年初，OpenClaw在中国市场的火爆，让所有人看到了Agent的巨大潜力。但随之而来的，是一道所有云厂商都必须回答的考题：当Agent开始像赛博龙虾一样疯狂繁殖、高频调用数据时，AI云基础设施层尤其是数据层，准备好了吗？

比方说，企业数据团队在将Agent部署到生产环境时，经常会在数据层面遇到瓶颈。构建向量数据库、关系数据库、图数据库和湖仓等不同平台上的Agent，需要同步数据管道以保持上下文信息的时效性。但在真实的生产环境中，这些上下文信息会逐渐过时。

这个问题的紧迫性，源于Agent与人类工程师截然不同的数据消费模式。

“Agent正在一种极其活跃且激进的方式消费数据，它对于数仓或数据湖的调用频率是惊人的。”

亚马逊云科技技术副总裁Mai-Lan Tomsen Bukovec近日与笔者交流中指出，Agent是一种通过“并行择优”的工作模式，即：不是一次一个查询，而是同时数十、上百个并行，通过比较来寻找最佳路径。这使得Agent成为比人类激进得多的数据消费者——调用频率高出几个数量级，数据吞吐量呈指数级增长。

Mai-Lan进一步指出，“现在客户非常希望构建Agent基础设施，成本亦或者说性价比，不再是次要因素，而变成决定性因素。在未来半年到一年，随着Agent的爆发，底层数据服务的选择将变得至关重要。”

如今，OpenClaw的狂欢正在消退，留下的正是对云厂商底层存算能力的压力测试警告。Mai-Lan认为，亚马逊云科技在这一领域具备天然优势，Amazon S3(Amazon Simple Storage Service)的规模、Amazon Redshift与Amazon Athena在高并发下的成本效率，正是为这种超大规模、超高频的Agent数据交互方式而准备。

时值Amazon S3产品诞生20周年，围绕AI时代客户对数据处理的诉求，Amazon S3近期也实现了S3 Table（表格式）、S3 Files（文件）、S3 Vector（向量）的三大变革。

如S3 Table对Apache Iceberg的原生支持。Mai-Lan指出，Agent在处理数据时，倾向于直接通过SQL与Iceberg格式的数据交互。其底层逻辑在于，Agent构建于大模型之上，而大模型在训练过程中已对SQL语法和Iceberg数据格式形成成熟的处理能力。将所有表数据以Iceberg格式存放于S3，使得Agent无需学习多种复杂的访问API，即可高效处理数据。目前Agent与S3及Iceberg之间展现出高度的契合性。

当Iceberg能力被引入S3时，引发了新一轮创新浪潮，Postgres、Oracle等数据源开始直接写入Iceberg，Agent系统则可直接与这些表进行交互。而随着S3 Vectors的推出，越来越多的AI应用开始将向量作为共享记忆载体，从而为AI交互体验注入“状态”。

Mai-Lan还指出，向量已被引入作为S3的原生数据类型。向量的应用主要集中于两个维度：一是通过向量为存储在S3中的数据构建上下文信息，二是将向量用作共享记忆。S3 Vectors发布后的五个月内，市场反馈符合预期。大量客户开始使用该功能，通过嵌入模型生成向量以丰富数据的上下文。S3 Vectors作为Agent系统记忆空间的使用率呈爆发式增长。

值得一提的是，S3 Files于几周前发布，使Agent能够通过POSIX标准，即文件系统的方式处理S3中的数据。在Agent系统中，大模型高度关注“文件”这一形态，无论是Python库还是Shell脚本，均为大模型训练过程中所熟悉的内容，Agent天然倾向于将文件作为数据接口。

为此，S3 Files的设计思路是在S3存储桶上挂载一个EFS文件系统。通过该机制，用户可以基于POSIX标准在文件系统中处理S3数据：小文件可通过EFS缓存加速访问，大文件则直接从S3进行流式传输。这使得Agent能够以熟悉的文件系统语言与S3数据实现原生交互，并将共享文件系统视为来自S3的“共享记忆空间”。

从大模型记忆能力的发展来看，这一进步具有重要意义。当前的AI体验正逐步引入更深层的对话上下文与个性化互动——无论是在Agent之间、人与Agent之间，还是Agent与数据之间，模型表现均在持续演进。通过文件系统这一自然接口的进一步扩展，Agent系统的记忆能力有望获得更深层次的提升。

笔者注意到，从2006年以图像等半结构化数据为主，到后来的分析型数据，从最初的数仓到数据湖的兴起，亚马逊云科技目前正大力推动Amazon S3成为承载AI工作负载的关键底座，以适应当下客户的诉求。Mai-Lan认为，Amazon S3的设计核心是以经济的方式推动主流数据类型增长，并始终坚守数据的可用性、持久性和韧性等准则。而这也正是客户在20年间持续将其数据业务托付给S3的原因，也将承载其下一个20年的可能。

（本文作者 | 杨丽，编辑 | 杨林）