AWS在re:Invent 2025后仍难构建企业AI完整解决方案

AWS在拉斯维加斯举办的re:Invent 2025大会上展现了罕见的防御紧迫感，这对云计算领域的领导者来说并不寻常。面对证明其仍能主导企业AI议程的压力，AWS面临着微软和谷歌通过集成AI堆栈和工作流就绪的智能体平台不断加强对CIO们的影响力。

AWS首席执行官Matt Garman及其团队发布了新芯片、模型和平台增强功能，试图将这些更新整合成一个更紧密的宣传策略，证明AWS仍能为CIO们提供最广泛、最适合生产环境的AI基础。

然而，分析师们仍然不确信AWS取得了成功。独立顾问、德勤前首席云战略官David Linthicum表示："我们更接近目标了，但还没有完成。"

Garman最大的尝试，至少是让他们"更接近"目标的举措，是推出了Nova Forge这项新服务。AWS通过这项服务试图解决其战略弱点之一：缺乏将数据、分析、AI和智能体整合成单一连贯路径的统一叙述，以供企业采用。

正是这种连贯性，微软通过其最近推出的IQ系列产品积极向CIO们销售。

与微软将智能体与统一语义数据层、治理和现成业务环境工具相结合的IQ堆栈不同，Nova Forge旨在为企业提供原始前沿模型训练能力，以工具包的形式帮助企业使用专有数据构建定制模型，而不是预配线、工作流就绪的AI平台。

但分析师表示，它仍然需要太多的工程投入才能采用。

AWS最终将智能体AI、Bedrock和数据层定位为统一堆栈，而不是分离的服务，但据Linthicum说："这仍然是企业必须自行组装的部件集合。"

HFS Research首席执行官Phil Fersht表示，对于想要使用AWS推出的新服务的企业来说，仍有很多工作要做。

他说："企业客户仍然需要强大的架构规划来将各部分整合在一起。如果你想要灵活性和深度，AWS现在是一个可靠的选择。如果你想要完全打包的单一界面体验，集成仍然感觉比一些竞争对手提供的要繁重。"

使用新功能和服务所需的工程努力在AWS的其他公告中也有所体现，这可能会让CIO们感到困惑，而不是简化他们的AI路线图。

在活动第二天，Swami Sivasubramanian宣布了Bedrock AgentCore、Bedrock和SageMaker AI的新功能，帮助企业将其智能体AI试点项目转向生产，但Linthicum表示，这仍然专注于提供加速开发人员任务的工具，而不是默认提供"即插即用智能体"。

当涉及AWS对编程工具Kiro的更新或其推出的旨在简化开发运维的新开发者导向智能体时，情况也没有改变，The Cube Research首席分析师Paul Nashawaty说。

Nashawaty表示："AWS显然想要与Copilot Studio和Gemini Agents竞争。在功能上，差距正在缩小。区别仍然在于工程投入。微软和谷歌在生产力集成方面更加紧密。AWS正在迎头赶上，但根据团队的应用环境，可能仍需要花更多时间将各部分连接起来。"

同样，AWS在提供更统一的AI平台策略方面进展甚微。分析师期待这家超大规模云服务提供商通过提供更具针对性的机器学习运维路径、Bedrock和SageMaker之间的更深度集成，以及帮助企业从构建模型进展到大规模部署真正智能体的现成模式，来解决其工具和服务碎片化的复杂性。

Linthicum对AWS在更好地记录和支持Bedrock、SageMaker和数据平面之间连接组织的努力不满意。他说："碎片化并没有消失。几乎所有事情仍有多种方式可以完成。"

Linthicum表示，AWS采取的方法与微软和谷歌提供更具针对性的端到端解决方案形成鲜明对比，他特别提到了Azure围绕Fabric的紧密集成以及谷歌围绕其数据和Vertex AI堆栈的集成。

对于等待看到AWS交付什么后再最终确定其企业AI路线图的CIO们来说，他们又回到了一个熟悉的分叉点：强大的基础组件与交钥匙平台的选择。

Gartner副总裁分析师Jim Hare表示，他们需要评估其团队是否具有架构规划、机器学习运维深度和数据治理基础，以充分利用AWS对其不断增长的模块化堆栈的最新添加。

Hare说："对于优先考虑长期控制和定制的CIO们，AWS提供了无与伦比的灵活性；对于寻求速度、简单性和无缝集成的CIO们，微软或谷歌可能在2026年仍是更务实的选择。"

这个决定，如往常一样，归结为企业是想构建自己的AI平台还是直接购买一个现成的平台。

Q&A

Q1：Nova Forge是什么服务？它能解决什么问题？

A：Nova Forge是AWS推出的新服务，旨在为企业提供原始前沿模型训练能力，以工具包的形式帮助企业使用专有数据构建定制模型。它试图解决AWS的战略弱点：缺乏将数据、分析、AI和智能体整合成单一连贯路径的统一叙述。

Q2：AWS的企业AI解决方案与微软、谷歌相比有什么差异？

A：AWS提供更多灵活性和深度，但仍需要更多工程投入来整合各个部件。微软和谷歌提供更紧密集成的端到端解决方案，在生产力集成方面更加无缝，但定制性相对较低。

Q3：企业选择AWS的AI平台需要具备什么条件？

A：企业需要具备强大的架构规划能力、机器学习运维深度和数据治理基础。对于优先考虑长期控制和定制的企业，AWS提供无与伦比的灵活性；但如果寻求速度和简单性，微软或谷歌可能是更务实的选择。