亚马逊云科技王晓野：Token贵的真正原因与Agent落地的五大鸿沟
2026/05/31 18:03阅读量 2
在2026中国AIGC产业峰会上，亚马逊云科技技术总监王晓野指出，87%的企业已宣称大规模部署AI，但真正从中获得生产价值的仅10%。他认为Token成本高企的核心并非单价贵，而是输入了大量无用信息，并剖析了企业级Agent从Demo走向生产需跨越的五层鸿沟：算力、模型、数据与知识、Agent平台、Agent应用。
事件概述
在2026中国AIGC产业峰会上，亚马逊云科技技术总监王晓野从工程视角分享了企业级Agent落地的真实挑战。他提供了一组关键数据：87%的企业宣称已大规模部署AI，但仅10%真正获得了生产价值。他将个人“养龙虾”式实验与企业级部署做了区分——让几千个Agent在分布式环境中安全、可信、稳定运行，是另一个维度的工程复杂度。
核心观点
- Token贵的真正原因：Token单价并非核心问题，而是调用模型时喂入了太多无关信息（如数千个skills堆砌、未优化的记忆提取），导致Token使用量爆炸。
- AI不只是大模型：模型之外的Harness（驾驭模型的生产级工程能力）同样关键，包括安全、稳定、权限、观测等。
- 数据平台需服务AI Agent：传统数据平台面向人类，现在必须满足Agent的调用方式，包括记忆的共享与隔离、生命周期管理、全链路可观测性。
五层架构与产品对应
王晓野提出了企业级Agent落地的五层能力，并介绍了亚马逊云科技对应的产品方案：
- 算力层：通过自研芯片（Graviton、Trainium）提供面向场景的最优性价比，而非通用芯片。
- 模型层：Amazon Bedrock提供多模型选择，包括中国模型（智谱GLM、MiniMax），并强调企业数据隐私保护。
- 数据与知识层：构建AI-ready数据平台，支持向量能力（如S3 Vectors）、开放数据架构（Iceberg、S3 Tables）、记忆生命周期管理。
- Agent平台层：Amazon Bedrock AgentCore（Harness）提供Runtime、Memory、Code Interpreter、Identity、Gateway、Policy、Observability等模块，支持开放集成（LangChain、CrewAI）和与OpenAI合作的Managed Agent。
- 应用层：Working Agent（如Quick）已在实际工作场景中发挥作用，通过个性化知识图谱打破传统工作边界，并平衡员工便利性与企业管控需求。
值得关注的关键结论
- 个人与企业养Agent是两码事：个人可随时拔电源重启，企业需考虑自动扩展、安全、可信、不中断。
- 记忆管理至关重要：Agent的长期记忆若包含错误、老旧或矛盾知识，将影响决策；企业需要实现记忆的共享与隔离并存。
- 从2028年起，超过15%的企业日常工作决策将由Agent自主完成，数字员工雇佣比例在2026-2028年预计达82%。
- 亚马逊云科技与OpenAI联合发布的Managed Agent和Codex在Bedrock上可用，为企业提供更直接的前沿模型与最佳实践Harness组合。