AWS Summit Seoul 2026：韩国企业与 Agentic AI

AWS Summit Seoul 2026 的核心是从生成式 AI 向 Agentic AI 的转变：三星电子、Yogiyo、Yanolja 等韩国企业展示的生产级案例，都以 AIOps 和基础设施运维、而非面向客户的 copilot 作为切入点。反复出现的技术栈是 Amazon Bedrock AgentCore、Kiro 和 Amazon EKS。本文梳理当天真正重要的内容，以及平台团队可以从中借鉴什么。

过去几年，围绕 AI 一直有一个反复出现的问题：模型、GPU 和数据中心投入了那么多钱，什么时候才能见到回报？财报电话会和分析师报告中频繁提到泡沫的可能性，而在 2024 年试水生成式 AI 试点项目的企业，也一直在等待真实的生产环境成果。

在 AWS Summit Seoul 2026 上，三星电子、Yogiyo 和 Yanolja 分别展示了面向生产的 Agentic AI/AIOps 案例，而 KB 国民银行展示了生产规模的 KBaaS API 基础设施现代化案例。这些讲座共同呈现了韩国企业如何将 AI 时代的云架构应用到运营、开发和嵌入式金融领域。本文将梳理活动整体是如何组织的、企业讲座展示了哪些内容、哪些 AWS 工具被反复提及，以及哪些关键模式可以应用到自身规划中。

当天议程围绕的转变

AWS 韩国 CEO 咸基镐（Ham Ki-ho）在开场时概述了三个阶段：Generative AI、Agentic AI、Physical AI。他将 Agentic AI 描述为主动阶段：大语言模型作为推理引擎，能够规划、调用工具并执行动作，而不只是回答提示词。Physical AI 则被定位为下一阶段，并介绍了新的 Physical AI Frontier Program，面向韩国机器人、AI 芯片和制造企业，从数据收集到边缘推理全程支持，帮助拓展全球市场。

AWS CFO Jon Felton 宣布了到 2031 年累计向韩国投入 12.6 万亿韩元的投资计划，公开资料中将其描述为全球云服务商在韩国规模最大的投资，预计在 2023~2027 年间为韩国 GDP 贡献约 15.06 万亿韩元。随后的 Industry Day 各场讲座，展示了这笔承诺如何在实际工程中落地。

主题演讲还重点介绍了 AWS 在本次活动中重点呈现的几款 Agentic 工具，由副总裁 Jason Bennett 逐一讲解：

• Kiro: 面向软件开发的全新 Agentic IDE，在台上被定位为与 Claude Code 和 Copilot 风格编码助手同类的工具。
• Amazon Quick Suite: 一个 Agentic AI 工作空间，用于发现洞察、开展研究、自动化任务、可视化数据，以及在多个应用之间执行操作。
• AWS Transform 和 AWS Transform Custom: 面向 mainframe、VMware、Windows 以及遗留代码现代化的 Agentic 现代化工具，支持版本升级、运行时迁移、语言转换和架构变更等场景。

企业讲座真正展示的内容

在各场 Agentic AI 讲座中可以看到一种模式正在浮现，但并非所有案例都遵循同一种结构。三星和 Yanolja 都采用了 Supervisor 或 Core Agent 结构，由其将工作委派给专业 Agent。Yogiyo 展示了一个基于 Bedrock AgentCore 的 AIOps 工作流，并将其与运营数据和工具功能连接起来。KBaaS 则不同：它是一套面向嵌入式金融的、基于 EKS 的 API 平台与网关现代化方案。

这些数字也让人清楚地看出，这不只是实验，而是真正的生产部署。三星电子的 Samsung Account 支持 21 亿用户，承载 50 多个服务，每秒请求超过 270 万次，在跨四个 Region、拥有 70 多个 namespace 的 EKS 上，每秒处理 20 万笔事务。三星提出了 Day-1 AIOps 目标，包括 MTTR 缩短 90% 以上、10 分钟内故障检出率达到 99%，以及将人在闭环（human-in-the-loop）操作工作降至 20% 以下，并将此作为通往「Toil 0% / Human First」路线图的一部分。KB 国民银行的 KBaaS 平台在从第三方 API 网关切换到基于 AWS EKS 自建网关之后，如今管理着约 1,800 个 API，每天处理 2 亿次调用。Yogiyo 介绍了他们如何从故障期间需要在多个控制台和日志之间来回切换，转向基于 AgentCore 的 AIOps 闭环，将指标观测、相关性分析、变更历史比对和 RCA 的 grounding 整合到同一工作流中。Yanolja 分享了最为细致的技术细节：他们面向 DevOps 和 SRE 的领域特化 Agent 由部署在 Bedrock AgentCore Runtime 上的 Core Agent 统一管理，SDK 使用 Strands Agent，并实现了端到端认证。

三星、Yogiyo 和 Yanolja 都把各自的 Agentic AI 案例聚焦在 AIOps 或基础设施运维，而不是面向客户的 copilot。KB 国民银行的案例则展示了一种不同但相关的生产化模式：为嵌入式金融在 EKS 上对一个高吞吐的 API 平台进行现代化改造。

在开发侧与之对应的，是 AI-DLC（AI-Driven Development Lifecycle），这是 AWS 提出的 AI 主导式开发方式，由人在验证和最终批准环节进行确认。三星采用这种方式后交付周期缩短了 70%，LG 电子 MS 部门则表示生产力翻倍。核心思路是把意图与执行分开：由人决定要发生什么、并对结果进行确认，而中间的步骤由 Agent 处理。

反复出现的 AWS 原生技术栈

在企业讲座中，有几个关键组件反复出现：

• Amazon Bedrock AgentCore 在三星、Yogiyo 和 Yanolja 的案例中都出现了。Yanolja 明确呈现了 Bedrock AgentCore Runtime，并搭配 Strands Agent 与认证。Yogiyo 展示的 AIOps 架构使用了 Amazon Bedrock AgentCore，结合了 Runtime、Memory、Gateway 与 MCP 工具功能。三星则展示了基于 AgentCore 的 AIOps 架构，由 Supervisor、Domain 和 Task 三层 Agent 组成。
• Kiro 被用作 Agentic IDE，三星将其与 Amazon Quick Suite 和 Bedrock AgentCore 一同纳入自身工具链。
• Amazon EKS 是 Samsung Account 与 KBaaS（这两个明确说明宿主的案例）的托管平台。

几个值得记住的主题

整场活动有几个明显的模式。第一，Supervisor 模式在两场彼此独立的讲座中出现了两次。三星和 Yanolja 在没有任何协调的情况下采用了同一种架构，这是一个很强的信号。第二，四个案例中有三个（三星、Yogiyo、Yanolja）的入口都是 AIOps 或基础设施运维，而不是面向客户的 copilot。KB 国民银行则是对其 API 平台进行 EKS 上的现代化改造，用于嵌入式金融。第三，他们有意把人留在闭环之中。Datadog 的讲座把这一点讲得很清楚：主导权和判断权留在人这一侧，执行则交给 Datadog AI Agent Builder 中的 Agent 完成。三星在开发侧的 AI-DLC 思路也是同一原则。第四，基础设施也需要跟上。GS Neotek 的讲座指出，Agent 工作负载中真正的 GPU 问题不是供应不足，而是利用率低下、闲置时间过长和过度分配，并主张在 EKS 上采用 Dynamic Resource Allocation（DRA，动态资源分配）作为下一代运维模型，综合考虑工作负载需求、共享策略和拓扑。