AWS 在本屆 AWS Summit Hong Kong 傳遞的訊息相當明確：AI 應用正從單一工具或個別部門的初步試驗，邁向需要管理層全面重塑數據、流程、權限與商業模式的深度轉型期。對香港企業而言，真正的考驗在於如何將 AI 轉化為可管理、可衡量且具備擴充性的日常營運實力，而非能否取得最先進的模型。
AWS Hong Kong Managing Director – Chris So 在傳媒簡報中指出，過往許多企業透過雲端技術推動數碼轉型，如今則正式邁入「AI 轉型」的新紀元。有別於早年採用雲端基礎設施，AI 的全面推行關乎 IT 架構，同時亦深刻牽動客戶體驗、員工生產力、工作流程重組，甚至企業決策的根本邏輯。因此 AI 轉型絕不能單靠技術團隊「由下而上」推動，而必須由管理層「由上而下」確立清晰方向，精準判斷哪些業務場景最值得優先導入 AI。
AI 由實驗走向治理與規模化
從 Chris So 的分享中不難發現，AWS 對企業 AI 發展趨勢有着核心判斷：市場正逐步從早期的「探索階段（Experimentation）」大步邁向「規模化階段（Scaling）」。
在第一階段，企業主要集中測試聊天機械人（Chatbot）、AI 助理（Copilot）、內容生成及基礎自動化，目標是驗證 AI 的可行性。然而當企業着手部署更多 AI 應用時，管理層的核心關注點便隨之轉移。企業開始深思：如何有效管理龐大的 AI 應用與智能體（Agent）？如何嚴控存取權限並保障數據安全？如何準確衡量投資回報（ROI）？以及最重要的 : 如何將 AI 無縫融入核心業務流程？
這意味着，企業面臨的命題已從「AI 能做什麼」演進為「如何將 AI 納入企業治理框架」。這正是 AWS 積極推動 Amazon Bedrock 及其 Agent 管理平台能力背後的主因。對企業決策者而言，AI 已從單純的創新科技，蛻變為企業營運實力的關鍵一環，必須與風險管理、資訊安全及整體業務策略進行同步規劃。
香港企業難題：工具不缺，卻不知如何開始
香港企業使用 AI 意願高，但實際推行仍受多重挑戰。Chris So 坦言，部分本地中小企與中型企業尚未建立清晰 AI 策略，對於數據保護、權限劃分以及 AI Agent 的行為可控性仍抱有疑慮。加上本地數碼與 AI 人才供應相對緊絀，導致許多企業陷於「不知從何入手」的困局。
對此 AWS 在答問環節中給出了一個極具實用價值的建議：企業毋須急於一開始便砸下重金採購 GPU、組建龐大的 AI 團隊或從零訓練大型模型。更務實的策略是「從小處開始（Start small）」，率先尋找一兩個具備高商業價值的「燈塔項目（Lighthouse project）」試行，例如改善客服效率、自動化生成報告、輔助軟件開發或強化內部知識管理等，並設立明確的 KPI 來驗證其實質效益。
當企業成功透過單一流程證明 AI 的切實回報後，便能更有底氣地將經驗擴展至其他部門與業務線。這種「小規模驗證、大規模推廣」的靈活漸進模式，正是當下眾多成功企業實行 AI 轉型的必經之路。
Amazon Quick Desktop：AI 由瀏覽器走進員工桌面
在是次傳媒簡報中，AWS 特意花了相當長的篇幅展示 Amazon Quick Desktop 的應用潛力，透過現場 Demo，AWS 具體呈現了如何將 AI Agent、企業私有數據與日常工作環境深度結合的願景，展現了 AI 深度融入員工日常作業的輪廓。示範以活動籌備為切入點，生動演繹了系統如何主動跨越渠道，整合電郵、協作工具（如 Slack）、行事曆及專案資料，協助員工瞬間掌握會議重點、代辦任務及相關的背景脈絡。
該示範深刻反映了 AWS 對於 Agentic AI 的前瞻性理解：AI 的核心價值在於具備強大的「記憶管理（Memory Management）」能力，能將散落於各個獨立系統的碎片化資訊編織成具備豐富上下文（Context）的流暢工作體驗。
企業 AI 的真正競爭力來自 Context
在技術解說環節，AWS 大中華區合作夥伴解決方案架構主管（Head of Partner Solutions Architecture）Dickson Yue 多次點出一個關鍵：企業應用 AI 時面臨的最大盲點，往往在於缺乏 Context，而非模型不夠強大。
即使企業將電郵、協作平台、CRM、ERP、檔案系統以至行事曆全數連結至最頂尖的大型語言模型，若缺乏脈絡，AI 依然無法辨識誰是專案負責人、哪份合約對應哪位關鍵客戶，或是一場會議究竟促成了甚麼決策。
簡報中帶出的「個人知識圖譜（Personal Knowledge Graph, PKG）」概念，透過梳理人、專案、文件、客戶與活動之間的千絲萬縷，能讓 AI 具備真正理解企業內部運作脈絡的能力。
從企業管理角度來看，這帶出一個重要啟示：未來企業 AI 的競爭力，未必來自採用哪一個模型，而是來自企業是否能建立完善的知識管理與數據關聯能力。
▲Dickson Yue 多次點出一個關鍵：企業應用 AI 時面臨的最大盲點，往往在於缺乏 Context，而非模型不夠強大。
MCP 連結私有數據 亦是提升互通性的關鍵
另一個強烈建議企業決策者關注的技術亮點，是 AWS Quick Desktop 示範中提及透過「（Model Context Protocol, MCP）」串接企業內部系統的應用。AWS 現場以物業及租務管理為模擬情境，完美展示了企業如何將租約條款、租戶動態、物業資產組合等核心營運數據無縫接入 AI Agent 中，再由系統瞬間產出精準的分析結果與視覺化圖表。
這個案例的震撼之處在於 AI 深刻說明了企業若要釋放真正的商業價值，就必須與私有數據及內部 API 深度打通，而非其生成圖表的能力。唯有當 AI 透徹理解企業自身的資料庫、權限架構與標準作業程序時，它才能跨越「被動答題」的局限，躍升為「主動協助執行」的最佳拍檔。
▲現場請來 Now TV 主持講解 AWS AI 工具如何導入到直播中
AWS 的 AI 架構：由算力、模型到 Agent 管理
Quick Desktop 示範背後其實映照出 AWS 已經構建起一套層次分明、功能完備的六層 AI 技術堆疊（AI Stack）。
這套架構的底層，由遍佈全球的雲端基礎設施、強大的 NVIDIA GPU，以及 AWS 專為機器學習自研的 Trainium 和 Graviton 晶片築起堅實算力。中間層則涵蓋了企業數據整合、Amazon SageMaker、Amazon Bedrock 平台，以及多元的基礎模型（Foundation Models）選擇。再向上延伸，便是專注於開發、部署與管理 AI Agent 的核心服務平台，例如 Amazon Bedrock 的 AgentCore 能力。而架構的最頂端，則是直接面向具體業務場景的應用層服務，如 Amazon Connect 等。
這種模組化的分層架構，對企業而言具有極大的戰略意義：企業不再需要盲目地將所有業務難題，都硬塞給市面上最龐大、最昂貴的模型去處理。管理層可以因應不同的業務場景，靈活挑選最具性價比的模型、工具及部署模式，並在統一的安全、權限與治理框架下安心運作。
隨着企業正式步入 AI 應用的規模化階段，Agent 管理平台的重要性將日益突顯。屆時企業渴求的將是，如何安全、合規地管理成百上千個 Agent 的身份認證、權限邊界、操作記錄與系統監控，而單一模型的生成能力已非重點。
AI 的競爭力來自企業知識，而非模型本身
綜觀 Chris So 及 Dickson Yue 兩位分享，AWS 意圖傳達的觀念昭然若揭：企業應專注於建立一套能夠持續迭代、自主運作的企業 AI 核心能力，而非盲目追逐最新、最強的基礎模型。
基礎模型正以前所未有的速度商品化，但企業內部積累多年的專屬數據、作業流程、知識結構以及嚴密的治理機制，卻是競爭對手永遠無法輕易抄襲的。無論是充滿潛力的知識圖譜概念、透過 MCP 打通企業系統的執行力，抑或是 Amazon Bedrock 展現的 Agent 治理框架，所有技術核心皆指向同一個真理：未來企業在 AI 領域的絕對優勢源於企業對自身知識與工作流程的深度掌握，單一大型語言模型並非關鍵。
對管理層而言，企業 AI 的投資重點理應從初期的「模型選型」，果斷轉向「數據治理、知識管理及流程重塑」。只要穩紮穩打建立起這些底層能力，企業日後便能從容不迫地切換或引入各類新型 AI 技術，確保在日新月異的科技浪潮中立於不敗之地。
與 HKSTP 合作升級：從創科支援走向 AI 商業化與跨境落地
除了企業 AI 技術層面的發布，AWS 亦宣布與香港科技園公司（HKSTP）深化合作，為 AWS 聯合創新中心展開新一輪三年合作計劃。不過在傳媒答問環節中，更著重討論的並非單純的初創培育數字，而是如何協助企業及初創把 AI 技術轉化為實際商業成果。
Chris So 指過去不少初創已具備技術能力，但在進入企業市場、取得大型客戶、建立合規能力，以及拓展海外市場方面仍面對挑戰。因此新一輪合作將更強調與 AWS 生態系統的連接，包括技術支援、雲端資源、市場拓展及企業配對等層面。
之後再談及香港科學園深圳分園及大灣區產業網絡的角色。對不少香港初創而言，大灣區不只是市場規模較大的延伸市場，更是驗證 AI 應用場景的重要環境。無論是製造業、物流、零售、金融服務還是生命健康科技，企業往往需要真實業務場景才能驗證 AI 解決方案的價值。
AWS 則強調，其角色不只是提供雲端基建，而是透過全球合作夥伴網絡及客戶基礎，協助本地企業把產品推向海外市場。對於希望由香港走向區域市場甚至全球市場的企業而言，技術平台、合作夥伴生態及市場渠道往往同樣重要。
從這次合作升級來看，AWS 與 HKSTP 更希望建立的是一條由技術驗證、企業採用到跨境商業化的支援路徑，而不只是傳統意義上的創業培育計劃。
總結：企業 AI 的下一場競爭，是組織能力的競爭
總括而言，AWS Summit Hong Kong 傳遞的核心：企業的 AI 發展旅程，已正式告別「試用模型」的階段，全面進入「建立組織能力」。未來的商業角力在於企業團隊能否高效整合龐雜數據、妥善管理內部知識、大刀闊斧重塑流程，以及建立起一套行之有效的 AI Agent 治理體系，而非局限於單一模型的效能跑分。
對廣大香港企業而言，眼前最艱鉅的挑戰往往在於如何痛定思痛，解決長久以來的數據孤島、知識流失與流程碎片化等歷史遺留問題，而非「該買哪個模型」。唯有當企業穩紮穩打地築起數據治理與知識管理的堅實基建，才能在瞬息萬變的科技浪潮中，靈活駕馭各種 AI 創新技術，並將其昇華為企業長遠的競爭優勢。
重新審視香港的戰略定位，與其耗費巨資在基礎模型研發上角逐，香港更應善用其「引進來、走出去」的橋頭堡優勢，大力發展企業級 AI、金融科技 AI 及各類跨境應用解決方案，並藉助其強大的國際市場連接能力與大灣區廣闊的產業腹地，加速創新科技的商業化進程。
簡而言之，未來頂尖企業與平庸企業之間的鴻溝將不取決於 AI 模型本身的優劣；真正決定勝負的，是企業能否具備非凡的魄力與遠見，將 AI 技術深度且完美地揉合至自身的知識庫、業務流程與組織文化之中。
