< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
云计算一哥，让小鹏、Kimi和猎豹都爽了一把
Agentic AI爆发的拐点已然来临
量子位 | 公众号 QbitAI
有这么一组数据，是真真儿地戳到了
公司AI代码覆盖率超过70%；
内部已经创建700多个不同类型、不同部门的Skills；
连接400多个API端点；每天有100多个AI协同PR；累计跑完14万多个工作流；
6个核心阶段成功率均超过99.7%；交付代码0个P0、P1缺陷。
缺陷自动修复从两天压缩到10分钟……
看完这些数字，想必大家脑海里已经是一堆Agent塞满一家公司的画面了，而且是井井有条的那种。
这家率先尝到Agent“甜蜜点”的公司是谁？
因为小鹏用了“云计算一哥”——
更准确地说，小鹏基于亚马逊云科技的
Amazon Bedrock
等服务，搭了一套企业内部AI编程与Agentic工作平台，名字叫
小鹏集团AI/Data Platform负责人
的现场讲了一个非常具体的问题：2024年，小鹏内部已经普遍使用各种AI开发工具，一些员工的个人效率确实上来了，但整个部门的效率没有明显变化。
原因也很真实，一个稍微复杂点的项目，AI工具只能一环一环写。写完代码，还要人工集成、联调测试、推CI/CD。
说得直白一点，就是代码写得更快了，链路没真正跑通。也正如亚马逊全球副总裁、亚马逊云科技亚太区联席总裁
Agentic AI爆发的拐点已然来临。AI Agent正在从一个辅助性工具，变成真正参与生产和价值创造的数字劳动力。
所以小鹏后来意识到一句话：
这其实也是很多企业用AI Coding、用Agent时的共同处境。单点提效很快，整体系统很慢；个人体验很爽，组织收益不明显。
小鹏的特殊之处在于，它面对的还不是普通软件工程，而是更复杂的物理AI。
智能汽车、Robotaxi、人形机器人、飞行汽车……这些场景里，软件和硬件绑得很紧。代码写完之后，还要编译、台架验证、回归、上线，链路更长，容错率更低。
更关键的是，当AI生成代码的速度越来越快，人类review和治理的速度反而跟不上了。
这时候，小鹏选择把AI Coding从写代码工具，往前推进一步——
让Agent变成一支研发军团。
一支永不下班的研发军团
灵犀的架构，大致可以拆成五层。
最上面，是开发者入口，包括网页端、IDE插件和硬件开发插件。开发者从这里提出需求、管理任务、查看结果。
往下一层，是Agent协作层。小鹏用Kiro做内核，把汽车行业的开发规范沉淀成Skills，让一群Agent按规范协同作战。
再往下，是数据和知识层。研发数据、项目上下文、Agent执行过程中学到的知识，都沉淀到这里。
模型层，则由Amazon Bedrock提供大模型能力。
最底层是基础设施。小鹏用Amazon EKS承载智能体运行，需要多少算力，就弹性供给多少算力。
这套架构跑起来之后，结果就是开头我们提到的那组数字：AI代码覆盖率超过70%，700多个Skills，400多个API端点，14万多个工作流，0个P0、P1缺陷。
其中最有代表性的变化，发生在SRE环节。
过去，一个缺陷自动修复可能要两天。后来小鹏基于Amazon Bedrock，建立了四大SRE Agent和五维归因，缺陷自动修复被压缩到10分钟。同类型bug下一次还能秒级命中，整个过程无需真人介入。
这也是Agent进入企业生产环境后，一个很典型的变化：
它带来的不只是写得快，而是把需求、设计、编码、测试、部署、运维、治理这些环节连成闭环。
这和Kiro本身的定位也有关。
Kiro强调的是Spec驱动开发。也就是在真正生成代码之前，先把需求、设计、任务、测试都结构化，再让Agent基于经过验证的规范写代码。
这样做的目标很明确了，从源头上提升正确性，而不是让AI先猛写，再把一堆技术债丢给人类收拾。
所以，小鹏这个案例最有价值的地方，在于它把企业研发体系里的“上下文、规范、工具、模型、算力、治理”一起串了起来。
这才是Agent真正起作用的样子。
当然，来到亚马逊云科技峰会站台的，不止小鹏。
Kimi出海，也搭上了亚马逊云科技
Kimi今天的到来，也是有点看头。
如果说小鹏展示的是Agent如何进入企业研发链路，那么Kimi展示的是另一件事——
中国大模型公司如何借助亚马逊云科技的全球基础设施和AI技术，把模型能力带给全球企业客户。