，智能体AI有望真正突破技术瓶颈，成为驱动企业增长的核心引擎，开启人工智能商业化的全新阶段。- 新闻来源于其它媒体，内容不代表本站立场！
-
原文链接
原文链接:
目前还没有人发表评论, 大家都在期待您的高见