Cisco 如何借助 AWS AI League 让 1,200 名工程师上手智能体 AI
From learning to leaderboard: How Cisco upskilled 1,200 engineers in agentic AI with AWS AI League
Cisco 在 Cisco Transformation Fest 4.0 上举办 AWS AI League 锦标赛,1,200 名工程师参与智能体 AI 与模型微调挑战,冠军 Nishanth Aluhonnu 获得 AWS re:Invent 2026 全场通行证。
Cisco 与许多大型工程组织一样,正在采用生成式 AI 和代理式 AI 来改变其工程师构建软件的方式。难点已不再是能否获得这项技术,而是如何帮助数千名工程师从观看演示,转变为有信心地用它来构建。录播课程和幻灯片很少能弥合这一差距。工程师在构建真实事物、看到它失败、修复它并再次尝试时,学习速度最快。
AWS 正是为此设计了 AWS AI League。它将动手实践式的 AI 学习变成一场游戏化竞赛,参与者在 AWS 上定制模型并构建代理,在实时排行榜上获得即时反馈,并在游戏节目风格的决赛中展开角逐。
Cisco 是这种模式在规模化应用中最清晰的例子之一。2025 年,Cisco 软件工程师 Hemanth V 从参加 Cisco 内部活动,一路走到在 AWS re:Invent 2025 上被加冕为首位 AWS AI League 冠军。2026 年,1,200 名 Cisco 工程师在 Cisco Transformation Fest 4.0 的 AWS AI League 锦标赛中同场竞技。获胜者 Nishanth Aluhonnu 赢得了在拉斯维加斯举行的 AWS re:Invent 2026 的全场通行证。
在本文中,我们分享 Cisco 和 AWS 如何借助 Cisco Transformation Fest 和 AWS AI League,构建一种持久的“边做边学”文化。我们此前已在 From theory to delivery: How Atos upskilled 400 engineers in agentic AI 中介绍过这一项目,而本文聚焦 Cisco 的实践经验。我们将回顾 Cisco 的历程,分享 2026 年获胜代理的技术经验,并说明你的组织如何举办自己的 AWS AI League。
什么是 AWS AI League?
AWS AI League 通过竞赛帮助组织培养高级 AI 技能。每一届联赛都遵循三个步骤:
- 学习 – 由 AWS 专家主持的 2 小时动手实践工作坊,介绍相关工具和挑战内容。
- 构建 – 参与者按自己的节奏进行实验并提交到实时排行榜,自动评估器会在每次提交后给出实时反馈。
- 竞赛 – 顶尖决赛选手登上舞台,参加现场直播、游戏节目风格的盛大决赛。
尽管 AWS AI League 提供多种用例,但在 Cisco,它提供了以下两项挑战:
- 代理式 AI 挑战 – 参与者使用 Amazon Bedrock AgentCore 构建代理,该平台可使用任意框架或模型大规模构建、连接和优化代理。代理在迷宫般的网格中移动,在通往宝箱的路上解决各种挑战。这些挑战对应现实世界任务,例如处理不当内容、运行代码、从网络检索信息以及提取结构化数据。构建者可以为监督代理和子代理选择模型,并添加诸如 AgentCore memory, a capability of Amazon Bedrock AgentCore 和 AWS Lambda Event Functions 等工具。构建者使用 Amazon Bedrock Guardrails 为其代理应用安全控制。
- 模型定制挑战 – 参与者使用最新训练配方在 Amazon SageMaker Studio 中微调模型。当自动评估器评定参与者定制的模型在竞赛中的特定任务上比参考模型更准确、更全面时,该挑战会给予积分。
决赛选手根据时间效率、准确性、代理规划和 token 消耗效率进行评分。
图 1:AWS re:Invent 2025 上的 AWS AI League 冠军
图 2:2026 AWS AI League 冠军在 Cisco 园区
Cisco 与 AWS 的合作伙伴关系
Cisco 的 AWS AI League 故事源于深厚的工程合作伙伴关系。Cisco 和 AWS 为共同客户整合网络、云、安全和可观测性,这些客户包括:
- Cisco SD-WAN,其控制器架构运行在 AWS 上,并作为软件即服务(SaaS)应用为全球客户提供服务。
- Cisco Meraki、Cisco Spaces 以及 Cisco 的物联网和智能建筑团队。
- Cisco Cloud Control,一款与 AWS 服务集成的云原生、AI 驱动的应用,整合了安全、网络、可观测性和协作。
- Cisco AI Defense,Cisco 的安全团队在此使用 Amazon Bedrock 和 Amazon SageMaker AI,在整个 Cisco 产品组合中嵌入 AI 治理和护栏。
两家公司还发布了跨网络和 AWS 的联合部署指南和 Cisco 验证设计。近期的一个联合创新示例是跨 AWS 骨干网的按需 SD-WAN 架构,旨在提供客户所期望的韧性和正常运行时间。
“当你看到那么多业务部门各自独立地选择在 AWS 上原生构建其下一代平台时,这已经不再是一种供应商关系了。这是一种真正的工程合作伙伴关系。”
— Kumaril Kapoor,Cisco 工程副总裁
Cisco 工程副总裁 Kumaril Kapoor 与 AWS Industries India 负责人 Chandra Balani 坐下来讨论 AWS 与 Cisco 的合作伙伴关系故事,从网络、云和 AI 领域的联合创新,到通过年度 Cisco AWS Transformation Fest 赋能数千名工程师。
Cisco Transformation Fest:大规模赋能
随着合作伙伴关系的发展,它超越了技术层面,延伸到了人员层面。AWS 与 Cisco 印度团队密切合作,发现 Cisco 众多业务部门的工程师对学习和实验有着强烈的兴趣。问题在于如何将这种影响扩展到合作伙伴关系日常接触点之外。
答案就是 Cisco Transformation Fest,于 2022 年首次举办。该项目建立在团队总结为 SCALE 的五项原则之上:
| 原则 | 对 Cisco 工程师意味着什么 |
| 分享 | 与跨团队的同行分享你所知道的内容。 |
| 连接 | 与跨业务部门的工程师建立联系。 |
| 采用 | 采用新技能和 AWS 服务。 |
| 学习 | 通过构建来学习,而不是通过观看。 |
| 实验 / 参与 | 动手实验,并持续参与技术和彼此互动。 |
图 3:2026 Cisco AWS Transformation Fest 4.0 AWS AI League 决赛入围者
Transformation Fest 汇集了多种形式:AWS GameDays、AWS AI League、由 Cisco 领导者与同行分享最佳实践和成功案例的会议,以及关于 Amazon 和 AWS 文化的会议。最初只是一场活动,如今已成为一项为期三天的年度项目,已完成第四届,覆盖约 2,000 名工程师。AWS 继续通过动手工作坊和基于体验的加速活动与 Cisco 团队互动。
“这对我们来说确实很有价值,而且这真的是一段旅程,但我最欣赏的是它背后的意图。它是围绕我们的人员构建的。它给我们的工程师时间、空间和动手支持,让他们在 AWS 上培养真正的技能。对我们来说,它已经变成了一种持久的边做边学的文化。这不是一次性活动。”
— Kumaril Kapoor,Cisco 工程副总裁
赋能转化为执行:Cisco 的 AWS AI League
在 Transformation Fest 的所有形式中,AWS AI League 的影响最为显著。它以游戏化、动手实践的结构,让工程师在倒计时和同侪面前,使用 Amazon SageMaker 进行微调、模型定制,并使用 Amazon Bedrock AgentCore 构建智能体。参与者离开时不仅带走了实践经验,也对自己的人工智能技能建立了真正的信心。
“这正是赋能真正转化为实际执行的地方。”
— Kumaril Kapoor,思科工程副总裁
2025:从思科园区到全球冠军
Hemanth V 是思科交换核心平台团队的一名软件工程师,他的励志旅程为思科树立了标杆。
他的旅程分为两个阶段:
- 思科 AWS Transformation Fest 3.0 上的 AWS AI League。他在模型定制挑战赛中与来自思科的 600 多名参赛者同台竞技,在 Amazon SageMaker 中微调了一个小模型,并夺得冠军头衔。
- AWS re:Invent 2025 全球总决赛。在拉斯维加斯,他面对了一个完全不同的挑战:智能体 AI 赛道,他构建了一个智能体来穿越动态的游戏式迷宫。他获得第一名,并在 re:Invent 主题演讲中受到表彰。
Hemanth 领先于来自 Aqfer 的 Ross Williams(第二名)和来自 Capital One 的 Deepesh Khanna(第三名)完赛。
“你不需要事先知道一切。你会在过程中学到很多东西。唯一重要的是你的好奇心和学习的意愿。”
— Hemanth V,思科软件工程师,2025 年 AWS AI League 冠军
2026:1,200 名工程师,一位冠军
2026 年,思科 Transformation Fest 4.0 举办了完整的 AWS AI League 智能体 AI 锦标赛。AWS 客户团队开展了赛前培训,使没有智能体 AI 经验的工程师也能从第一天起参赛。赛制旨在将庞大的参赛队伍缩小到单一冠军:
| 阶段 | 形式 | 获胜结果 |
| 资格赛 | 1,200 名参赛者分为四个组。每组前 5 名晋级半决赛 | 第 3 组第 1 名,15,906 分(98 次提交) |
| 半决赛 | 20 名参赛者争夺 3 个决赛名额 | 第 1 名,16,321 分 |
| 决赛 | 在思科和 AWS 领导层面前进行 3 轮现场比赛 | 第 1 名,累计 27,008 分 |
思科软件工程师 Nishanth Aluhonnu 在每个阶段都获得第一,并赢得了 AWS re:Invent 2026 的全额会议通行证。
决赛本身展示了该赛制为何有效。参赛者在决赛期间不能更改代码、工具或提示词,只能在每轮开始前给出简短的引导指令。成功取决于每个智能体在从未见过的地图上做出决策的能力。Nishanth 输掉了第一轮,随后在第二轮中以巨大优势获胜,他无视了满盘的低价值金币,转而选择了一个高价值挑战。
图 4:思科 AWS Transformation Fest 4.0 AWS AI League 决赛选手在舞台上
剖析赢得智能体 AI 挑战赛需要什么
2026 年的获胜智能体提供的经验远超游戏本身。每个设计选择都对应团队在生产环境中运行智能体时面临的决策。
输出 token 才是真正的成本
智能体 AI 挑战赛根据挑战得分、宝藏奖励、剩余生命和 token 奖励对智能体评分,计算方式为 tokenBonus = 1000 - (totalOutputTokens / challengesVisited)。
在资格赛中,排名前四的智能体都解出了地图。第一名智能体输出了 1,220 个 token,第二名输出了 1,430 个,而最终分差在近 16,000 分中仅有 16 分。当每个智能体都能解出问题时,效率决定胜负。
为了弄清哪些 token 起了作用,Nishanth 构建了同一智能体的九个变体,每次只改动一处。结果很明确:工具结果和系统提示不计入得分,但智能体写出的所有内容,包括工具调用参数,都计入得分。每次工具调用在其参数之外还带有约 52 个 token 的固定开销。
这与现实世界的成本相符。生成输出是串行的,价格通常比输入高出数倍,而在智能体循环中,这一成本会在每一步累积。一段长而结构良好的系统提示(你也可以将其缓存)成本很低。而一个话多的智能体则不然。
一个智能体,而非五个
应对这一挑战的常见架构是在 Amazon Bedrock AgentCore 上设置一个 supervisor 智能体,将任务委派给负责导航、计算和网络检索的专家子智能体。这对许多生产系统而言是一种合理的模式。获胜的设计只使用了一个智能体,没有子智能体。取而代之的是,提示以一张简短的调度表开头,将每种挑战类型匹配到单轮中的正确方法。
理由很简单:智能体之间的每一次交接都是模型必须写出的一条消息,而在这场挑战中,每一个写出的 token 都计入得分。这个教训并不是说子智能体不好,而是要根据协调成本来选择架构。当协调成本高昂时,更扁平的设计可能胜出。
下图展示了该智能体 AI 挑战的 AWS 参考架构:一个 supervisor 智能体搭配专家子智能体。获胜的设计刻意没有采用这种多智能体模式。
图 5:AWS AI League 参考架构
在此参考架构中,supervisor 智能体运行在 Amazon Bedrock AgentCore runtime(Amazon Bedrock AgentCore 的一项能力)中,协调三个子智能体,Amazon Bedrock Guardrails 和 AgentCore memory 连接到该 runtime。supervisor 和子智能体通过 Amazon Bedrock AgentCore Gateway(Amazon Bedrock AgentCore 的一项能力)路由到四个工具:导航工具、浏览器工具、代码执行工具,以及使用 AWS Lambda 函数的自定义工具。
将确定性逻辑放入工具
路线规划并未交给模型。它运行在一个 AWS Lambda 函数中,将棋盘视为一个优化问题。每个格子都带有一个期望值:它带来的分数,减去它可能消耗的生命,再减去智能体解出它所要花费的 token。规划器遵守约束条件,例如在开门前先收集钥匙,并在时间预算内优化路线。
这对大多数智能体来说是一种有用的模式:让模型处理语言和判断,把搜索、数学和规则移到工具中,在那里它们更快、更便宜且可重复。
依据价值而非习惯做决策
第二场决赛轮被设计成一个陷阱。一个 7×7 的棋盘几乎完全被每枚价值 25 分的硬币覆盖,而单个调度挑战格价值 1,500 分。习惯说去收集硬币。规划器的价值表则说这些硬币是噪音。智能体选择了高价值挑战,在该轮中拿下 7,537 分,而下一名决赛选手为 5,953 分。那一轮建立的领先优势,最终将智能体带向了总冠军。
对 Cisco 的影响
在 Cisco 举办的两届 AWS AI League 中,其影响体现在技能、文化和认可度上:
- 大规模实战 AI 技能。1,200 名工程师参加了 2026 年的锦标赛,在 Amazon Bedrock AgentCore 上构建智能体,其中许多人此前没有任何智能体 AI 经验。
- 跨业务部门的连接。原本永远不会相遇的工程师在同一场锦标赛中同台竞技,分享方法,互相学习。
- 持久的学习文化。Transformation Fest 如今已举办至第四年,已成为一项年度承诺,而非一次性的黑客松。
- 连续两年获得认可。一位 Cisco 工程师赢得了 2025 年 AWS AI League 全球冠军,2026 年 Cisco 冠军将参加 AWS re:Invent 2026。
- 领导层可见度。2026 年总决赛在 Cisco 和 AWS 高层领导面前举行,为工程师们提供了展示工作的真实舞台。
对 Hemanth 而言,最大的收获是信心。你不需要在开始之前掌握一切。你通过动手实践来学习。
“仅靠技术是不够的。你需要被赋能去尝试它的人。Transformation Fest 创造了这种赋能环境,而 AWS AI League 创造了执行的机会。”
— Kumaril Kapoor,Cisco 工程副总裁
结论
在这篇博文中,我们展示了 Cisco 和 AWS 如何将赋能转化为执行。Cisco Transformation Fest 为工程师创造了一个边做边学的空间,而 AWS AI League 为他们提供了真实的挑战、记分牌和舞台。其结果是形成了一种覆盖数千名工程师的实战 AI 构建文化。
开始使用:
- 在 AWS AI League 页面上了解如何在您的组织中举办锦标赛。
- 通过 AWS Skill Builder 上的 AWS AI 培训目录,培养您的智能体 AI 和模型定制技能。
- 关注在拉斯维加斯举行的 AWS re:Invent 2026 上的 AWS AI League 2026 全球总决赛。
我们期待看到您的团队构建的成果。
关于作者
Rakesh Vangari
Rakesh 是 Amazon Web Services (AWS) 的首席客户主管,常驻印度海得拉巴。他在销售、战略和技术领域拥有超过 20 年的经验。在 AWS,他领导战略性的全球技术合作伙伴关系,并与高管合作,将业务成果与云和生成式 AI 决策联系起来。他帮助客户将 AI 从试点推向生产,并建立各种机制,帮助工程团队在 AWS 上为其客户构建和部署。他的方法:先解决问题,赢得信任,交付成果。
Biswanath Mukherjee
Biswanath 是 Amazon Web Services 的高级解决方案架构师。他与 AWS 的大型战略客户合作,为他们提供技术指导,以迁移和现代化其应用程序,并在 AWS 云上构建智能体 AI 解决方案。凭借其在云架构方面广泛的跨行业经验,他与客户合作开发创新解决方案,遵循 AWS 最佳实践的可扩展性、可靠性和敏捷性,以满足其业务需求。
Madhukiran J
Madhukiran 是 AWS Enterprise Support 的高级技术客户经理。他为企业客户提供支持,帮助他们利用 Amazon Bedrock、AgentCore 和 SageMaker 等 AWS 服务构建创新解决方案。他的专业领域涵盖机器学习、GenAI 和容器。他曾通过 AWS AI League Agentic 挑战赛为多个客户组织提供支持,贡献范围覆盖 APJ 各项活动。
Ruchi Bhatia
Ruchi 是 Amazon Web Services 的技术产品营销经理,负责推动 Amazon SageMaker AI 上模型训练与定制的产品营销,并领导 AWS AI League 的营销工作。她拥有卡内基梅隆大学信息系统管理硕士学位,是 Notebooks、Datasets 和 Discussion 三个类别中最年轻的三重 Kaggle Grandmaster。凭借其专业能力,她受邀在 Google Cloud Next、NVIDIA GTC 和牛津大学发表演讲,并且热衷于指导初入科技行业的早期职业人士。
Rajesh Babu Nuvvula
Rajesh 是 Amazon Web Services (AWS) 全球公共部门团队的高级解决方案架构师,与公共部门合作伙伴和客户合作,设计和扩展架构良好的解决方案,用于云迁移和应用程序现代化。他的专业领域包括分布式企业应用、数据与分析、AI/ML 和数据库。工作之余,Rajesh 喜欢探索新兴技术和长距离散步。
Hemanth V
Hemanth 是 Cisco 的软件工程师,在核心交换平台团队工作,参与 Cisco Catalyst 9500 和 9600 系列交换机的 IOS XE 软件开发。他还开发内部工具以简化工作流程并提高工程生产力。工作之余,他喜欢摆弄技术和电子设备、动手制作有趣的东西以及看电影。
Nishanth D Aluhonnu
Nishanth 是一名软件工程师,专长于 DevOps、云基础设施、可观测性、自动化和大规模分布式系统。他对自动化和新兴技术充满热情,包括智能体 AI 和智能系统,以简化基础设施运维、增强监控并实现自动化根因分析。他喜欢 Dota 等策略游戏、解决 Capture the Flag (CTF) 挑战以及探索网络安全。
来源:AWS Machine Learning Blog · aws.amazon.com




