跳到正文

#部署/工程

今日 9 条
11月12日周四
  1. AWS Machine Learning Blog22

    AWS re:Invent 2026 AI/ML 分会场参会指南

    AWS 发布 re:Invent 2026 AI/ML 分会场参会指南,该分会场包含 140 余场覆盖 AI 芯片、模型训练及智能体开发的课程。指南解析了从 AWS Trainium 到 Amazon Bedrock AgentCore 的 AI 技术栈,帮助参会者根据技能水平筛选 Breakout 或 Workshop 等不同类型的学习场次。

11月11日周三
  1. AWS Machine Learning Blog43

    Amazon Bedrock 上线月之暗面 Kimi K3.1 Pro Highspeed

    月之暗面 Kimi K3.1 Pro Highspeed 现已在 Amazon Bedrock 上线,该模型基于 Kimi K3 后训练,拥有 3T 级开源权重架构和 100 万 token 上下文窗口。其输出速度比 Kimi K3.1 Pro 快 2-3 倍,支持工具调用、结构化输出及可配置推理,并可通过 Flex 层级以半价降低成本。

  2. AWS Machine Learning Blog25

    Trovata 基于 Amazon Bedrock 和 AgentCore 构建自主财务智能体

    Trovata 在 Amazon Bedrock 和 AgentCore 上构建自主财务智能体,将静态洞察转化为持续运行的代理工作流。该方案通过 RBAC 安全架构支持银行品牌化部署,实现自然语言查询、异常检测及自动化对账。客户实现年化成本节省超 100 万美元,财务报告时间从数小时缩短至 1 分钟以内,这是其 2023 年推出首个生成式 AI 后的最新演进。

  3. AWS Machine Learning Blog48

    AWS 构建 Amazon Bedrock 调用可观测性数据湖

    AWS 推出 Amazon Bedrock 调用可观测性数据湖,通过 CloudFormation 模板将多账户的模型调用日志集中至 S3 并转换为 Parquet 格式。该方案利用 Athena 实现跨组织查询,支持查看提示词、响应内容及输入输出 token 数,从而精确计算单次调用成本。此前 Bedrock 日志仅分散在各账户中,缺乏统一的跨账户查询视图。

  4. AWS Machine Learning Blog32

    TCS 如何利用 Amazon Bedrock AgentCore 构建智能体测试编排器

    TCS 基于 Amazon Bedrock AgentCore 构建了智能体测试编排器,将需求转化为可执行且受治理的测试。该平台利用 AgentCore 运行时在隔离的 microVM 中运行会话,为多租户 BFSI 客户提供数据隔离,并支持通过 Strands Agents SDK 构建专用智能体。此举旨在消除重复的翻译和执行工作,让工程师专注于风险分析与探索性测试。

11月10日周二
  1. AWS Machine Learning Blog21

    AWS 启动首个品牌活动推广企业级 AI 工作区 AWS Quick

    AWS 启动首个品牌活动,在美国和英国推广专为工作场景打造的 AI 工作区 AWS Quick。该产品允许团队利用 AI 智能体在现有数据和应用中进行研究、分析和行动,并集成 Microsoft Purview 及 AWS IAM 等安全合规工具。3M、BMW 等企业已在使用 Quick 转变工作方式,用户可立即下载体验。

11月9日周一
11月7日周六
  1. AWS Machine Learning Blog50

    Greenlight Financial 基于 Amazon Bedrock AgentCore 构建自主 SOC 解决方案

    Greenlight Financial 利用 Amazon Bedrock AgentCore 构建自主安全运营中心(SOC),每月无干预解决超过 90% 的 4,000 起安全与风险案例。该系统采用分层多智能体架构,包含 30 多个专用智能体,常规案例中位分诊时间为个位数秒。此前人工处理单起案例需 15-30 分钟,该方案实现了在金融合规框架下的自动化分诊与复杂案例升级。

  2. AWS Machine Learning Blog40

    AWS 演示 Amazon Bedrock AgentCore 与 Okta XAA 构建企业级 AI Agent 访问治理

    AWS 演示利用 Amazon Bedrock AgentCore Gateway 和 Cedar 策略集中管理 AI Agent 对 MCP 工具的访问权限,替代分散的授权检查。该方案支持在 Amazon EKS 上运行多 Agent,并通过 CloudWatch 统一审计 Okta 授权决策。这是继 Part 1 验证基础治理机制后,针对企业级大规模 Agent 拓扑的扩展方案。

  3. AWS Machine Learning Blog45

    AWS 在 Amazon ECS Fargate 上构建无服务器 MCP 服务器以访问 AI 智能体数据湖

    AWS 团队在 Amazon ECS Fargate 上构建了无服务器 MCP 服务器,作为 AI 智能体与企业数据湖之间的集中式网关。该架构采用元数据驱动方式,新增数据集仅需提供 JSON 元数据文件即可自动发现,无需编写集成代码。此方案旨在解决 Amazon 北美分拣中心(NASC)规划团队中数据访问碎片化及新数据源接入耗时数天的问题。

11月6日周五
11月5日周四
  1. AWS Machine Learning Blog58

    Deep Insight 如何在工作代码中应用生产 AI 智能体的四层上下文工程

    Deep Insight 通过工作代码展示了生产 AI 智能体的四层上下文工程实现,涵盖架构隔离、提示控制、文件外置与验证防护。参考实现中单一写执行工具使脚本新增上下文 token 减少约95%,按需加载技能缩减系统提示约97%。这是文章系列 Part 2,基于 Part 1 提出的多智能体挑战与 Strands Agents SDK 架构。

11月4日周三
  1. AWS Machine Learning Blog35

    Cartesia 利用 State Space Models 在 AWS 上构建超低延迟语音 AI 应用

    Cartesia 利用 State Space Models 架构在 AWS 基础设施上实现全球范围内 sub-100ms 的文本转语音与语音转文本。其旗舰模型 Sonic 提供约 90ms 首字节延迟及 44 种语言支持,Ink 则具备原生轮次检测与流式转录能力。该方案旨在解决传统 Transformer 模型在流式处理中的延迟瓶颈,为实时语音交互提供低延迟基础设施。

11月3日周二
  1. AWS Machine Learning Blog44

    Circle K 利用 Amazon Bedrock 将 DevOps 事件分诊时间缩短至 15 分钟以内

    Circle K 基于 Amazon Bedrock 构建自动化分诊系统,将平均事件分诊时间从 45-60 分钟缩短至 15 分钟以内,降幅达 67-75%。该系统采用 agentic AI 架构,通过 Amazon Bedrock Flows 协调多个智能体并行查询日志与基础设施状态,并在数分钟内向 Slack 推送结构化摘要。此前工程师需手动跨多个工具排查,导致分诊耗时随服务规模增长而增加。

10月31日周六
  1. AWS Machine Learning Blog39

    Amazon Bedrock 端到端成本管理:面向 FinOps 与平台团队的实践指南

    文章提出了一套基于 Amazon Bedrock 的五阶段成本管理运营模型,涵盖成本归属、请求观测、预算执行、平台优化及定期审查。该模型利用 IAM 身份实现发票级成本归属,并通过每用户会话管理解决共享角色导致的归属缺失问题。此方法旨在将生成式 AI 成本管理从简单的模型比价转变为架构与运营纪律,以应对 Agentic 工作负载带来的 token 消耗激增。

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有