AWS Forward Deployed Engineering 扩展至 15 国,助力企业 AI 落地生产
AWS Forward Deployed Engineering 现已在美国、日本等 15 个国家面向商业及公共部门客户开放,旨在解决 AI 从演示到生产的“最后一公里”难题。该服务通过构建基础架构、自动化工作流及治理体系,帮助三星生命保险在 45 天内建立受治理的智能体平台,并协助 Marsh 实现高达 70% 的效率提升。AWS 于 6 月推出该服务,以填补原型与生产环境间的差距。
AWS Forward Deployed Engineering 现已在美国、日本等 15 个国家面向商业及公共部门客户开放,旨在解决 AI 从演示到生产的“最后一公里”难题。该服务通过构建基础架构、自动化工作流及治理体系,帮助三星生命保险在 45 天内建立受治理的智能体平台,并协助 Marsh 实现高达 70% 的效率提升。AWS 于 6 月推出该服务,以填补原型与生产环境间的差距。
AWS 推出开源 Python SDK 和 Terraform 栈 SMART,用于在 Amazon Bedrock AgentCore 上构建 WhatsApp AI 智能体。
Microsoft Research 领导人与多位专家在播客中探讨 AI 在医疗诊断、医学影像及生物基础模型中的应用前景。讨论涵盖 AI 辅助药物发现、虚拟细胞技术以及从研究到临床转化的挑战,旨在明确实现 AI 医疗净收益所需的先决条件。
该方案利用 Amazon Bedrock、Kiro IDE 和 AWS Transform 将大型机 Assembler 代码转化为 Java Spring Boot 服务。
TokenEconomizer 利用代码仓库中的历史会话降低 AI 编码智能体 token 成本,是来自 UC Berkeley、Microsoft Research 和 Microsoft Security 的开源插件。
推荐理由:研究给出了利用仓库历史会话降低 AI 编码智能体 token 成本的方法,并在 277 个真实缺陷修复任务中报告成本下降且成功率大体稳定。
Amazon Bedrock 上的开源权重模型现已支持显式提示缓存,允许用户通过 Chat Completions API 标记可复用前缀以降低成本和延迟。该功能与隐式缓存互补,显式模式适用于固定共享前缀场景,可避免为未复用的动态内容支付更高的缓存写入费用。
GS Caltex 利用 Amazon SageMaker Canvas 和 Pipelines 将流程工程师的模型接入生产工作流,实现了从 Canvas 到 Pipelines 的自动化交接。ML 工程师部署模型的时间从约一周缩短至数小时,并通过每 30 分钟一次的批量推理显著降低了推理成本。此前该交接过程需要手动配置数据路径和模型参数,且依赖持续运行的端点。
Amazon Bedrock AgentCore runtime V2 在部署时构建一次微VM快照、新会话直接恢复以减少启动耗时,AWS 官方文章讲解了四种优化架构模式。这些模式涵盖将静态工作置于 init 阶段、用 build hook 加载进程外文件、以及在用户交互前预暖会话。文章还提供延迟测量方法与快照 pitfalls 提醒。
Amazon SageMaker HyperPod 新增 Data Capture 功能,可将生产环境推理数据记录至 S3 以支持模型迭代。该功能提供三个独立捕获层级,对模型可用性零影响。文章演示了利用捕获数据发现盲点、标记并微调 Qwen2.5-3B-Instruct 模型的完整流程。
GitHub 员工 Andrea Griffiths 在 GitHub 博客发表 agent 技能实践指南,讲解如何将重复任务封装为可跨智能体复用的技能。
推荐理由:本文给出了将重复任务封装为可移植智能体技能的具体方法,团队可借鉴其清单与校验点设计来沉淀业务知识。
Microsoft Research 发布第 98 期研究简报,涵盖 AI 语音翻译进展、31 年未解的 KLS 猜想证明及编码智能体效率优化。针对长会话中上下文压缩导致的高成本问题,新提出的 APEC 方法在评估中降低了 25.4% 的成本和 9.6% 的执行时间。此外,研究还介绍了跨 104 种语言的 Latent Core Tokenizer 技术,旨在提升多语言模型性能。
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 Quick 推出 AI-PDLC 框架,通过六个专用智能体连接 Slack、Jira 等企业数据,加速从需求发现到原型验证的产品开发流程。该框架利用 Orchestrator 协调各阶段,生成包含验收标准的 prototype_spec.md,并支持通过 ACP 协议将任务委派给 Kiro 或 Claude Code 等编码智能体。
微软研究人员发现名为 Lazarus 的后门技术,重编程 LLM 少于10个休眠神经元即可在无训练下让 AI Agent 执行攻击者命令。触发可为日期变更等隐藏条件,模型平时通过标准评测;微软 Foundry 通过绑定可信发布者并扫描环境来缓解此类威胁。
推荐理由:微软研究团队发现重编程少于10个休眠神经元即可在无训练下后门 AI Agent,提醒开发者需将模型权重当作代码审计并验证来源。
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。
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。
文章介绍了在 Amazon Bedrock AgentCore 上使用 Web Answer 的方法,包括授权、添加目标与从 Strands 代理调用。Web Answer 将搜索、检索、合成与引用流水线合并为一次 MCP 工具调用,返回带源引用的答案。该功能已在 us-east-1 一般可用,定价为 $10 per 1,000 tool calls。
Microsoft Research 用 PDD Kit 形式化验证 Pet Store 全栈 Rust 应用中智能体写的登录逻辑,开发者免逐行审查代码。该工具将意图转为 Verus 规格并证明代码满足之,不可证部分用测试覆盖,已接入 Chopin 与 CI。这将形式化方法从专家工作拓展至无背景工程师。
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。
AWS Quick 推出 Smart Approvals 功能,利用独立分类器模型评估 AI 智能体拟执行的操作,在符合现有权限控制的前提下自动批准常规动作或将其退回用户审查。该功能默认开启,每次自动批准仅限单次使用且针对特定参数,不授予持续权限,旨在减少重复审批对注意力的干扰。审计日志通过 AWS CloudTrail 记录相关权限更新,保留期为 90 天。
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。
Microsoft Research 研究员 Mike Walker 在访谈中阐述黑客思维对构建下一代网络防御的价值。他回顾领导 DARPA Cyber Grand Challenge 的经历,该计划展示了能自动发现并修补软件漏洞的自主 AI 系统。Walker 强调有效安全依赖于理解信任与上下文,并反思了竞争黑客对团队协作的启示。
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。
Gen Digital 利用 Amazon Bedrock AgentCore Web Search 构建了 Norton Revamp 的 AI 新闻引擎,实现基于实时网络知识的个性化内容推荐。该引擎通过 MCP 合规的托管连接器获取带引用的实时数据,驱动新闻流、内容建议及目标设定功能。Norton Revamp 于 2026 年 3 月上线,旨在帮助专业人士管理在线声誉。
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。
Microsoft 构建了行业评估数据生成平台,利用 O*NET、在线招聘及 SEC 文件等公开数据生成全规模合成企业环境,以解决真实数据敏感性与评估需求间的矛盾。该平台通过模拟动态组织结构和自动化查询管道,建立了 Microsoft Copilot 的首个标准化评估基准,确保在完全不接触客户数据的前提下验证 AI 系统的准确性与安全性。
Microsoft Research Focus 第 97 期介绍了 ForkPilot 自改进智能体框架,该框架在六个基准测试中表现最佳,同时将 AI 处理需求降低多达 59%。本期还探讨了编码智能体在理解陌生代码库时的瓶颈,以及 TeleTune 从离线遥测中演化智能体技能的方法。
Kiro 通过集成 AI 智能体与代码库,利用共享方法论、机械发现扫描器及八阶段工作流,将 PHP 到 Java 的迁移转化为可测量的重复过程。该引擎将原始 PHP 应用视为规范,并通过一致性测试框架验证 Java 移植的正确性。此方法支持在 Kiro 中交互式运行,或通过 AWS Transform 进行大规模自主迁移。
基于 Amazon Nova Act 构建的 QA Studio 新增应用组织与团队权限管理功能,以解决规模化测试中的归属与访问控制问题。应用功能通过 CloudWatch 指标计算 0-100 健康分并识别不稳定测试,团队管理则实施五级角色权限控制。这是继自然语言测试定义和 CI/CD 批量回归测试后,该参考解决方案的第三部分能力更新。
OpenAI 与 Oracle 扩大合作,将商业应用和 AI 智能体引入 ChatGPT。此次合作旨在为 ChatGPT 接入企业级工具,同时支持 Oracle 推出新的 AI 产品。
基于 SageMaker SDK v3 构建的边缘端计算机视觉全车队生命周期管理方案,利用 SageMaker Neo 替代已弃用的 Edge Manager 进行模型优化。
Amazon Quick Sight 图层地图新增支持 GeoJSON 中的 Point 和 LineString 几何类型,可绘制具体位置点及连接各点的路线。该功能通过共享键将 GeoJSON 文件与数据集关联,最大支持 100 MB 文件,此前图层地图仅支持上传自定义形状层。
Microsoft 与 Hugging Face 联合发布 ThinkingBox-Training,将数据库终态的可执行检查转化为强化学习奖励。使用该方法对 Qwen3.8-27B 进行 50 步 GRPO 微调后,其在 ThinkingBox-Bench 上的平均成功率从 51.70% 提升至 60.78%,且 20 次尝试全部正确的任务数从 38 增至 107。
Amazon Quick 作为 HIPAA 合格服务,支持在受监管环境中处理受保护健康信息(PHI)。其智能体通过连接器访问结构化与非结构化数据,并提供 ACL 感知检索及行为审计日志以强化治理。该服务资格涵盖 Web、桌面及移动端,但实现完全合规需结合 BAA 签署及企业自身配置。
Amazon Polly 生成引擎升级现已正式可用,新增 14 种语音覆盖 9 个地区,并首次提供印地语和芬兰语生成语音。此次升级保持 API 调用和语音名称不变,现有应用无需修改代码即可直接享受更自然、低延迟的语音输出。
Flint-interactive 是微软研究开发的用于创建交互式数据可视化的语言,通过编译器将交互转为语义事件。它支持智能体经 Flint-MCP 在聊天中生成可点击筛选的图表,分离视觉与交互逻辑以减少调试成本。
AWS 推出基于 Strands Agents 的自适应智能体框架 AAIF,通过本地小语言模型处理常规任务,复杂请求路由至 Amazon Bedrock。该架构使用 llama3.2:1b 作为编排器,支持在 Raspberry Pi 等边缘设备上运行,旨在降低 API 成本并减少延迟。
U.S. Hunger 利用 Amazon Quick 连接领导层与数据,使 CEO 能直接探索 Full Cart 项目数据并减少技术团队依赖。通过 Quick Spaces 共享 KPI 定义与财务文档,17 名员工得以在统一语境下协作分析。该组织此前已交付超 2.5 亿份餐食,并实现了四年 500% 的业务增长。
微软研究院学者证明KLS猜想,解决这一自1995年提出、悬置31年的高维几何核心问题。他们通过人类指导AI智能体并行探索超100种候选思路并递归精炼完成证明,多个独立证明与Lean 4形式化验证了该结果。
推荐理由:该研究结合人类指导的AI智能体搜索与数学判断证明KLS猜想,为凸几何与理论计算机科学提供无条件基础。
Amazon Quick 结合 Amazon Bedrock AgentCore 实现对话式供应链智能,将分散在 ERP 等系统中的数据转化为即时决策。该方案通过 MCP 协议连接后端系统,使管理者能用自然语言查询中断影响并自动发起紧急 RFQ,将原本需 45-60 分钟的多系统操作缩短至几分钟。