作为新一代智能体人工智能技术的代表，Agentic AI（代理型人工智能）正成为企业数字化转型和自动化升级的关键引擎。自2025年以来，Agentic AI被Gartner列为年度十大技术趋势之首，同时，市场研究机构Markets and Markets预测，Agentic AI市场将在2025年达到138.1亿美元，并在2032年年底跃升至1408亿美元，期间复合年增长率达到39.3%。
在此背景下，全球科技巨头都在投入巨资推动Agentic AI技术演进。日前，亚马逊全球副总裁、亚马逊云科技大中华区总裁储瑞松在亚马逊云科技中国峰会期间表示，AI的发展已经来到拐点，如今我们正处在Agentic AI爆发的前夜。他表示，过去两年里，大模型与智能体的结合已经从实验室正在走入产业现实。驱动这股Agentic AI浪潮的背后，有三大驱动力。一是大模型能力的快速提升，二是MCP（模型上下文协议）和A2A（Agent-to-Agent）协同协议的出现，三是基础设施成本的大幅降低。
在亚马逊云科技看来，AI技术的发展正经历一个从“平静涟漪”到“超级巨浪”的演变，而生成式AI和Agentic AI正是这股超级浪潮的核心驱动力。储瑞松将Agentic AI比作一个“通用USB-C连接器”，能够更便捷地接入各项服务、数据以及合作伙伴的能力，从而让AI Agent变得更加自主化、智能化和自动化。
MCP成为关键推动角色
对于Agentic AI起势的原因，储瑞松分析指出，生成式AI兴起以来，其技术及应用持续快速迭代升级，已深度融入各行业。大模型能力的提升、模型上下文（MCP）和智能体到智能体（A2A）协议的出现，以及推理成本的降低等因素，共同推动了Agentic AI的爆发，并使得Agentic AI 在提升企业员工生产效率、优化业务运营、赋能产品服务和商业模式创新等方面发挥着重要作用。
今天的AI Agent已经不再是孤立运行的算法工具，而是一个可以自主获取服务、数据、上下文并完成任务的智能实体。其中MCP的意义尤为关键，可视为“AI世界的USB-C通用接口”，可以让Agent可以快速、标准地连接各种企业内部资源，实现更强的自动化与智能化。
目前很多企业现在已经开始使用MCP服务，包括亚马逊云科技自己也在采用，以更好地利用自身的 Agent。这表明MCP在实际应用中已经得到了广泛的认可，其前景十分广阔。随着技术的不断发展，MCP有望进一步推动AI智能体在更多复杂场景中的应用，为企业解决更多难题。
同时，储瑞松认为，为了充分释放Agentic AI潜力，企业需要在管理和技术层面协同并进。
在管理层面，他指出，企业需要对Agentic AI有清晰的认知和顶层设计，并在机制和人才方面进行优化，同时做好信息化和数字化的准备 。他强调，这是一个“选择充分利用它，与它共舞，还是观望或后退一步”的关键时刻。
技术层面，亚马逊云科技建议企业首先应选择统一的、AI就绪的基础设施，这需要从安全性、稳定可靠性、灵活性和技术领先性四个方面进行充分评估；其次，打破数据孤岛，有效聚合和治理数据，是提升Agentic AI价值的关键；最后，企业应制定明确的策略并高效执行，客观预期Agentic AI的价值创造能力，并选择合适的合作伙伴和技术栈。
落地需聚焦模型和成本挑战
虽然Agentic AI的巨大前景已得到业界认可。但是，由于目前Agentic AI商业化路径并不明朗，收益尚未达到匹配成本规模；且在金融、高风险决策场景应用中，监管担忧和系统可靠性构成主要隐患。因此，当前大多数Agentic AI项目仍处于早期试点或概念验证阶段，真正实现大规模落地的项目极为有限。
Gartner研报分析指出，Agentic AI火爆但落地困难的背后，原因不仅仅是技术难题，更有商业模式、风险治理、市场认知等多重因素交织。如OpenAI首席执行官Sam Altman日前便曾公开表态指出，尽管Agent将带来效率革命，但也将引发就业变革与监管压力。
也正因如此，如何推动Agentic AI更快地部署实现，成为当前全球AI巨头与产业链关注的话题。
对此，亚马逊云科技全球技术总经理Shaown Nandi随后在接受《中国经营报》记者采访时表示，对于企业而言，Agentic AI“模型选择”和“成本考量”非常重要，对于前者，灵活性非常重要。客户在构建Agent时，应根据自身工作负载和用户案例选择最合适的模型，而非局限于单一模型。
而在成本方面，Shaown Nandi表示，推理的成本已大幅降低，而这是多方面因素共同作用的结果，包括芯片厂商新版本芯片的推出、通用GPU和专用GPU的发展，以及亚马逊云科技自研芯片的改进。
此外，技术层面的优化，如DeepSeek等模型对推理效率的极大提升，以及模型蒸馏和智能提示路由等技术，都显著降低了推理成本。Shaown Nandi透露，模型蒸馏有时能使推理成本下降高达500%，智能提示路由则能根据任务复杂程度自动选择不同模型进行推理和计算，未来甚至可能出现根据成本动态选择模型的“调度型Agent” 。
对于“大模型成本几乎可以忽略不计”的观点，Shaown Nandi并不完全认同。他解释说，模型的成本非常多样化，一些专业化、有针对性的复杂大模型，其价格依然高昂，因为它能为客户创造巨大价值。同时，他承认市场上也存在一些开源的免费大模型，但整体来看，情况是高度不一致的，绝对不能简单地说“模型的成本可以忽略”，模型的使用成本在某些案例中甚至会超过基础设施成本。他强调，长期来看，降低成本是必然趋势，但目前不同模型有不同的价格点和适用场景。
在多方挑战下，Shaown对于Agentic AI的长远前景仍是乐观的。他透露，当前财富500强企业中，仍有75%的关键工作负载部署在本地，这也意味着AI Agent未来的落地空间巨大。
