AWS 这次发布的重点不是新模型，而是一层“上下文基础设施”：把企业里分散的数据关系、业务定义和权限规则统一起来，供 AI Agent 在运行时调用。我们的判断是，Agent 真正进入企业，瓶颈已经不只是回答能力，而是能不能在复杂数据里“找对信息、按规则做事、出了问题能追责”。

这是什么

AWS Context 是一项即将上线的新服务。它会自动梳理企业现有数据之间的关系，生成知识图谱（把数据、字段、业务概念及其关联整理成可查询的关系网络），再通过 agentic search（让 Agent 按任务去检索和调用上下文的搜索方式）把这些关系开放给企业里的 Agent 和应用。

它接入的不是单一数据库，而是数据湖、数仓、数据库、流式数据，以及原本散落在团队里的业务规则和领域知识。AWS 的说法很直接：Agent 的能力上限，取决于它能获得多少可靠上下文。为此，数据管理员可以在控制台里审核系统自动推断出的关系、决定哪些进入生产环境，并附上业务定义、使用规则和权限。

这项服务沿用了 Amazon Quick 背后的知识图谱技术。AWS 披露，这套图谱已支撑数十万用户、每天处理数百万次请求。现在它从“个人知识图谱”扩展成“组织知识图谱”。同时，关键元数据会以 Apache Iceberg 格式写入 S3，意思是客户不必被 AWS 完全锁死，仍可用兼容 Iceberg 的工具继续消费这些元数据。

行业怎么看

行业里对这类产品的共识越来越强：企业不会因为模型更强就自动用好 Agent，决定成败的是数据治理、权限控制和业务语义能否补齐。AWS 这次的方向，和近一年企业软件市场的主线一致——先把“上下文层”做好，再谈自动化决策。

我们注意到，这也是云厂商在抢占 Agent 入口。谁掌握企业数据目录、权限体系和工作流，谁就更容易成为 Agent 的默认底座。对已经在用 Glue、Lake Formation、SageMaker Unified Studio 的客户，AWS Context 的吸引力会比较强，因为接入成本更低。

但反对意见同样明确。第一，知识图谱自动生成不等于自动正确，错误关联一旦进入生产，Agent 可能“有依据地犯错”。第二，很多企业最缺的不是技术，而是标准化业务定义；口径没统一，再好的图谱也只会放大混乱。第三，AWS 虽然强调开放格式，但真正的治理流程、控制台和生态整合仍深度绑定自家云，迁移成本未必低。

对普通人的影响

对企业 IT： 预算重点会从“再买一个大模型接口”转向“先整理元数据、权限和业务规则”。短期工作量会上升，但这是 Agent 能否进核心流程的前置条件。

对个人职场： 懂业务又懂数据结构的人会更值钱，尤其是能把口径、流程、例外情况讲清楚的人。很多岗位未来不是直接被 Agent 替代，而是要先把自己的隐性知识变成机器可调用的上下文。

对消费市场： 普通用户短期未必直接感知 AWS Context，但企业内部客服、报表问答、运营助手这类工具会更少“答非所问”。如果上下文层成熟，消费者接触到的 AI 服务会更稳定，但也会更深地嵌入平台生态。