亞馬遜雲科技祭出組合拳更新，陳曉建：五層全棧能力加速Agentic AI落地

2026年6月1日 13:54

重點摘要

在日前舉辦的“What’s Next｜Agentic AI下一站”媒體溝通會上，亞馬遜雲科技解決方案架構總經理陳曉建攜產品團隊，對近期發佈的三大核心舉措進行了深度解讀。陳曉建如是定義了亞馬遜雲科技對AI助手的核心理念。這一理念的最新載體，是Amazon Quick 推出全新桌面版應用。亞馬遜雲科技產品部AI技術總監郭韌強調。五層全棧能力，迎接數十億Agent時代陳曉建表示，這一系列密集發佈意味著亞馬遜雲科技已為Agentic AI的大規模落地做好準備。

站內 AI 整理稿

### 亞馬遜雲科技祭出組合拳，五層全棧力推 Agentic AI 全面落地

在日前舉辦的「What’s Next｜Agentic AI 下一站」媒體溝通會上，亞馬遜雲科技（AWS）解決方案架構總經理陳曉建率領產品團隊，針對近期一連串的產品更新進行深度解說。這一系列行動被外界視為亞馬遜雲科技在生成式 AI 領域的重要布局，特別是圍繞「Agentic AI」（代理型人工智慧）這個新興概念，AWS 試圖透過完整的技術堆疊，讓企業用戶能夠更快、更穩定地將 AI 助手導入真實業務場景。陳曉建在會中明確指出，這些密集發佈代表 AWS 已為大規模 Agentic AI 的落地做好充分準備，而背後的核心支撐正是「五層全棧能力」。

### 重點整理：三大核心舉措與全新桌面版應用

此次溝通會的重點之一，是亞馬遜雲科技推出 Amazon Q 的全新桌面版應用。這款工具並非單純的聊天機器人，而是整合了企業內部知識庫、雲端資源與應用程式操作能力的 AI 助理。值得注意的是，AWS 的產品團隊在會中並未只聚焦單一產品，而是強調一套「組合拳」策略，涵蓋基礎設施、資料管理、模型服務、應用開發與安全治理等層面。陳曉建表示，這些更新不是零散的技術疊加，而是有意識地透過全棧能力來降低 Agentic AI 的開發與維運門檻。

### 五層全棧能力：從基礎設施到安全治理的完整佈局

所謂「五層全棧能力」，指的是亞馬遜雲科技從底層運算與晶片、到中層的資料庫與分析服務、再到上層的模型託管與應用框架，最後加上安全合規管控，形成一條完整的技術鏈。陳曉建解釋，Agentic AI 不同於傳統的對話式 AI——它需要自主感知環境、制定計畫、調用工具並執行任務，這就要求雲端平台不僅能提供高效能 GPU，還要具備低延遲的資料存取、靈活的模型調用機制，以及可追溯的行為紀錄。亞馬遜雲科技藉由整合旗下 Bedrock、SageMaker、Lambda 等服務，讓開發者可以直接在熟悉的架構中建構具備代理能力的 AI 應用，無需自行拼湊多元元件。

### 背景脈絡：為何 Agentic AI 成為下一站焦點？

過去一年，生成式 AI 從「對話」快速進化到「行動」。傳統的聊天機器人只能被動回答問題，而 Agentic AI 則能理解使用者意圖、拆解任務、呼叫 API 或資料庫，甚至串接不同系統完成複雜流程。這項技術被視為企業自動化的下一步關鍵，尤其在客服、供應鏈管理、程式開發等領域潛力巨大。亞馬遜雲科技選擇在此時推出完整解決方案，正是看準市場從「展示性應用」轉向「生產力落地」的轉折點。與競爭對手的單一模型戰略有別，AWS 強調「全棧」而非「單一堆疊」，試圖讓企業能在現有雲端投資基礎上直接嫁接 Agentic AI 能力，降低轉換成本。

### 可能影響：加速企業 AI 部署，也帶來治理挑戰

對企業用戶而言，亞馬遜雲科技的這項更新意味著建構 AI 代理的技術門檻大幅降低。過去需要專業團隊花數月整合的架構，現在可能透過 Amazon Q 桌面版與 Bedrock 的協作就能快速原型驗證。尤其對台灣的製造業、金融業與零售業來說，能夠在合規環境下使用自有資料來訓練或微調模型，並讓 AI 代理自動執行報表產出、庫存查詢或客服回覆，將直接提升營運效率。不過，Agentic AI 的自主行為也引發新的風險——若代理誤判指令或存取錯誤資料，可能導致系統混亂。因此 AWS 在安全層面也推出了更細緻的權限控管與稽核機制，這部分將是企業導入時必須同步關注的重點。

### 讀者可關注的後續：Amazon Q

原始來源：TechWeb ↗

查看原始來源

TechWebAI Agent

網易有道全面向AI轉型全場景Agent矩陣亮相圖博會

{"id":"39ef5947-b77a-4904-bf03-ff6264f08dc4","object":"response","model":"deepseek-v4-flash","output":[],"stop_reason":"max_output_tokens","usage":{"input_tokens":154,"output_tokens":200,"total_tokens":354}}

剛剛閱讀分析

Hugging Face BlogAI Agent

MosaicLeaks: Can your research agent keep a secret?

Back to Articles MosaicLeaks: Can your research agent keep a secret? Enterprise Article Published June 18, 2026 Upvote - Alexander Gurung agurung Follow ServiceNow Rafael Pardinas rafapi-snow Follow ServiceNow TL;DR Deep research agents increasingly combine private local documents with external tools like web retrieval, creating a privacy risk: an agent's external queries may leak sensitive information. MosaicLeaks proposes a new deep-research task with multi-hop questions that interleave public and private information. Across the models we tested, agents frequently leaked private information, and training only for task performance made it worse. We propose a mosaic-leakage-aware RL training method, Privacy-Aware Deep Research (PA-DR), which raises strict chain success (the share of chains

16 小時前閱讀分析