AWS
找到 30 篇关于此标签的文章
Agent 也要'锁定文件'了 — AI助手上周能用这周就坏，问题不在模型
你的AI助手上周还能正常工作，这周就出错——原因可能不是模型变笨，而是它背后的技能、工具、权限各自在更新却没人统一记录。AWS和OpenAI正在给Agent加上'版本锁'。
SageMaker 终于补上批量写特征 — AWS 替企业 AI 项目还工程债
AWS 给 SageMaker Feature Store 加了两个 API：批量写入和记录枚举，一次能写最多 25 条。事看似小，暴露的是企业 AI 项目从演示走到生产之间那道常被低估的工程门槛。
迪卡侬让 AWS 新模型替它预测 4 亿人的订单 — 通用大模型开始为零售算数
迪卡侬 10 万员工、4 亿用户，SKU 数以万计。它把库存预测从'自家训练模型'换成 AWS 的 Chronos-2 预训练模型。这件事值得关心：通用大模型正在走出对话框，走进零售业的仓库和供应链。
把 GPU 成本压到 1/8 后，Salesforce 撞上了另一堵墙
Salesforce 用 AWS 新工具把 AI 推理成本砍到 1/8，但随即撞上企业级可用性（多机房容灾）的硬门槛。这件事值得关心：AI 落地的瓶颈正从'算力贵'变成'跑得稳'，而后者更难。
AWS 把 AI 创意工作流打包端到端 — 云厂商开始抢编排层生意
AWS 联合 fal 推出创意 Agent 流水线：用 Amazon Quick 做调度，fal 提供 1000+ 生成媒体模型，MCP 做标准接口。值得关注的是，云厂商正从卖模型转向卖整套编排，这对广告、影视、营销团队的工具有深远影响。
AWS 把 OpenAI 模型引进印度 — '数据不出境'正在变成大模型的新卖点
亚马逊云科技在印度上线 GPT-5.6 系列模型，支持跨境推理但数据全程留在印度境内。表面是产品发布，背后是云厂商在监管严格市场里的合规博弈。
AI 推理成本砍掉 75%：AWS 与 NVIDIA 的医疗省钱样本
训练好模型只是开始，如何便宜地把 AI 跑起来才是新瓶颈。AWS 与 NVIDIA 在医疗 AI 公司 Heidi 上的合作：把语音识别 GPU 从 16 台压到 4 台，节省 75% 算力，延迟仍低于 1 秒。
Deepgram 把账单送到企业眼前 — 自建 AI 语音的最后一层黑箱被拆掉
Deepgram 让部署在 AWS 上的语音 AI 能直接报告账单和 GPU 状态。对企业 IT 而言，这不是炫技，而是金融、医疗、政府等行业大规模启用 AI 语音的最后一道门。
AWS 给 AI Agent 做通用体检表 — 用谁的框架都能打分，企业选型不再被绑架
AWS 上线 AgentCore Evaluations，把 AI Agent 的评测能力从特定框架里拆出来，基于 OpenTelemetry 通用日志标准适配。表面是一次工具升级，实际是企业落地 Agent 的核心痛点 — 不同框架互不兼容、无法横向对比 — 正在被大厂逐步拆解。
AWS 把 SageMaker 训练工具拆掉重做 — '用自己的模型'正变成云厂商标配
AWS 这周把 SageMaker 的 Python SDK 从头重写，统一了训练和部署接口。这意味着企业用自己的模型跑 AI 的门槛又降了一截——云厂商的竞争，也从'比模型'转向'比谁更好用'。
AWS 把医疗 AI 语音 Agent 做到 1 美分一通 — Agent 开始算经济账
美国癌症早筛公司 Natera 用 AWS Bedrock AgentCore 搭了一个电话预约护士的 AI Agent，每通成本不到 1 美分、500 次模拟里工具调用准确率 100%。这件事意味着 AI Agent 不再是 demo，开始按业务账本跑了。
AWS 让 AI 查故障不用再切窗口 — 大厂正在拼 Agent 落地的最后一公里
AI 查问题几秒就能给结论，但工程师还得切浏览器验证。AWS 用 MCP Apps 把仪表盘塞进 AI 对话框 — 这是企业级 AI 工具正在拼的最后一块拼图。
AWS 把企业知识管理做成 AI 模板 — '人走技失'这个老难题有标准解法了
AWS 发布一套基于 RAG 技术的知识管理 AI 模板，让公司把老师傅的经验沉淀下来。对制造业、医疗、能源这类高度依赖经验的行业，这是个值得关注的标准化信号——但真正落地，仍是企业自己的一道坎。
AWS 把分布式 AI 训练做成「一键启动」— 云厂商在抢企业 AI 的入门门票
AWS 把开源分布式训练框架 Ray 集成进 SageMaker HyperPod，企业跑大模型训练不再需要自己拼配置文件和监控看板。表面是工具升级，实质是云厂商在争夺「想做 AI 但养不起基础设施团队」的传统公司这块增量市场。
AWS 把 AI 接线员做成了现成模板 — 餐饮电话接单这事儿，AI 真的开始上手了
AWS 发布餐厅电话 AI 接线员完整搭建方案，把语音 AI 通过 Amazon Connect 和 MCP 接入真实订单系统。技术门槛被显著拉低，但能不能真正替代人工，还得看具体场景。
AWS 要给企业 AI 智能体建个「目录」 — Agent 一多，找比写还难
亚马逊云推出 Agent Registry 与 ARD 规范，把企业内部散落的 AI 智能体、MCP 服务器、工具统一登记管理。表面是技术标准，本质回答的是企业 AI 上规模之后，谁来审批、谁能调用、怎么找的新问题。
AWS 给企业用 AI 算账：让便宜小模型先过滤文档，省钱但不省事
RAG（让 AI 先翻企业文档再回答）是企业落地 AI 最常见的做法，但每问一次都要把一堆材料塞给大模型，账单长得快。AWS 这周给出一个省钱的工程套路：在主模型前先用便宜小模型筛一遍素材。
AWS 推 AgentCore Gateway 治 AI Agent 的"散乱病" — 企业落地卡的不是技术
AWS 发布 Bedrock AgentCore Gateway，把 AI Agent 访问内部工具的入口统一管理。它回应了一个被忽视的问题：当 Agent 能动手操作数据时，"谁能调用什么"比"它聪不聪明"更危险。
AWS 想让 AI 写 ETL 但生产不动模型 — ADOP 押注的是「可审计」而非「自动化」
AWS 发布 ADOP 参考架构，让 AI 接管数据工程从接入到合规的全流程，但生产环境坚持不调用模型 — 这看似矛盾的设计选择，藏着企业落地 AI 的真实顾虑。
AWS 把机器学习做成了拖拽工具 — 但教程没说怎么判断模型能不能用
AWS 这周发布 SageMaker Canvas 教程，业务分析师无需写代码就能用 Snowflake 数据训练反欺诈模型。门槛大幅降低，但模型评估和数据治理的老问题，被一并藏进了界面里。
AWS 把机器学习做成拖拽工具 — 没数据团队的传统企业也能做预测了
AWS 这周更新了一篇三步走教程，把 SageMaker Canvas（拖拽式建模工具）和 Snowflake（云数据仓库）打通，让业务人员不写代码也能搭预测模型。背后是头部云厂商在「平民化机器学习」赛道上的同场竞争，传统行业 CIO 值得花十分钟看一眼。
GPT-5.6 上架 Bedrock，跨区域推理进入企业云服务竞争
AWS 已在超过 25 个区域为 OpenAI GPT-5.6 提供跨区域推理，企业可把请求送至有计算资源的区域，或选择留在美国。值得关心的是，模型竞争正从能力展示转向稳定交付、数据边界和平台选择。
AWS 用大模型守护医疗数据接口，FHIR 安全从固定规则走向行为分析
AWS用Amazon Bedrock保护FHIR API：行为分析可识别敏感数据并生成合规报告，减少固定规则维护。医疗数据开放正从按规则放行转向按上下文判断，但成本与合规效果仍待验证。
AWS 给企业 AI 助手加搜索过滤器，金融、医疗场景终于敢落地
AWS 在 Bedrock AgentCore 平台给企业 AI 助手的联网搜索加了域名和时间两个过滤器。看似技术细节，背后是企业 AI 落地的真实卡点——数据可信度。
Fanatics 把客服拆给一群 AI Agent — 单模型开始不够用
美国体育博彩公司 Fanatics 用 AWS 搭建多 Agent 客服系统，在超级 Bowl 期间扛住每两分钟 40+ 客诉，同时处理 50 州合规差异。这是企业级 AI 从「单模型包打天下」走向「多 Agent 协作」的典型样本，传统行业可以照着盘一盘自家客服成本。
AWS 让 AI 智能体自己付钱 — 云厂商开始抢占「机器消费」基建
AWS 把 AgentCore Payments 正式商用化，AI 智能体可以用稳定币自动支付 API 与付费工具。这是一个信号：大模型公司不再只比拼模型能力，开始押注「机器花钱」的基础设施。
网络安全公司 Axonius 把 AI Agent 装进企业客户隔离舱 — SaaS 厂商必须补的下一课
网络安全公司 Axonius 把 AI Agent 装进企业客户的独立运行环境,AWS 推出 Bedrock AgentCore 平台并提供三种客户隔离方案。这件事的提醒是:能跑 Agent 不等于能跑通企业级部署,多租户隔离、安全和成本才是 SaaS 厂商要补的下一课。
NVIDIA 在 AWS 推 Agent 专用小模型 — 大模型不必每步都上
NVIDIA 这周把专为 Agent 高频小任务设计的小模型放上 AWS 一键部署平台，主打单卡可跑、开源可改。信号很明确：Agent 落地正从「大模型包打天下」走向分层路由。这对企业 IT 采购和 AI 工具使用者都有现实影响。
AI Agent 部署完就成了黑箱 — AWS 把监控做到了 Google 和微软的云上
AWS 这周更新了一项关键能力：可以监控部署在 Google Cloud、微软 Azure 甚至自建机房里的 AI Agent。背后是 AI Agent 从试点走向大规模落地的信号，「上线后怎么不出事」成了新问题。
企业 AI 糊涂账越积越多 — AWS 给 Bedrock 装上按人算账
Bedrock 是 AWS 的 AI 模型托管平台。这次新增「按用户追溯成本」能力——意味着 AWS 正式承认，企业 AI 用量已经大到必须单独算账。