在亚马逊云科技中国峰会上，亚马逊全球副总裁、亚马逊云科技亚太区联席总裁储瑞松表示，AI Agents 将重塑协作关系，带来企业组织和价值创造的范式转移。储瑞松指出，AI从一个辅助性的工具变成了真正的生产力，其价值的计量单位也随之改变，AI 不再只是回答问题或帮助提效，而是开始直接为企业交付可衡量的业务结果。
然而，面对层出不穷、令人目不暇接的 AI 创新，企业需要一张清晰的全景地图来明确自身需求。为此，储瑞松提出了企业实现 Agentic 业务转型所需的AI的五层技术栈地图。
第一层是 AI 基础设施层，涵盖 GPU、AI 加速芯片以及配套的网络和存储，这是一切技术实现的基础。这一层的业务价值在于为模型提供充足的算力。对大多数企业而言，无需自行购买芯片或建设数据中心，这些底层基础设施是模型服务提供商和云厂商需要去操心的事情。
第二层是模型层。当前大模型的创新仍处于交替领先的快速迭代阶段，前沿模型既包括各类头部商业模型，也涵盖诸多能力强劲、大部分来自中国的开源模型。这一层的价值在于为智能体提供脑力服务。储瑞松将模型比作人才，指出不同岗位和工作应选用不同背景能力的人。对于企业应用来说，模型选择很重要。企业Agentic AI应用应根据实际需求选择在智力水平、速度和成本上最合适的模型，并且切忌自我设限，不要锁死在单一供应商的模型上。
第三层是数据和知识层。这一层的核心价值是为智能体提供相关、准确、新鲜且经过治理的高质量数据支撑。储瑞松坦言，绝大多数企业 AI 项目的失败，都是因为数据没有准备就绪。Agentic AI 应用若要为企业带来真正不可复制的差异化竞争壁垒，就必须深度融合并用好企业历经多年积累的自有数据与知识。高质量的数据是企业差异化竞争的壁垒：因为企业数据是自身多年积累的、别人无法短期复制。
第四层是 Agentic 平台层。当企业从几个试点智能体发展到成百上千个智能体协同工作时，就需要一个平台来赋能和管理这些智能体，这就像创业公司规模扩大后必须建立管理系统和 HR 机制一样。这一层的业务价值在于为智能体提供统一的运行环境、开发工具，并提供规则、评估与治理等管理能力。其关键在于能否很好地支持大规模智能体的开发、部署、管理与迭代，这也是企业 智能体应用从概念验证走向生产的分界线。
第五层是智能体与应用层，这是Agentic AI 真正为企业创造价值、交付业务结果之处。这些应用既包括软件开发、IT 运维、知识工作者、客户服务等跨行业的通用场景，也包括能为企业带来最大业务价值的特定行业或定制化应用。智能体如同企业的数字员工，为企业工作并交付真实的业务结果。
储瑞松进一步指出，在这五层技术栈之外，安全、效果、性能和成本这四个维度贯穿始终，从上到下每一层技术栈都需要考虑。首先是安全，涵盖模型安全、数据安全以及智能体的权限边界，这是是智能体落地的底线。其次是效果，即智能体产出结果的质量，从模型选择、数据质量、平台层护栏，到智能体的设计与实现，每一层都会影响最终效果。第三是性能，包括响应速度、吞吐量和延迟等指标，是智能体在生产环境中服务海量用户时的必选项。最后是成本，企业必须能够将成本从智能体一路拉通到平台、数据和模型 Token，如果无法厘清智能体完成单项任务的实际花费，企业做的就不是部署，而是实验。
储瑞松强调，所有五层技术栈的存在，最终都是为了最顶端的业务产出服务。真正决定 Agentic 项目成败的唯一标尺，是可衡量的业务产出。企业必须量化Agents带来的业务价值，无论是任务完成吞吐量、产出质量、每任务成本、交付周期，还是人力等效、客户满意度与营收增长等偏宏观的指标。
