年初，OpenClaw在中國(guó)市場(chǎng)的火爆，讓所有人看到了Agent的巨大潛力。但隨之而來(lái)的，是一道所有云廠商都必須回答的考題：當(dāng)Agent開(kāi)始像賽博龍蝦一樣瘋狂繁殖、高頻調(diào)用數(shù)據(jù)時(shí)，AI云基礎(chǔ)設(shè)施層尤其是數(shù)據(jù)層，準(zhǔn)備好了嗎？

比方說(shuō)，企業(yè)數(shù)據(jù)團(tuán)隊(duì)在將Agent部署到生產(chǎn)環(huán)境時(shí)，經(jīng)常會(huì)在數(shù)據(jù)層面遇到瓶頸。構(gòu)建向量數(shù)據(jù)庫(kù)、關(guān)系數(shù)據(jù)庫(kù)、圖數(shù)據(jù)庫(kù)和湖倉(cāng)等不同平臺(tái)上的Agent，需要同步數(shù)據(jù)管道以保持上下文信息的時(shí)效性。但在真實(shí)的生產(chǎn)環(huán)境中，這些上下文信息會(huì)逐漸過(guò)時(shí)。

這個(gè)問(wèn)題的緊迫性，源于Agent與人類工程師截然不同的數(shù)據(jù)消費(fèi)模式。

“Agent正在一種極其活躍且激進(jìn)的方式消費(fèi)數(shù)據(jù)，它對(duì)于數(shù)倉(cāng)或數(shù)據(jù)湖的調(diào)用頻率是驚人的?！?/strong>

亞馬遜云科技技術(shù)副總裁Mai-Lan Tomsen Bukovec近日與筆者交流中指出，Agent是一種通過(guò)“并行擇優(yōu)”的工作模式，即：不是一次一個(gè)查詢，而是同時(shí)數(shù)十、上百個(gè)并行，通過(guò)比較來(lái)尋找最佳路徑。這使得Agent成為比人類激進(jìn)得多的數(shù)據(jù)消費(fèi)者——調(diào)用頻率高出幾個(gè)數(shù)量級(jí)，數(shù)據(jù)吞吐量呈指數(shù)級(jí)增長(zhǎng)。

Mai-Lan進(jìn)一步指出，“現(xiàn)在客戶非常希望構(gòu)建Agent基礎(chǔ)設(shè)施，成本亦或者說(shuō)性價(jià)比，不再是次要因素，而變成決定性因素。在未來(lái)半年到一年，隨著Agent的爆發(fā)，底層數(shù)據(jù)服務(wù)的選擇將變得至關(guān)重要?！?/p>

如今，OpenClaw的狂歡正在消退，留下的正是對(duì)云廠商底層存算能力的壓力測(cè)試警告。Mai-Lan認(rèn)為，亞馬遜云科技在這一領(lǐng)域具備天然優(yōu)勢(shì)，Amazon S3(Amazon Simple Storage Service)的規(guī)模、Amazon Redshift與Amazon Athena在高并發(fā)下的成本效率，正是為這種超大規(guī)模、超高頻的Agent數(shù)據(jù)交互方式而準(zhǔn)備。

時(shí)值A(chǔ)mazon S3產(chǎn)品誕生20周年，圍繞AI時(shí)代客戶對(duì)數(shù)據(jù)處理的訴求，Amazon S3近期也實(shí)現(xiàn)了S3 Table（表格式）、S3 Files（文件）、S3 Vector（向量）的三大變革。

如S3 Table對(duì)Apache Iceberg的原生支持。Mai-Lan指出，Agent在處理數(shù)據(jù)時(shí)，傾向于直接通過(guò)SQL與Iceberg格式的數(shù)據(jù)交互。其底層邏輯在于，Agent構(gòu)建于大模型之上，而大模型在訓(xùn)練過(guò)程中已對(duì)SQL語(yǔ)法和Iceberg數(shù)據(jù)格式形成成熟的處理能力。將所有表數(shù)據(jù)以Iceberg格式存放于S3，使得Agent無(wú)需學(xué)習(xí)多種復(fù)雜的訪問(wèn)API，即可高效處理數(shù)據(jù)。目前Agent與S3及Iceberg之間展現(xiàn)出高度的契合性。

當(dāng)Iceberg能力被引入S3時(shí)，引發(fā)了新一輪創(chuàng)新浪潮，Postgres、Oracle等數(shù)據(jù)源開(kāi)始直接寫(xiě)入Iceberg，Agent系統(tǒng)則可直接與這些表進(jìn)行交互。而隨著S3 Vectors的推出，越來(lái)越多的AI應(yīng)用開(kāi)始將向量作為共享記憶載體，從而為AI交互體驗(yàn)注入“狀態(tài)”。

Mai-Lan還指出，向量已被引入作為S3的原生數(shù)據(jù)類型。向量的應(yīng)用主要集中于兩個(gè)維度：一是通過(guò)向量為存儲(chǔ)在S3中的數(shù)據(jù)構(gòu)建上下文信息，二是將向量用作共享記憶。S3 Vectors發(fā)布后的五個(gè)月內(nèi)，市場(chǎng)反饋符合預(yù)期。大量客戶開(kāi)始使用該功能，通過(guò)嵌入模型生成向量以豐富數(shù)據(jù)的上下文。S3 Vectors作為Agent系統(tǒng)記憶空間的使用率呈爆發(fā)式增長(zhǎng)。

值得一提的是，S3 Files于幾周前發(fā)布，使Agent能夠通過(guò)POSIX標(biāo)準(zhǔn)，即文件系統(tǒng)的方式處理S3中的數(shù)據(jù)。在Agent系統(tǒng)中，大模型高度關(guān)注“文件”這一形態(tài)，無(wú)論是Python庫(kù)還是Shell腳本，均為大模型訓(xùn)練過(guò)程中所熟悉的內(nèi)容，Agent天然傾向于將文件作為數(shù)據(jù)接口。

為此，S3 Files的設(shè)計(jì)思路是在S3存儲(chǔ)桶上掛載一個(gè)EFS文件系統(tǒng)。通過(guò)該機(jī)制，用戶可以基于POSIX標(biāo)準(zhǔn)在文件系統(tǒng)中處理S3數(shù)據(jù)：小文件可通過(guò)EFS緩存加速訪問(wèn)，大文件則直接從S3進(jìn)行流式傳輸。這使得Agent能夠以熟悉的文件系統(tǒng)語(yǔ)言與S3數(shù)據(jù)實(shí)現(xiàn)原生交互，并將共享文件系統(tǒng)視為來(lái)自S3的“共享記憶空間”。

從大模型記憶能力的發(fā)展來(lái)看，這一進(jìn)步具有重要意義。當(dāng)前的AI體驗(yàn)正逐步引入更深層的對(duì)話上下文與個(gè)性化互動(dòng)——無(wú)論是在Agent之間、人與Agent之間，還是Agent與數(shù)據(jù)之間，模型表現(xiàn)均在持續(xù)演進(jìn)。通過(guò)文件系統(tǒng)這一自然接口的進(jìn)一步擴(kuò)展，Agent系統(tǒng)的記憶能力有望獲得更深層次的提升。

筆者注意到，從2006年以圖像等半結(jié)構(gòu)化數(shù)據(jù)為主，到后來(lái)的分析型數(shù)據(jù)，從最初的數(shù)倉(cāng)到數(shù)據(jù)湖的興起，亞馬遜云科技目前正大力推動(dòng)Amazon S3成為承載AI工作負(fù)載的關(guān)鍵底座，以適應(yīng)當(dāng)下客戶的訴求。Mai-Lan認(rèn)為，Amazon S3的設(shè)計(jì)核心是以經(jīng)濟(jì)的方式推動(dòng)主流數(shù)據(jù)類型增長(zhǎng)，并始終堅(jiān)守?cái)?shù)據(jù)的可用性、持久性和韌性等準(zhǔn)則。而這也正是客戶在20年間持續(xù)將其數(shù)據(jù)業(yè)務(wù)托付給S3的原因，也將承載其下一個(gè)20年的可能。

（本文作者 | 楊麗，編輯 | 楊林）