# 加速蜕变：Amazon Transform 加速企业现代化的 AI 密码 > **合规声明（生成式 AI 服务）**：前述特定亚马逊云科技生成式人工智能相关的服务目前在亚马逊云科技海外区域可用。亚马逊云科技中国区域相关云服务由西云数据和光环新网运营，具体信息以中国区域官网为准。 > > **完整资料：如果想了解更多内容可以访问:https://events.amazoncloud.cn/china-summit-on-demand/ > > **免责声明**：本摘要仅为便于您了解峰会内容而提供，我们不对其完整性及准确性作出任何保证，且不构成任何建议或结论。相关内容仅供参考，实际内容以峰会回放视频为准。 ## 一、基础信息 - **会议类型**：专题演讲 - **Persona**：Agent 构建者 - **时间信息**：6月23日 | 16:00 - 16:30 - **标题**：加速蜕变：Amazon Transform 加速企业现代化的 AI 密码 - **PDF 资料**：无 - **视频回放**：有 ## 演讲人信息 ### 会议信息 - **地点**：上海世博中心（2026 亚马逊云科技中国峰会） - **日期**：2026年6月23日（Day 1） - **时间**：16:00 - 16:30 - **会议类型**：专题演讲 - **面向 Persona**：Agent 构建者 ### 亚马逊云科技演讲人 - **Christian Smith**：亚马逊云科技全球存储业务拓展总监 - **Christina**：Agentic AI 产品专家 ## 二、会议资料 PDF 转录内容 （本场次无 PDF 资料） ## 三、会议回放视频转录内容 谢谢，我觉得我已经说了一些话，因为大家都在离开 你好，很高兴大家来到这里 我叫 Christian Smith 今天我要来跟你们谈论，我们已经在一边 我们今天会谈论 Amazon Transform 这次会谈论 Celerating AI Formula Behind AI Transform Celerating Enterprise Modernizations 我们在一边，对不起，我这里有一个领域 在英文中，我看见的 因为我这次不能读得好 所以我从世界上去市场 和 S.A.团队 我们是市场和资料保护专家 我工作为一部团队 做很多的迁移和现代化 Christina 会进来谈论 她是 Agentic AI 产品专家 她会进来谈论一个我们的实际案例 所以我们先开始 今天有很多的研究人士 他们给我们三种不同的资料 一种资料是70% 的应用程式 仍然在现场 其中一个原因是70% 的应用程序 是20 多年前的 他们有很多的应用程式 并且他们在应用程式上 结果是 一年内的1.5年 进行应用程式 我们想问的问题 有多少工作人士 仍然在行动 有些资料的问题 是否可以更快 更加快地进行 这些是我们问的问题 所以我们把这项项放在三个项目上 我们发现了 有很多有关的游戏系统 为什么要花18个月或更 是因为很多的努力 而它需要用来找到 发展、计划、进行 进行这些项目 他们是一种模式的 你不能只能把他们转移 你必须进行一些模式 你不能只能把某些项目 所以我只想 modernize the database 它不太能够做到的 然后你提到的公司 它是关于公司的层次 所以很多公司 有很多人 在这些民进的 例如是发展员 或是工程师 或是 DBAs 他们在这些公司的领域 他们很难得到 有关这些公司的领域 去找公司的领域 进入一个方式 而是典型的领域 会影响34% 的民进的领域 57% 的领域 会有优惠 和在公司的领域 最后是 有多严重的资料 所以当你提到 更多的公司 10年前 有一个很好的机会 人们写的公司 是没有更多的 或是他们已经进入的 所以你如何 将这领域 的资料 提供到这个公司 让他们采取 像是一个关键 还有 有些人 会懂得 像是大型机构 和大型机构 但没有存在 不算是很严重的所谓 不过如果你拿起来 他可能会用很多钱 还有 有些问题 在公司的领域 最高线 像是 这个领域 没有计算 我们已经有20年 做这个 这就是 我们建立了 Amazon Transform 这领域 是挺好的领域 所以 Amazon Transform Agentic AI service first purpose built for large scale enterprise migrations and 馆 in generalization and its available today. It really focuses on four main workflows which is my paper fragmentsnant cube bank of evasion to use hte firm word migration and full state windows migrations, including dot net UI framework, SQL server. And deployment pipelines. This is a platform though. It's not just about those four point solutions. 是因为它是关于任何的程式 或是关于任何的程式 或是关于任何的程式 它有建设设定 例如 NoJS、Java、Python 任何的程式 它是建设了 20年来的迷路 体验 最酷的 是用这些四个用家 它是免费的 我们为了免费 可以使用亚马逊云科技 使用这些 Agentic AI services 使用它 唯一的方法 是用一些 免费的方法 使用一些 继续的优势 免费的方法 所以 这是艺术 最基本的理念 是我们在建设 一个艺术 转换作用家 所以 我们需要 一些不同的技术 转换方法 会免费 由 CIO 由制作人 或是一个个位 tagged double teams can work together and collaborate in parallel without losing visibility your governance collaboration is native to the platform so that's piece of this is that all stakeholders are working in it is the same time and that you all essentially work towards this single unified task of migrating and modernizing applications at scale at high velocity it is a fundamentally different interface so rather than 全新 是一种全新的，用自然语言的 interface 你会想要达到的目标 例如，我要移动这条 MVM 我要用这个.NET application 我要用这条 COBOL Code 公司会顺利在这些步骤上 进行工作，并供应结果 这是一个目标，是一个出入 然后他们会想想如何做 所以这个不只要你不断地转动 然后他们会被扣押 这也要有一个人在拖动 所以你会有全面控制、全面可视性 你会有全面审核能力 所以他们可以自主 做推进的工作 但他们仍然有团队 去适合这步骤 所以你会把正确的行动 这 really lowers the barriers to non-technical stakeholders while keeping kind of experts in control. From a fundamentals perspective it's three different pillars. There's the expert agents. These are purpose-built AI agents that extract business logic from legacy systems and expand the understanding of the enterprise-specific content. Your coding guidelines, your architecture patterns, your best practices, they don't just read code, they understand the intent. The second one is the agentic AI layer. And this is about reasoning and execution. They operate with the goal-driven logic here and they can self-debug when they encounter issues. They can integrate with coding agents. They can integrate with humans and workflows. This is what separates it from just a simple automation tool. The third is continuous learning because it's your environment. It gets to know you, your data patterns, your business logic, your code styles. And so it's continually improving and fine-tuning itself as it goes along. Now I'm going to pull back the covers for a moment. And as I pull back the covers for a moment we're going to look at just the different components of this so you can see how it's all put together. So what you're looking at is the 亚马逊云科技 control plane, Transform Control Plane. This is the orchestration layer that pulls every user, every tool, and every AI agent together. You start at the top with the users up there. This is where users interact with various team members. So everybody in the organization has a role like technical PMs, delivery managers, network admins, security experts, etc. that are part of the organization's transformation efforts. These users interact through multiple different interfaces. They could be at an IDE. They could be at the web console. They could be interacting with a CLI. They can be interacting with Kiro. And they're integrated into things like your code repositories and your authentication providers. In the middle is the Cloud Foundation, Cloud control plane foundation. This is the job orchestrator that's going to sequence all the transformation work. It's going to keep the managers and projects isolated. It's going to keep the knowledge-based storing patterns and enterprise. And it's going to learn systems continuously improve. That's this layer here. And the throttle down there is going to be make sure that as decision comes up or logic gates come up, that you need to go work through them. And then below are actually above are the task agents, which are specific to the various workloads. And those things are like VMware, Proserve, and also custom agents. Below that, it's all powered by Amazon Bedrock AgentCore. Now looking at this is any agent, any tool, one platform. This is where Amazon Transform meets you where you work with multiple extensions available. So I'm going to cut to this like most important part of the slide because we talked a lot about this, which is you can use Cursor to load results and run next step. You can access, Register transform agents through things like MCP and agent to agent gateways. You can use Cursor agent builder with strands frameworks for AgentCore SDK to create custom agents. Your agents plus ours so meaning you can create your own agents that continuously integrate with this. And what's new is there's an agent marketplace that plugs right into this. So if you're thinking about continuous modernization this is a great platform to plug into. Don't take my word for it. We've already saved 1.69 million hours of manual effort. This is 810 developer years of work. This is where engineering has been able to redirect their efforts from tedious error prone manual work back to more strategic work and innovation. And we've gone through 4.56 million lines of actual customer code. So we've been doing this for a while now. We have a number of global customers from banking customers like Danske Bank and Banco Itaú insurance customers like Bayer getting like BMW group. These organizations have mission critical systems who've chosen Amazon Transform because of the ability to operate at scale with governance and reliability in their environment. We're going to have an example. Christina is going to come up and talk about Bayer China. So we have examples specifically here about full stack windows deliverables. If I just walk through that one component of full stack windows modernization it looks like this. It's the first agentic AI service that addresses the entire windows applications.stack.net UI, SQL Server, databases and deployment. It's a single coordinated workflow, not just like one layer at a time. Great impact, 5倍加速, 70% reduction in operating cost, consistent quality through all layers of agentic AI. The ability to scale and modernize across hundreds of applications. By breakdown the example here, this is the before which is typically a windows server running on some sort of VM. You have a web forms layer, MVC Razor for UI layer, business and data access logic with .NET framework 3.5 or higher in SQL server. Amazon Transform in the afterside it's now running on Amazon ECS or EC2 Linux, all open source. The UI layer has been modernized to web forms in Blazor, MVC Razor to ASP.NET core, business logic, and data access layers updated to .NET 8 and 10 or 10. The database layer and this is the big part of what typically holds people up, converts to Amazon Aurora PostgreSQL where Transform not only converts the schema, it also converts the stored procedures and migrates the data. In this you have two experiences, you have a developer and a DBA-led experience through Visual Studio IDE. So it's right in the the wheelhouse of what people are working on today, day in and day out. This sets the story for Bayer and I'll hand it over. Thank you, Christian. 大家好，我叫 Christina，我是 亚马逊云科技，负责 Agentic AI 产品的 产品专家 接下来的15分钟的时间 我会给大家 着重的分享一下 我个人 亲身经历 深度参与过的 一个合作的案例 如何利用 Amazon Transform 把我们的 客户这边的 基于老旧的 Windows 这些应用 全栈的应用 转化到 Linux 上面 Bayer 大家可能都听说过 它是一家 总部位于德国的 知名的 生命科学的 一家公司 涵盖了制药个人 消费者健康等等 涉及到很多的 一些业务 当然因为它的历史 原因 历史也挺悠久的 从很多年前 它就开发了很多 相应的一些 IT 系统 不仅对内部 也对外部的一些 系统在使用 其实在过去的 几年时间里面 它一直想去做这种 现代化的转型 想去改造 它老旧的一些应用 其实我们看到 从2024年开始 就开始的一些 IDC 向云迁移的一些评估 到了2025年的时候 也包括了一部分 VMware 的一些 工作负载 也向去向云迁移道运动 到了今年 其实 从去年下半年开始 我们已经在参与 跟客户一起 来做一些深入的一些评估 如何把它们 基于 Windows 的 整个全栈的一些应用 包括.NET 特别老的版本 4.0 的这些 版本的一些应用 包括 SQL Server 这些都是特别老的一些应用 而且更重要的原因 是因为它背后 大家知道 Windows 也好 SQL Server 也好 都有相应的 License 的一些费用在这里面 所以 基本上从今年年初开始 过完春节之后 我们就跟客户一起 着重去探索评估 去看一下 我们相应的 Windows 整个技术栈的 这些老旧的应用 如何用我们的 Transform 的产品 能够快速地去转换 然后 逐渐也遇到过一些 大大小小的一些问题 我们也都会用 AI 的相应的工具 逐渐去解决 那么到了今年为止 我们已经成功地 迁移了一些 相应的一些项目 到了云上面 然后 将来的话 我们也会 跟客户一起 去迁移更多的一些 老旧的应用 到云端上面来 所以 我们看到 其实很多企业 特别是这个 历史稍微长一点 企业都面临着 类似的一些问题 老旧的应用 没办法去改 里面懂这些 老旧应用的这些人 也都找不到了 没有这方面的一些专家 然后这些 老旧的应用可能 因为各种原因 也就绑定在一些 有 License 的 一些产品上面了 然后 这些老旧应用 有很多技术栈 都已经不再支持了 所以也面临着一些 安全方面的一些风险 因为有些安全漏洞 再也没有人去维护了 再也没有人去管了 然后更重要的就是说 随着 整个技术栈的淘汰 没有人去懂了 也没办法去拥抱 现在的一些新技术 特别是现在 这个 AI 时代 我们要对老旧的业务进行 AI agent 的一些改造的话 也是困难重重 所以在这个时候 我们跟客户 一起来看了一下 就是客户 如何去使用 这个 Amazon Transform 去改造 当我们发现的时候 去评估的时候 遇到了 客户表达了很多的 相应的一些痛点 在这个里面 首先第一点就是 前面稍微提到过一点 就是开发人员再也找不到 就是当时 可能是自己内部也好 还是说找外部的一些 供应商帮他们开发这些系统 经过这么多年之后 再也找不到相应的人 没有人能够清楚地讲清楚 可能业务层面 可能还了解一些 但是从技术架构 从代码层面 没有任何一个人 能够非常清楚地去讲清 讲明白里面 到底是怎么工作的 用了哪些技术栈 潜在了哪些风险 它们相互之间的依赖等等 都没有一个人 能够讲得清楚 然后如果 真正要去做 这件事情的话 这种错综复杂的这些依赖关系 不仅是应用之间 还有应用跟数据库之间 这些错综复杂的关系 没有人去讲得清楚 特别是之前 他们可能暗含着 还有很多的依赖性 并不是说 表面上看到 就说我用了一个 一个 SDK 我用了一些 相应的某一些功能 但是他背后 可能还隐藏了一些 bug 实战 然后要做这件事情 其实暗含着很大的一个风险 客户明确地表达出来 我做这件事情之后 如何保证 我迁移改造完了之后 升到新的版本 从 Windows 迁到 Linux 之后 原来正常的那些工作 不会引入新的问题 这是一件很难去评估 很难去保证的一件事情 然后也有一些 预算方面的一些问题 就是大家知道 前面提到这么多困难 其实最终都体现到 这个预算上面来 不过我们去 从头开发一遍 这个整个系统 当然也可以做 它因为有很多的 更高的一些成本 这都是一些 非常实际的一些痛点 也是我们通常 跟客户聊到这个老旧 应用改造的时候 一些痛点在这里 那如何去使用呢 其实 Transform 这个产品 从去年 前面 Christian 也特别讲到 我们从去年 就已经开始在预览 这个产品 到去年底的时候 正式发布这个产品 也做了很多的 积累了很多的一些经验 那么同样 在这个项目里面 我分几个步骤来走 第一步就是跟他一起去 深入了解 让客户对这个产品 建立一些信心 因为很多时候 大家知道就是 AI agent 的时代 这个领域发展很快 也看到过非常好 效果非常好的一些 demo 产品 给你讲效果怎么好 但是一旦实际落地 一旦应用到 真实的生产环境当中 发现很多问题 那么如何让客户 去相信这个产品 我们不仅只是讲了一些 基本的原理 还给他看到很多实际的一些案例 让他对这个产品 有些深入的了解 完了之后 就是技术验证 POC 的阶段 这是通常我们 能够让我们自己也好 让客户也好 能够对这个产品 建立一些信心的 一个非常重要的手段 所以我们就选择了几个 一共前前后后 选了三个不同的 内部的一些应用 进行了一些 POC 的验证 也对这个 POC 的 通过 POC 对这个 产品的能力有些了解 其实主要就是说 我们发现在这个过程当中 使用这个产品并不难 让他转换成 把代码转换成功 也并不难 我们从.NET Windows 平台4.8 转到.NET 的 8.0 跨平台 让他去把这个代码 转换完成 并不难，非常容易 可能也就几个小时 一个大的项目 几个小时就自动转完了 验证也都能够 基本的验证 测试都能够通过 但是在这个过程当中 仍然必不可少的 需要有很多 把这个应用转换完了之后 一些验证的工作 其实是非常难的 如何保证我们的业务 真正能够跑起来 我们的数据 我们的业务逻辑等等 都是符合我们的希望 这都是比较困难的一些事情 所以我们也是 通过跟客户相应的 对于比较了解的一些团队 相应做了更多一些 集成测试 来验证这些事情 是真正能够工作的 那有了这些之后 我们就有相应的最后 真正把整个项目 相应的这些项目 真正完成交付的 工作在这里面 所以整个过程 其实是我们讲 Windows Full Stack 就是全栈 这个转换 为什么要讲全栈呢 因为我们通常 Windows 的应用 都是它的整个体系里面 SQL Server 作为标配的 这个组件在这边 你光去转换 相应的源代码 肯定是不够的 因为你把代码转完了之后 给它关联的数据库 代码里面也写了很多 包括数据库访问的代码也好 或者是一些 ORM 的 这些 Library 等等 都需要去改动 所以我们是联动的 就是从 相应的代码 到相应的 SQL Server 整个过程 其实是一个循环的过程 就是从分析转换验证 其实也比较类似 我们上一页给大家讲到的 三个阶段要去做的这些事情 大家可以看到 它是一个循环的过程 其实大家今天可能听说过 一个非常热门的 AI Engineering 的领域 热门的一个词汇 叫 Vibe Engineering 又有新的词汇出来 其实我们这个产品 在 Vibe Engineering 这个词 出现之前 炒作起来之前 我们实际上 把这套架构 已经落地到了 Amazon Transform 这个产品内部 它的工作原理 就是按照我们现在所看到的 Vibe Engineering 实现来做的 包括分析转换验证 最后再去 有了相应的记忆 是完了之后 能够记住我们 相应转换过程当中 踩的一些教训在这里面 完了之后 我们的 SQL Server 其实是挺难转换的 一个环境 就是在 SQL Server 的时候 我们也是 当然大的方向也是这样 从发现到转换 到迁移 最后去部署 在上面去运行 因为它牵扯到 你的数据库 改了完了之后 你的相应的代码 肯定要改的 虽然我们前面 第一步已经把代码 升级到了 跨平台的 .NET 10 上面去 .NET 8 或者10 上面去 但是仍然我们整个 比如说从 SQL Server 迁到 PostgreSQL 它的接口访问 它的 SQL Server 的语法 特别是有很多 比较细小的一些环节 特别是 可能还有很多的 比较复杂一点的 SQL Server 里面的 一些存储过程等等 其实都是一些 可能一开始上去 80% 的工作很快就能完成 但是就是那剩下的 20% 的这些工作 是最棘手的一个工作 所以在整个过程当中 其实也是大的方向 也是这么来做的 那么在完成的一些基本的 AI 完成一些基本的 整个架构的转换 从 SQL Server 迁到 PostgreSQL 之后 那就涉及到 整个 Schema 的迁移 以及数据本身的一些迁移 一般来说我们是 先把 Schema 转换过去 用一些测试数据 做了一些基本的验证 完成之后 再做整体的数据迁移 这个过程 然后完了之后 我们的整个应用 不仅仅是 数据库还有整个应用 就可以跑在 Linux 上面 接下来做容器化 其实简单很多 所已经过了这么一些 从 POC 到最后 实际去转换 做这些工作的过程当中 其实我们 也取得了非常不错的一些成绩 我们有很多的 做了一些统计在这边 看到我们说 其实基本上 大部分85% 的 这些工作基本都是 AI 帮我们去做的 这个其实非常非常符合 我们现在看到的 AI 型的 不仅仅是在 Coding 领域 在这个 Transform 转换 现代化这个领域里面 这个工作效率 85% 能够很快地去做 但确实仍然还需要有 10% 的相应的工作 需要人去做的 所以到今年为止 我们看到的 AI 型的确实 还需要人 更多的一些参与 所以 有了这个人工的一些参与之后 我们就标注了 准确定位的一些 需要修改的一些点 其中可能 我们当时看到 比如说一些细小的一些点 包括像 路径这些匹配 大家知道 最简单的 Windows 那个路径的写法 跟 Linux 写法 肯定是完全不一样的 然后这个里面也就扫描 快速能够扫描的话 能够利用这个工具 我们看到有不同的 有两个项目 有二十几个文件 然后整个过程当中能够 让它自动能够 转换完成的 就80% 多的这些代码 剩下的 前面提到 需要人去做 那谁来做 前面提到 客户自己 没有这方面的专家 这个以前也是找 其他的一些厂商 帮他们开发 他们自己人早就 没有人能够懂 这方面的一些业务逻辑 这些代码 那剩下的事情 这个到底谁去做 其实 亚马逊云科技本身 有一个自身的 一个专业服务的团队 能够帮助客户 去做这些实施的一些工作 这个团队也是非常熟悉 有丰富的迁移 跟现代化转换的一些经验 在 AI 时代 也非常擅长利用 AI 的一些工具 去放大他们自身的 一些能力 所以他们参与 进来之后 其实就是解决了 包括最后一公里 交付的一些问题 就是我们前面提到的 AI 不能够解决的一些问题 由我们的 这个 professional service 团队去做 然后还用到他们自身的 一些经验 一些方法论 来指导客户 如何配合他们 去做相应的一些工作 包括一些验证 包括一些流程方面的一些工作 然后如何 帮客户建立 其实更多是一个信心 去验证证明这个工作 这个转换完的应用程序 确实跟原来的 功能都是一样 没有出现一些大的 一些问题 一些 bug 在这里面 然后这时候 还是更重要的 就是说好不容易 虽然有 AI 的工具 在这里面加持 那客户也是 投入了一些精力 在这里面 如果把这些 转换的这些流程 这些工具 这些知识也好 如何能够赋能到他们自身 让他们自己 能够今后 利用自身的能力 去做这方面的一些 转换的一些工作 这也是我们 交付团队 协助他们 做的一些工作之一 在这里面 所以最后我们看到 取得了 一个非常不错的 一些成果 包括 我们对于 项目周期的时间节省 可能大家看只有30% 但是因为这个项目 也算是一个 早期试点的一个项目 它本身规模不是很大 所以这个不是特别明显 但是我们看到 它在成本方面的优化 其实是非常显著的 因为很明显 License 的费用 就是占了一大头 然后本身 转换完了之后 Linux 对于 服务器的利用率也好 或者是容器化之后 利用率也好 或者是本身的性能也好 Aurora 本身 带来一些性能的优化 都有很多的一些优化 在这里面 然后还有运营效率 本身原来 因为原来就是 相应的一些特别老旧的 这些方法在那边 现在有了 这个自动化的流水线 CI/CD 它运营效率也得到了 很多提升 然后用了最现代的一些 现代的一些有 维护有安全保证的一些 Library 也好 他们技术栈也好 安全问题安全漏洞 也减少了很多 最后提到一点 就是前面我们 给大家讲到是 专门针对 Windows 这个技术栈 去做的一些工作 那么有了这方面的 一些经验 有了这方面的一些信心之后 客户也在 逐渐积极地去探索 跟我们一起去看 如何利用 Amazon Transform 去做更多的 这些现代化的工作 所以我们也在逐渐利用 Transform this Holistic 这个组件 Holistic 我们前面 给大家提到 它其实是一个 非常通用的 不限于 Windows 改造的一个技术 它可以说是 A to A 就是任何语言 转化成任何语言 任何的语言 转化成文档 编程语言 转化成 TestCase Anyway 就是你需要 你能够想象得到的 你有明确的 符合我们说的 Vibe Engineering 那个验证标准的 这样的一些项目 都可以拿这个工具来做 它其实就是一个 非常标准 非常前沿 早就已经实现的 Vibe Engineering 实现在这边 所以我们也期待 能够跟客户 有更多的 一些成功的一些 项目在这里面 所以我的分享就到这里 谢谢大家