近年，企業創新先行者已陸續從生成式人工智能（Generative AI），走向代理式 AI（Agentic AI）。今屆 AWS re:Invent 的核心主題，正是探討如何透過整合與客製化，釋放生成式 AI 的全部潛力，並利用 AI 代理（Agents）徹底改變軟件開發的生命週期。儘管 85% AI 企業皆在 2025 年成立，但單憑 Bedrock AgentCore SDK 下載次數已超過 200 萬，足見企業已積極邁向代理式 AI 時代。

AWS 行政總裁 Matt Garman 強調：「我們正從使用多個零散模型，演進到使用統一的多模態模型 (multimodal model)，並最終能夠創建專屬於企業的專有模型 (proprietary model)。關鍵在於，AI 不再只是輔助工具，而是成為能夠自主推理、行動並解決複雜問題的代理式 AI（Agentic AI）。AWS 的願景是提供一個開放、模組化的基礎，讓開發者能夠建構、部署和管理可預測、可信賴且高效的代理，從而將挑戰轉化為最大的機遇。」

▲AWS 行政總裁 Matt Garman 相信 AI 代理將徹底改變工作流程與營運模式。

可擴展且安全的基礎設施

Garman 認為，企業未來將由多個 AI 代理（Agent）生態系統驅動，而非單點的 AI 應用，這將徹底改變工作流程與營運模式。​​企業將透過部署多個協同工作的 AI 代理來實現 AI 投資的真正價值。

然而，AI 代理的自主行為難以預測與控制，若無有效的安全與治理框架，企業將無法放心地將其用於關鍵任務，從而限制了 AI 的價值。因此，要實現大規模 AI 代理部署的基礎，須具備高度可擴展性、安全性且成本效益高的雲端基礎設施。

「你無法擴展你不信任的東西。」Garman 比喻：「這（代理的不可預測性）有點像撫養青少年。你必須開始給予他們更多的自主權和自由，以便他們能夠學習，但你也想把一些基礎護欄放在一旁，以避免大型問題。」

有見及此，今年大會推出全新的 AWS AI Factories，為企業提供由 AWS 快速建置和管理的專用、客製化 AI 基礎設施。此外，亦推出 AgentCore 的 Policy（政策）功能，允許開發者用自然語言，為 AI 代理設定與工具和數據互動的規則，確保其行為在可控範圍內，以增強對 AI 代理程式行為的控制與信任。此舉可將安全策略與代理的核心邏輯分離，讓開發團隊得以專注於功能開發，而安全與合規團隊則可獨立管理和審核策略。

▲Adobe 將繼續把 AI 導入所有應用程式，讓用家能以適合其工作流程的方式使用各種工具。

Trn3 UltraServer 效能大躍進

針對雲端基礎設施，去年預告專為生成式 AI 設計的 Trainium 3 晶片正式於AWS re:Invent 2025 登場，運算能力提升 2 倍，能源效率提升 40%，為 AI 訓練提供最佳性價比。同場並發佈多款 AI 代理程式如 Kiro（自主開發）、Security Agent（自動化安全）等工具，旨在將繁瑣的重複性任務自動化，讓開發人員專注於更高價值的創意工作。

有新晶片，自然有新伺服器。會上推出全新的 Trn3 UltraServer，透過結合 144 個 Trainium 3 晶片，提供 4.4 倍的運算能力和 3.9 倍的記憶體頻寬提升，以及 4 倍的能源效率比提升，可擴展至數十萬個晶片的叢集規模，意味著更低的訓練成本。

相較前一代 Trn2，Trn3 伺服器在能源效率上實現了重大突破，每瓦可處理的 token 數量增加了 5 倍。實現此規模的效能提升，需要軟硬件共同設計、客製化、縱向與橫向擴展能力，以及完整的軟件堆疊，這將支援如 AWS AI Factories 等處理百億級參數模型的複雜應用。

▲Trn3 UltraServer 專為 AI 代理、MoE 和視訊模型而構建，並原生整合 PyTorch，企業無須更改任何程式碼。

此基礎設施的進步將推動 AI 從技術展示，轉向創造實際商業價值。同時，會上發佈的新一代 P6e，搭載 NVIDIA Blackwell 處理器，示範如何透過自研晶片、軟件、網絡及基礎設施的全方位協同設計，建立差異化優勢。

高效能、低成本訓練基礎設施需求激增

Garman 提醒，未來幾乎每個應用程式都將由 AI 創造，這意味著對高效能、低成本訓練基礎設施的需求將爆炸性增長，若無法提供穩定且具成本效益的解決方案，將錯失市場先機。

他又形容，儘管基礎設施至關重要，但也僅是 AI 發展的一部分。真正的挑戰在於如何利用此能力，重新創造幾乎所有的應用程式，並應對 AI 影響力呈 10 倍增長所帶來的極限挑戰。

企業在處理龐大的技術債和維護舊有系統時，消耗了大量 IT 預算與資源，這成為推動 AI 轉型的主要障礙。為協助企業擺脫舊有系統的束縛，AWS 將 RDS for SQL Server 和 Oracle 的儲存容量從 64TB 大幅提升至 236TB，並將 IOPS 效能提升 4 倍，以應對大型傳統數據庫的需求，簡化上雲遷移。另為了降低成本，AWS 允許用戶在 RDS for SQL Server 上自訂 vCPU 數量，以減少授權費用，並支援免費的 SQL Server 開發人員版。

代理的崛起：從LLM到自主行動

AI 的真正價值，在於從被動回應轉向主動行動。而 AI 代理若要從概念驗證走向成用部署，離不開四大要素：AI 基礎設施（AI Infrastrure）、推論平台（Inference Platform）、自有數據和以及建構代理的工具。

為徹底改變軟體生命週期，AWS 推出了 3 款新一代 Frontier Agents（前沿代理程式）：

Kiro Autonomous Agent：新型自主代理程式，能自動處理複雜的開發任務（如程式庫更新、消除技術債），將自然語言需求轉化為完整的應用程式。專門用於自動化軟件開發流程，可連接到 Jira、Github、Slack 等現有工具，並學習團隊的工作偏好與工程標準，從而建立共享知識；對於跨越多個微服務的複雜任務，代理程式可以自主分析依賴關係、更新程式碼、執行測試並提交，大幅減少手動重複性工作。一個原需 30 人 18 個月的專案，在 Kiro 的幫助下，由 7 人在 76 天內完成，展現了轉型級的效率提升。

AWS Security Agent：將安全性整合至開發初期，透過主動審查設計文件與程式碼，將昂貴的滲透測試轉為免費、持續的活動，以確保在 AI 加速開發的同時，產品安全性不受影響。

AWS DevOps Agent：能整合現有的可觀察性工具（如 Dynatrace），學習資源間的關係，自主定位問題根源並提出修復方案；當偵測到問題時（如 IAM策略變更），代理程式不僅能指出根本原因，還會主動建立 CI/CD 管道的防護機制，以防止問題再次發生。

「這 3 個強大的代理程式： Kiro Autonomous Agent、AWS Security Agent、AWS DevOps Agent 將徹底改變你的團隊建構、企業安全和軟件操作的方式。」Garman 笑稱：「我感覺我的大腦正與 Kiro 合作解決問題。我的世界已經轉變成一個完全不同的視角。」

AgentCore 解決代理自主性信任問題

3 款 Frontier Agent 均具備無限性（自主規劃路徑）、高能力（跨應用執行精細操作）與長期運作（無須持續干預）的特徵。此類代理程式能透過持續學習團隊的工作流程、標準與決策，變得愈來愈聰明，為工作流程帶來根本性的轉變。

但 Garman 不諱言主代理程式的行為難以預測，有可能偏離預期軌道。若無有效控制，將阻礙其在關鍵業務場景中的部署。 為解決代理程式自主性帶來的信任問題，AWS 推出了 AgentCore 平台，一個為建構代理程式而生的開放、模組化平台，提供記憶、安全閘道、身份管理和監控等關鍵模組，讓開發者能快速建構可信賴的代理。

此外，他亦建議開發者採用新發佈的 AgentCore Evaluation 評估工具，在部署前使用內建或自訂的評估器，持續測試和改善代理程式的品質，確保正確性與安全性；並於部署後持續監控與改善代理程式的表現。

AWS 透過在 AI 堆疊的每一層，從基礎設施到應用代理進行創新，並推出 AgentCore 等新工具，旨在將 AI 從技術展示轉化為可創造真實商業價值的企業級應用。據悉，Amazon 內部已將 Kiro 標準化為其官方 AI 開發工具，以加速自主 AI 代理的開發與應用。而 Sony 亦正採用 Amazon Bedrock Agent 來治理和部署 AI 功能，目標是將其合規審查效率提高 100%。