那個自動打開瀏覽器搜小紅書的AI，到底改變了什么？

2026-06-08 15:29

計算雜談

關注

當大多數人還在把AI助手當作一個更聰明的聊天機器人時，亞馬遜云科技卻扔出了一枚重磅炸彈：Amazon Quick。這不僅僅是一個產品更新，更是讓AI從“對話窗口”走進“了真實工作流”。

近日，亞馬遜云科技同步亮出了三張牌：Amazon Quick、Amazon Connect家族四款垂直Agent方案，以及與OpenAI的深化合作。三張牌看似獨立，實則指向同一個方向：讓Agentic AI從概念走向大規模落地。

但真正讓人感到興奮的，是那個完全實時的產品Demo。

一個團建任務，展示了AI助手的真正能力

亞馬遜云科技解決方案架構總經理陳曉建表示：“Agentic AI是技術發展的一個關鍵轉折點，它把AI從一個助手轉變成為可以在復雜工作流中自主推理、規劃和執行的隊友。這個轉變絲毫不亞于互聯網和云計算的誕生。”

這番論斷，在發布會現場的產品演示中得到了直白的印證。

演示者接到的任務是安排一次蘇州團建，這不是一句“幫我寫首詩”的簡單指令，而是一個需要跨多系統、多步驟協作、交付真實產出的業務流程。Amazon Quick先是調用了高德地圖查詢天氣和交通，隨后自動打開電腦上的Chrome瀏覽器，進入小紅書搜索“蘇州戶外團建攀巖皮劃艇”，滾動頁面、截圖保存；接著又跳轉到大眾點評找餐廳，交叉驗證評價。最終，它生成了一份完整的HTML方案，包含天氣、活動、餐飲、交通、時間線和預算，配圖用的正是剛才自動截取的小紅書和點評截圖。更有意思的是，當演示者說“把這個發給XX”時，Amazon Quick自動從其構建的知識圖譜中找到了XX的郵箱，起草郵件、附上方案、待確認后發送。緊接著，演示者又提出做一份匯報用的PPT，Amazon Quick因為記住了她的偏好，直接生成了一份白底風格的精美兩頁演示文稿。

整個過程，演示者沒有主動打開瀏覽器、沒有復制粘貼、沒有在多個應用之間來回切換。她只做了一件事：用自然語言下達指令。

這暴露了當前市面上AI助手的真實差距。過去兩年，“養蝦”“養馬”（指代OpenClaw和Hermes等桌面Agent工具）的用戶群體已經驗證了這類產品形態的價值。但個人用戶自己搭建的Agent，很難解決企業級場景中兩個致命問題：數據集成和安全合規。亞馬遜云科技產品部AI技術總監郭韌在采訪中直言：“對于同類型的產品，無論是個人還是企業員工，其實很難實現企業內部的數據集成、安全控制和安全管控。”

做安全的企業級AI助手

Amazon Quick真正區別于通用型個人AI助手的，不是它的自然語言能力有多強，而是它從設計之初就回答了企業IT部門最關心的三個問題：誰能用？能看到什么？誰在什么時候做了什么？

它支持SSO單點登錄、RBAC分角色訪問控制、審計日志，以及各類合規認證。它內置了多種企業常用工具的連接器，Outlook、Salesforce、Slack、Jira、Asana，不是通過第三方插件市場隨便下載的那種，而是官方提供、安全可審計的集成。

“你可以完全把Amazon Quick看成是你唯一的桌面入口，”亞馬遜云科技解決方案架構總經理陳曉建這樣定位，“這些連接和訪問都不是你自己去第三方隨意下載的插件，背后有公司保證連接的安全性和可用性。這是本質的差別。”

這種“企業級基因”還體現在另一個關鍵能力上：本地文件訪問與本地執行。Amazon Quick可以在用戶授權的文件夾中讀取、寫入、搜索文件，在本地沙箱環境中安全執行代碼，不會污染操作系統。這意味著，企業員工終于可以把那些散落在電腦各個角落的Excel、PDF、Word文檔，納入AI助手的“管轄范圍”，而不用擔心數據上傳到某個不知名的云端服務器。

多數AI工具本質上是被動的。你問，它答；你不問，它閑著。但Amazon Quick的設計邏輯不同。它駐留在桌面后臺，持續監控郵件、日歷、聊天工具和各種應用數據，主動推送需要關注的事項。

舉個例子：下午兩點有個重要會議，Amazon Quick無需你發出指令，會提前自動整理相關的Slack對話、前一天編輯的文檔和關聯的會議紀要。如果出現會議沖突或緊急告警，它能提前預警。

這種“主動感”的另一個來源是它的學習能力。使用時間越長，Amazon Quick會越理解用戶的工作習慣：經常和誰協作、關注哪些項目、偏好什么風格的文檔格式等等。它甚至能構建一個可視化的知識圖譜，直觀展示用戶關聯的信息、人員、項目之間的關系。用戶在Amazon Quick中使用的一切偏好記憶，都是可編輯、可追溯的，這是負責任的生成式AI產品必須做到的，不能是黑盒。

亞馬遜圖書的內部數據顯示，使用Amazon Quick后，管理層編寫協調文檔的時間縮短了80%，工程團隊將工廠測試時間縮短了67%。3M的銷售代表每周節省了超過5小時的客戶會議籌備時間。這些數字背后，是信息收集、跨系統操作、格式整理等瑣碎環節被AI“吃掉”的結果。

Connect家族擴列：當Agent進入供應鏈、招聘和醫療

如果說Amazon Quick是通用辦公場景的Agent界面，那么同期發布的Amazon Connect家族四款產品，則是亞馬遜云科技將Agentic AI深入垂直領域的助推器。

最引人注目的是Amazon Connect Decisions，它是一個專門針對供應鏈管理的Agent解決方案。其底氣來自亞馬遜自身30年的全球供應鏈經驗。這個產品內部由6個分工明確的Agent組成協同網絡，覆蓋需求預測、供應規劃、根因分析、建議生成和自動執行。更關鍵的是，它設計了一個“人與Agent協作→Agent自主決策→持續學習改進”的遞進式信任建立路徑。每個AI洞察都附帶清晰可解釋的推理過程，不搞“黑盒決策”。

而Amazon Connect Talent則直擊招聘痛點：面試資源有限、標準不一致、優質候選人因排期延誤被搶走。它的方案是AI驅動的技能評估加7×24小時語音面試，用統一標準評估每一位候選人。亞馬遜去年旺季招聘了約25萬名季節性員工，這些經驗被濃縮進了這個產品。

亞馬遜云科技產品部AI產品總監夏展望表示，這些垂直Agent“源自亞馬遜集團內部的實際業務挑戰”，Connect Decisions背后是管理4億多條SKU庫存的運籌學積累，Connect Talent則出自海量招聘的自動化經驗。

牽手OpenAI：模型商店的邏輯與“不站隊”的策略

發布會第三大重磅是與OpenAI的合作，將OpenAI前沿模型、編程Agent Codex以及OpenAI托管的Agent引入Amazon Bedrock平臺。這引來了一個直接的問題：亞馬遜云科技與Anthropic合作如此緊密，引入OpenAI會不會左右手互搏？

陳曉建的回答很坦率：“Amazon Bedrock在幾年前正式推出時，設計的初衷就是作為一個模型商店，接入全球更多領先的模型。不管是Anthropic還是OpenAI，都不是接入的第一個模型，也不會是最后一個。”他進一步透露，在Amazon Bedrock上使用Codex等服務可以計入亞馬遜云科技的承諾消費，享受與原生服務一致的政策，“這背后體現了我們與OpenAI合作的緊密程度。”

這種“平臺不站隊”的策略，在當前的AI競爭格局中愈發顯得務實。企業客戶不想被任何單一模型廠商鎖定，他們需要的是在統一的安全治理框架下自由選擇最佳模型。夏展望點出了趨勢：“越來越多模型提供方和云廠商合作是一個大趨勢。客戶的數據和應用已經跑在云上，將模型能力和云原生結合，效率會更高，無需在智能和治理之間妥協。”

一場Agent落地的“全棧實驗”

從發布內容往回看，亞馬遜云科技的野心不是做一兩款爆款AI應用，而是在AI技術棧的五個層次上完整布局：最底層的自研Trainium芯片（第4代在路上）；模型層的Amazon Bedrock匯聚一方、開源和商業模型；數據與知識層的數據庫和存儲能力；Agent開發平臺層的Amazon Bedrock AgentCore；以及最上層的開箱即用Agent：Amazon Quick、Kiro（開發者Agent）、Amazon Connect家族。

這解釋了為什么亞馬遜云科技敢同時在通用辦公和垂直場景兩線作戰。通用場景靠Amazon Quick做“界面”，垂直場景靠Connect家族做“縱深”，底層則是統一的AI基礎設施和安全架構。“同一件事情交由Kiro或Amazon Quick處理，取決于用戶習慣的交互方式，底層能力和技能是可以互通重復使用的。”陳曉建說。

在Agentic AI從概念走向落地的轉折點上，真正的競爭可能不在于誰的模型參數更大，而在于誰能讓AI安全地、可控地、持續地進入企業真實的業務流程。Amazon Quick桌面版的意義，或許不在于它比ChatGPT多了幾個功能，而在于它讓企業第一次可以把AI助手當作一個“正式員工”來對待：給它權限，教它業務，讓它進系統，并且，全程可以審計。

正如陳曉建在演講開場所說，亞馬遜云科技CEO Matt Garman的那句話正在成為現實——“未來每家企業內部，每個能想到的領域都會有數十億個Agent在運營。”而讓這句話落地的，不是模型本身，是那些讓Agent能被企業“信得過、用得起、管得住”的基礎設施。

原文標題 : 那個自動打開瀏覽器搜小紅書的AI，到底改變了什么？