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。
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。
JioStar 首席架构师 Vijay Seshadri 分享了在 5 亿用户规模下实现 AI 发现的实践经验。他重点阐述了评估(evals)、护栏(guardrails)以及将 AI 投入生产环境的关键教训。
AWS 提供 23 个生产级生成式 AI 可复用资产,旨在将开发周期从数月缩短至数周。DoorDash 利用该资产实现测试容量提升 50 倍,Ricoh 将文档处理吞吐量提高 7 倍。这些资产自 2023 年起由 AWS 生成式 AI 创新中心开源发布。
AWS 宣布为 Amazon SageMaker AI 双向流式推理引入基于用量的计量功能,允许模型提供商在 AWS Marketplace 中按实际消耗报告费用。
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。
AWS 团队发文演示用 LangGraph 与 Amazon Bedrock AgentCore Web Search API 构建每日依赖监视器,自动追踪 npm、PyPI 和容器基础镜像的安全更新。
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。
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。
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。
Hugging Face 允许组织将账户链接至 Google Cloud,使 Hub 使用费用直接计入 Google Cloud 账单,替代信用卡支付。该功能涵盖 Team/Enterprise 订阅及 Jobs、Inference Endpoints 等按量计算服务,旨在简化企业采购流程。此前用户需单独添加供应商或信用卡才能使用这些服务。
NVIDIA 在 KubeCon 将 OpenShell 捐给 CNCF 并发布 DSX AI Factory Platform 新组件 NVKE、NVKR 与 Snapshot。OpenShell 为自主智能体提供确定性策略控制,Snapshot 可将模型加载时间从数分钟降至秒级。二者帮助团队在 Kubernetes 上安全扩展 AI 基础设施。
ChatGPT Enterprise 现已通过 AWS Marketplace 提供。此举旨在帮助组织利用现有的 AWS 采购和计费关系简化采购流程。
CrossnoKaye 基于 Amazon Bedrock AgentCore 构建物理 AI 系统,通过 ATLAS 平台连接工厂实时数据与 AI 推理,实现食品、制冷等工业设施的闭环控制。
AWS 推出 Pluggable Agentic AI Framework,这是一个基于 Amazon Bedrock AgentCore 的七层可组合参考架构,旨在解决多智能体应用从原型到生产环境的规模化落地难题。
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。
Hugging Face 提出 HOPE(高阶专家剪枝)方法,通过考虑专家间的成对交互来优化 MoE 模型剪枝。在 50% 剪枝率下,HOPE 在智能体编码任务上比次优剪枝方法平均提升 6.1%。该方法解决了现有独立评分方法忽略专家协作组的问题,无需训练即可降低推理内存占用。
NVIDIA 发布了针对 SK Telecom A.X K2、LG AI Research K-EXAONE 2.0 等韩国主流开源模型的 Dynamo 优化部署方案。这些基于 NVIDIA B200 GPU 优化的方案可消除部署复杂性,开箱即得最高 2 倍性能提升,助力开发者加速将这些模型转化为广泛可用的 AI 服务。
Amazon SageMaker Inference 现支持 NVIDIA MIG GPU 分区,可将单物理 GPU 划分为多个隔离分区部署模型端点。该功能允许在单卡上放置不同模型并选择分数卡大小,实测 H100 的 mig-3g.40gb 分区相较整卡 A100 吞吐高 53% 至 89% 且每百万输出 token 成本低 18% 至 34%。
Taxbit 在 Amazon Bedrock AgentCore 上构建了嵌入产品仪表盘的 AI 智能体 Taxbit Assist,用于协助合规团队处理数字资产税务问题。
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。
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。
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。
Amazon Marketplace 在 Amazon SageMaker AI 上部署多模型融合架构,利用 VLM 整体评估 A+ Content 质量。该系统将 VLM 语义分数与 OCR 信号输入 CatBoost 分类器,结合 SHAP 解释生成改进建议。使用高质量 A+ Content 的卖家销售额比未使用者高 8–20%。
Mistral 今日扩展企业AI平台 Mistral Studio,新增托管智能体、工作流与应用,支持在云、VPC或本地部署。平台通过 MCP 服务器连接企业数据,已有 ABANCA、BNP Paribas 等客户用于生产环境自动化任务。
Hogwarts Legacy 在 GeForce NOW 平台获得 NVIDIA DLSS 5 升级,引入 3D-Guided Neural Rendering 技术以增强光照与材质细节。
Amazon Bedrock AgentCore Evaluations 支持通过代码评估器集成 Jev 和 Strands Decider 2B 等决策模型。这些模型针对固定选项返回校准概率,适用于策略合规等窄范围检查,可作为内置 LLM-as-a-judge 评估器的筛选层。
U Mobile 基于 Amazon Bedrock AgentCore 构建 AI 驱动智能体客服系统 AiDaH,覆盖超 150 个运营场景。该系统使关键类别的故障工单量下降高达 84.5%,通过跨系统协调与链式推理实现自动化诊断。此前 U Mobile 仅使用基础 RAG 进行试点,现已扩展至多部门应用。
Indegene 在 AWS 的 NEXT UDP 平台上构建了生产级 LLM 数据质量智能体,用于生成上下文感知的数据质量规则并产出可运行的 SQL 和 Python 代码。该智能体在集中式人工监督治理下验证规则,帮助生命科学企业在企业规模上提升数据质量并降低维护工作量。
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。
Daybreak Red 现已在 AWS GovCloud (US-East) 上线,通过 Amazon Bedrock 向获批客户提供 GPT-5.6 Cyber 模型。该服务专为授权网络安全工作设计,仅限特定客户使用。
Amazon Bedrock 新增 Kimi K3 印度本地推理支持,满足严格数据驻留要求。客户 Ultrahuman 利用该功能将 LLM 成本降低 80%,多轮对话速度提升 85%。此前该模型仅支持全球及美国区域推理。
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。
本文演示了利用 EDB Postgres AI 在 Postgres 数据库内部构建语义层,并通过 Amazon Bedrock AgentCore 运行 Strands Agents 智能体以回答客户 360 问题。
Amazon Bedrock AgentCore Gateway 支持配置 OBO 令牌交换,使 AI 智能体在调用 ServiceNow REST API 时保留原始用户身份。该方案通过 Microsoft Entra ID 验证委托权限,将智能体令牌交换为包含用户声明的 ServiceNow 令牌,从而维持审计追踪并应用用户级访问控制。
OpenAI 构建了名为 Pando 的 Git 兼容后端,旨在支撑 Codex 所实现的大规模开发需求。该后端专为适应 Codex 带来的开发规模而设计,解决了传统 Git 在大规模场景下的扩展性问题。
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。
AWS 团队在 Amazon SageMaker AI 上演示用序列知识蒸馏将前沿教师生成的购物智能体轨迹微调至 Qwen3.5-4B 学生模型。该学生在留出 ShoppingBench 测试集平均绝对成功率 0.541,接近教师水平且可托管于单一 G 系列实例降本。SeqKD 仅需教师文本输出,故适用于 API-only 前沿模型。
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。
Amazon Bedrock AgentCore runtime 教程演示了用 Session endpoints 从浏览器实时查看编码智能体会话内运行的 Vite 网站变化。部署允许端口 8090 与 8081,本地端点为请求添加 SigV4 凭证并转发,智能体保存文件后 Vite 热重载经 WebSocket 推送改动,页面无刷新更新。
ChatGPT 桌面应用现已在 AWS GovCloud (US) 的 Amazon Bedrock 上可用,支持通过 Work 和 Codex 访问 OpenAI 前沿模型。该配置将模型推理路由至 us-gov-west-1 的 Amazon Bedrock Mantle 端点,利用 AWS IAM 进行访问控制,并支持零数据保留(ZDR)以满足严格的数据治理要求。