作者 林易

編輯 重點(diǎn)君

12月3日，拉斯維加斯。AWS CEO 馬特·加曼（Matt Garman）在他的首場 re:Invent 年度演講中，在10分鐘內(nèi)發(fā)布25款新品，全場兩小時(shí)發(fā)布的新品更是近40個(gè)。包括全新一代自研芯片、前沿基礎(chǔ)模型及企業(yè)級模型定制框架在內(nèi)的一系列重磅產(chǎn)品，集中展示AWS在算力層、模型層和應(yīng)用層的突破。

作為年化收入高達(dá)1320 億美元的全球云計(jì)算一哥，AWS此刻正站在一個(gè)關(guān)鍵十字路口：AI熱潮已經(jīng)持續(xù)兩年，但許多企業(yè)仍困在“高投入、低回報(bào)”的焦慮中，他們開始追問巨額投入什么時(shí)候才能轉(zhuǎn)化為真實(shí)的業(yè)務(wù)回報(bào)。

AWS在此次re:Invent大會上給出的答案是：AI必須從陪聊的助手（Assistant），進(jìn)化到能真正干活的智能體（Agent）。

為了接住這個(gè)從模型驅(qū)動向智能體驅(qū)動轉(zhuǎn)移的機(jī)會，AWS選擇了一條非常重的路：向下造芯，死磕性價(jià)比；中間做厚模型，打破微調(diào)的天花板；向上立規(guī)矩，解決 Agent落地最核心的失控風(fēng)險(xiǎn)。

整場發(fā)布會看下來，AWS的戰(zhàn)略重心已從專注技術(shù)突破轉(zhuǎn)向更側(cè)重企業(yè)級價(jià)值落地，推動AI真正為企業(yè)客戶創(chuàng)造價(jià)值。

在此次大會密集的發(fā)布和兩萬字實(shí)錄中，我們梳理了AWS在算力、模型、應(yīng)用三個(gè)維度的核心進(jìn)展。

在算力層：

AWS的策略變得更加務(wù)實(shí)且激進(jìn)：一方面用自研芯片大幅壓低成本，另一方面打破公有云的物理邊界，去適應(yīng)那些不想上云的大客戶。

AWS 發(fā)布了 Trainium 3 UltraServers，相比前代，Trn3 的推理能效提升了 5 倍。更激進(jìn)的是，AWS 還罕見地提前預(yù)告了正在設(shè)計(jì)中的 Trainium 4，承諾性能將再提升 6 倍。向市場傳遞了一個(gè)清晰信號：在超大規(guī)模模型訓(xùn)練上，AWS 決意擺脫對外部算力的絕對依賴。

為了解決金融和政企客戶對數(shù)據(jù)主權(quán)極其敏感的顧慮，AWS 推出了 AWS AI Factories。相當(dāng)于把 AWS 的算力基礎(chǔ)直接建在客戶自己的數(shù)據(jù)中心里。

當(dāng)然AWS 依然是英偉達(dá)最鐵的盟友。Trn3未來將兼容英偉達(dá)NVlink Fusion技術(shù)，此外，新發(fā)布的 P6e 實(shí)例首批搭載了英偉達(dá)最新的GB300 NVL72 系統(tǒng)，專為那些最極端的 AI 負(fù)載準(zhǔn)備。

在模型層：

AWS 終于補(bǔ)齊了 Amazon Nova 自研模型家族，一口氣發(fā)布了 Amazon Nova 2 系列。其中，Nova 2 Omni 是業(yè)界首個(gè)支持文本、圖、音、視四種輸入并能多模態(tài)輸出的模型；而 Nova 2 Pro 則在復(fù)雜的指令遵循上表現(xiàn)激進(jìn)，AWS 稱其在基準(zhǔn)測試中優(yōu)于 GPT-5.1。

企業(yè)用大模型最大的痛點(diǎn)是微調(diào)太淺，而且容易讓模型變笨，比如遺忘核心能力。AWS 推出的 Amazon Nova Forge 引入了“開放訓(xùn)練模型”概念，允許企業(yè)在模型預(yù)訓(xùn)練的最后階段注入專有數(shù)據(jù)。

索尼集團(tuán)已作為早期客戶宣布采用Nova Forge和AgentCore，旨在將其合規(guī)審查效率提升100 倍。

在應(yīng)用層：

Agent（智能體）是未來的核心，但其不可控的特點(diǎn)讓很多企業(yè)不敢用。AWS 試圖用一套嚴(yán)密的規(guī)則體系，讓 Agent變成可信的生產(chǎn)力工具。

馬特·加曼打了一個(gè)比方：管理 AI Agent 就像管教青春期的孩子——既要給自由，又要有底線。為此，AWS 推出了AgentCore Policy。不同于以往的模糊提示詞，這是一套基于 Cedar 語言的確定性控制系統(tǒng)，能實(shí)時(shí)攔截 Agent 的違規(guī)操作，比如阻止超過 1000 美元的自動退款，解決了企業(yè)對 AI 行為失控的根本恐懼。

針對開發(fā)者，AWS 發(fā)布了 Frontier Agents 系列，這不僅僅是代碼助手，而是能獨(dú)立干活的數(shù)字員工。例如 Kiro Autonomous Agent 可以自主修復(fù) Bug，Security Agent 能在代碼提交前自動掃描漏洞，而 DevOps Agent 甚至能在半夜報(bào)警時(shí)自動診斷根因并給出修復(fù)建議。這意味著軟件工程的生命周期，正在被 AI 全面接管。

以下為AWS第十四屆re:Invent大會實(shí)錄：

1、AWS業(yè)務(wù)概況

歡迎大家來到第十四屆年度re:Invent 大會。能來到現(xiàn)場真是太棒了，此刻現(xiàn)場有超過 60,000 人與我們要共聚一堂，線上觀眾接近 200 萬，其中還包括首次通過《堡壘之夜》（Fortnite）觀看直播的朋友們。歡迎大家，感謝各位的到來。

走在拉斯維加斯的走廊里，我能感受到一種難以置信的能量，這與我過去幾個(gè)月與大家交流時(shí)的感受不謀而合。這確實(shí)是不可思議的一年。AWS 已成長為一家年化收入達(dá) 1320 億美元的企業(yè)，年增長率達(dá)到 20%。為了讓大家對這個(gè)數(shù)字有更直觀的概念：僅在過去一年，我們的收入就增長了約 220 億美元。這 12 個(gè)月的絕對增長額，已經(jīng)超過了半數(shù)《財(cái)富》500 強(qiáng)公司的全年收入。

這種增長源于我們業(yè)務(wù)的方方面面：

Amazon S3：持續(xù)增長，客戶存儲的對象數(shù)量已超過500 萬億個(gè)，數(shù)據(jù)量達(dá)數(shù)百艾字節(jié)（Exabytes），平均每秒處理超過 2 億次請求。

計(jì)算能力：連續(xù)第三年，AWS 新增的 CPU 容量中有一半以上來自自研的 Graviton 芯片。

AI 與數(shù)據(jù)：數(shù)百萬客戶正在使用我們的數(shù)據(jù)庫服務(wù)；Amazon Bedrock 目前正在支持超過 10 萬個(gè) AI 推理應(yīng)用。

今年，我們推出了首批構(gòu)建模塊，通過Bedrock AgentCore 幫助企業(yè)在規(guī)�；h(huán)境中安全地部署和運(yùn)行高能力的Agent。AgentCore 展現(xiàn)出了極其強(qiáng)勁的發(fā)展勢頭，自發(fā)布僅幾個(gè)月以來，其 SDK 下載量已超過 200 萬次。此外，我們還發(fā)布了首款量子計(jì)算芯片原型 Ocelot。Ocelot 是量子計(jì)算領(lǐng)域的突破，它不僅降低了實(shí)施成本，還提升了 90% 以上的量子糾錯(cuò)能力。

這一切都始于安全、可用且具有彈性的全球基礎(chǔ)設(shè)施，在這個(gè)領(lǐng)域我們依然無可匹敵。AWS 擁有迄今為止規(guī)模最大、覆蓋最廣的 AI 云基礎(chǔ)設(shè)施。我們的全球數(shù)據(jù)中心網(wǎng)絡(luò)覆蓋 38 個(gè)區(qū)域、120 個(gè)可用區(qū)，并已宣布計(jì)劃新增三個(gè)區(qū)域。僅在過去一年，我們就新增了 3.8 吉瓦（GW）的數(shù)據(jù)中心容量，這一數(shù)字領(lǐng)先全球。同時(shí)，我們擁有世界上最大的私有網(wǎng)絡(luò)，在過去 12 個(gè)月內(nèi)規(guī)模增長了 50%，目前擁有的陸地和海底電纜總長超過 900 萬公里，這一長度足以往返地球與月球 11 次以上。

在Amazon，一切始于客戶。今天，數(shù)以百萬計(jì)的客戶在我們的平臺上運(yùn)行著各種各樣的用例。全球各行各業(yè)的大型企業(yè)、金融服務(wù)、醫(yī)療保健、媒體娛樂、通信行業(yè)，乃至各國政府機(jī)構(gòu)，都在 AWS 上運(yùn)營業(yè)務(wù)并實(shí)現(xiàn)轉(zhuǎn)型。

對于AWS 而言，安全是重中之重，是一切的基礎(chǔ)。正因如此，美國情報(bào)界十多年來一直選擇 AWS 作為首選云服務(wù)商；納斯達(dá)克將交易市場遷移至 AWS；輝瑞公司（Pfizer）也選擇 AWS 作為其數(shù)字化轉(zhuǎn)型的核心。

我們也深知合作伙伴對客戶成功的重要性。我們要感謝龐大的合作伙伴網(wǎng)絡(luò)，包括本周到場的眾多SaaS 提供商、系統(tǒng)集成商和解決方案提供商，沒有你們，我們無法服務(wù)如此廣泛的全球客戶。

我個(gè)人對初創(chuàng)公司情有獨(dú)鐘。在AWS 上構(gòu)建的“獨(dú)角獸”企業(yè)數(shù)量遠(yuǎn)超其他任何平臺。如今，越來越多的初創(chuàng)公司，尤其是 AI 初創(chuàng)公司，正涌向 AWS。福特 2025 年 AI 50 榜單中 85% 的企業(yè)，以及 CNBC Disruptor 50 榜單中 85% 的企業(yè)都運(yùn)行在 AWS 上。這些創(chuàng)始人創(chuàng)造的成果令人驚嘆。

（以下為AudioShake 團(tuán)隊(duì)分享內(nèi)容）

AudioShake 是去年 re:Invent “Unicorn Tank” 路演比賽的冠軍。試想一下，如果我們能從一段熱帶雨林、游樂場或街頭音樂的錄音中，將音樂、車聲或背景對話單獨(dú)提取出來，會發(fā)生什么？

在AudioShake，我們將聲音分離，以便人類和機(jī)器能以全新的方式訪問和理解它。我們的多說話者分離器是全球首個(gè)能將不同說話者的聲音高分辨率分離到不同流中的技術(shù)。這可以應(yīng)用于呼叫中心將個(gè)別聲音隔離，也廣泛應(yīng)用于媒體和娛樂領(lǐng)域。

更重要的是，我們在聽力和語言障礙領(lǐng)域看到了巨大潛力。我們與一些關(guān)注ALS（肌萎縮側(cè)索硬化）的非營利組織合作，利用患者發(fā)病前的舊錄音，分離出他們原本的聲音進(jìn)行克隆，讓患者能用自己原本的聲音交流。

創(chuàng)業(yè)之初我們只有三個(gè)人。如果沒有AWS，我們根本無法獲得將模型交付給真實(shí)客戶所需的基礎(chǔ)設(shè)施。我們在 AWS 上運(yùn)行整個(gè)生產(chǎn)流水線，從推理、存儲到作業(yè)編排及整個(gè)生產(chǎn)環(huán)境。我們正邁入一個(gè)聲音更加可定制化的世界，這不僅能幫助聽力障礙者以想要的方式聆聽世界，也能幫助機(jī)器更深入地理解現(xiàn)實(shí)世界。

感謝AudioShake 團(tuán)隊(duì)的精彩分享。AWS 的一切工作都離不開構(gòu)建者，尤其是開發(fā)者。本次大會一直以來都是一個(gè)以此為核心的學(xué)習(xí)型會議。我要感謝全球數(shù)以百萬計(jì)的 AWS 開發(fā)者，特別是在座的 AWS Heroes，以及遍布全球 129 個(gè)國家、擁有超過 100 萬成員的用戶組社區(qū)。

我們?yōu)槭裁匆@樣做？是什么激勵(lì)著我們？為什么我們在20 年后的今天，依然保持著與 AWS 創(chuàng)立之初同樣的熱情？

驅(qū)動我們每天前進(jìn)的動力，是賦予你們完全的發(fā)明自由。從創(chuàng)立AWS 的那一刻起，這就是我們的愿景：我們要讓每一位開發(fā)者或發(fā)明家，無論是在宿舍還是車庫，都能獲得所需的技術(shù)基礎(chǔ)設(shè)施和能力，去構(gòu)建他們想象中的任何東西。

20 年前，這是不可能的。開發(fā)者無法在不投入大量資金和時(shí)間的情況下獲得服務(wù)器或算力。大家把太多時(shí)間花在采購服務(wù)器和管理基礎(chǔ)設(shè)施上，而不是構(gòu)建產(chǎn)品。我們在 Amazon 內(nèi)部也曾切身體會到這一點(diǎn)——我們擁有充滿絕妙創(chuàng)意的構(gòu)建者，但受限于基礎(chǔ)設(shè)施，無法快速行動。

于是我們問自己：“為什么不呢？（Why not?）” 為什么開發(fā)者不能專注于構(gòu)建？為什么不能將實(shí)驗(yàn)的時(shí)間和成本降為零？為什么不讓每一個(gè)想法都成為可能？

過去二十年，我們一直在為實(shí)現(xiàn)這些目標(biāo)而創(chuàng)新。如今，我們正見證人工智能領(lǐng)域的爆發(fā)式發(fā)明。每一家公司、每一個(gè)行業(yè)都在被重塑。雖然技術(shù)迭代速度前所未有，但我們?nèi)蕴幱贏I 變革的早期階段。

但我知道，許多客戶尚未看到與AI 承諾相匹配的回報(bào)，AI 的真正價(jià)值尚未完全釋放。這一情況正在快速改變。我們看到“AI 助手（Assistants）”正開始讓位于“AI Agent”。Agent不僅能回答問題，更能為你執(zhí)行任務(wù)并實(shí)現(xiàn)自動化。這正是 AI 投資開始產(chǎn)生實(shí)質(zhì)性商業(yè)回報(bào)的地方。

我相信，Agent的出現(xiàn)將把我們帶到人工智能發(fā)展的一個(gè)拐點(diǎn)。AI 正在從一種技術(shù)奇跡轉(zhuǎn)變?yōu)槟軌驇碚嬲齼r(jià)值的生產(chǎn)力工具。這一變化對業(yè)務(wù)的影響將堪比互聯(lián)網(wǎng)或云計(jì)算的誕生。

未來，每一家公司的內(nèi)部和各個(gè)領(lǐng)域都將涌現(xiàn)出數(shù)十億個(gè)Agent。我們已經(jīng)看到Agent在加速藥物發(fā)現(xiàn)、提升客戶服務(wù)、提高工資處理效率等方面的應(yīng)用。在某些情況下，Agent將人類的影響力擴(kuò)展了 10 倍，讓人們有更多時(shí)間去創(chuàng)新。

如果每個(gè)人都能獲得這種程度的影響力，豈不是太棒了？我們也是這么認(rèn)為的。這就是為什么我們再次問自己：“為什么不呢？”

要邁向擁有數(shù)十億Agent的未來，讓每一個(gè)組織都能從 AI 中獲得真實(shí)的商業(yè)成果，要求我們必須打破基礎(chǔ)設(shè)施的可行性極限。我們需要為具有Agent能力的系統(tǒng)和應(yīng)用發(fā)明新的構(gòu)建模塊，我們需要重新構(gòu)想每一個(gè)流程以及大家的工作方式。

在AWS，我們一直在堆棧的各個(gè)層面進(jìn)行創(chuàng)新，以賦予你們發(fā)明未來的全部自由。要交付真正帶來價(jià)值的Agent，一切都始于擁有最具擴(kuò)展性和最強(qiáng)大的 AI 基礎(chǔ)設(shè)施。你需要一個(gè)高度可擴(kuò)展且安全的云平臺，為 AI 工作負(fù)載提供絕對的最佳性能。同時(shí)，你希望在模型訓(xùn)練、定制化以及推理的全過程中，以盡可能低的成本實(shí)現(xiàn)這一目標(biāo)。

說起來容易做起來難，這需要對硬件和軟件的每一層進(jìn)行深度優(yōu)化。事實(shí)證明，這沒有捷徑，而這正是AWS 能夠做到的。

2、AI 基礎(chǔ)設(shè)施

當(dāng)我們思考AI 基礎(chǔ)設(shè)施時(shí)，首先想到的就是 GPU。在AWS 上運(yùn)行 NVIDIA GPU 無疑是最佳選擇。我們是最早提供云端NVIDIA GPU 的服務(wù)商之一，與 NVIDIA 的合作已超過 15 年，這意味著我們已經(jīng)掌握了大規(guī)模運(yùn)行 GPU 的技術(shù)。如果你詢問任何在其他供應(yīng)商處運(yùn)行過大型 GPU 集群的人，他們會告訴你，AWS 在運(yùn)行 GPU 集群方面是最穩(wěn)定的。我們在避免節(jié)點(diǎn)故障方面表現(xiàn)出色，并提供最佳的可靠性。

這源于我們對細(xì)節(jié)的精益求精。即使是調(diào)試BIOS 以防止 GPU 重啟這類細(xì)微的工作，我們也會投入精力。在其他地方，人們可能會接受現(xiàn)狀，認(rèn)為“這就是運(yùn)作方式”。但我們不同，我們會調(diào)查并找出每一個(gè)問題的根本原因，然后與合作伙伴 NVIDIA 合作，確保持續(xù)改進(jìn)。對我們而言，沒有小到不值得關(guān)注的問題。正是這些細(xì)節(jié)至關(guān)重要，使我們在 GPU 可靠性方面引領(lǐng)行業(yè)。這需要艱苦的努力和真正的工程技術(shù)才能實(shí)現(xiàn)，而我們在每一代產(chǎn)品上都在這些新的維度上進(jìn)行改進(jìn)。

今年，我們推出了第六代P6 EC2 Instances，包括采用 NVIDIA Blackwell 處理器 GB200 的 P6E Ultra 服務(wù)器，其計(jì)算能力比我們之前的 P5n 提升了超過 20 倍。這些Instances非常適合正在使用超大型 AI 模型的客戶。

今天，我們很高興地宣布推出全新的P6E GB300，由 NVIDIA 最新的 GB300 NVL72 提供支持。我們持續(xù)為最苛刻的AI 工作負(fù)載提供同類最佳的計(jì)算能力。我們對硬件和軟件采取了全棧方法，再加上嚴(yán)謹(jǐn)?shù)倪\(yùn)維，確保了全球最大規(guī)模的組織能夠獲得絕對最佳的性能和可靠性。

世界上最大規(guī)模的組織，包括NVIDIA 自身（通過 Project Saba on AWS）和 OpenAI 等眾多公司，今天都在 AWS 上積極運(yùn)行大規(guī)模通用生成式 AI 集群。他們正在使用由數(shù)十萬 GB200（很快將升級為 GB300）芯片構(gòu)成的 EC2 Ultra 服務(wù)器集群。這些集群具有可擴(kuò)展能力，能夠擴(kuò)展到數(shù)千萬個(gè) CPU 以上，用于管理他們的智能Agent工作流，支持其 ChatGPT 應(yīng)用以及下一代模型的訓(xùn)練。

另一個(gè)合作案例是沙特阿拉伯新成立的公司Humane，他們致力于推動該地區(qū)的 AI 創(chuàng)新。我們最近宣布與 Humane 合作開發(fā)沙特阿拉伯王國的 AI 區(qū)。這項(xiàng)合作將為客戶提供高性能基礎(chǔ)設(shè)施、模型以及 SageMaker 和 Bedrock 等 AI 服務(wù)，同時(shí)幫助滿足沙特王國對安全、隱私和負(fù)責(zé)任 AI 的嚴(yán)格標(biāo)準(zhǔn)。

這類項(xiàng)目引起了大型政府機(jī)構(gòu)和公共部門對類似概念的興趣。于是我們思考：能否將這種類型的AI 區(qū)域交付給更廣泛的客戶，甚至可能利用客戶現(xiàn)有的數(shù)據(jù)中心方案？

這就是我們今天很高興宣布推出AWS AI Factories的原因。通過此項(xiàng)發(fā)布，客戶能夠在他們自己的數(shù)據(jù)中心部署專用的AWS AI 基礎(chǔ)設(shè)施和服務(wù)，僅供他們專用。AWS AI 工廠的運(yùn)作方式類似于私有的 AWS 區(qū)域，客戶可以利用他們已購置的數(shù)據(jù)中心空間和電力容量，并獲得 AWS 領(lǐng)先的 AI 基礎(chǔ)設(shè)施和服務(wù)，包括最新的 Trainium Ultra 服務(wù)器或 NVIDIA GPU，以及對 SageMaker 和 Bedrock 等服務(wù)的訪問。這些 AI 工廠專門為每個(gè)客戶獨(dú)立運(yùn)行，有助于實(shí)現(xiàn)隔離，同時(shí)保持 AWS 的安全性和可靠性，并滿足嚴(yán)格的合規(guī)性和主權(quán)要求。我們非常期待這些 AI 工廠能為客戶帶來的巨大可能性。

談到AWS 的 AI，我們始終強(qiáng)調(diào)選擇自由。如果你想擁有頂級的AI 基礎(chǔ)設(shè)施，你需要具備用于 AI 訓(xùn)練和推理的最優(yōu)算力。AWS 迄今為止以最廣泛的選項(xiàng)領(lǐng)先一步，其中就包括我們開創(chuàng)性的專用 AI 處理器。

AWS Trainium 是我們定制的 AI 芯片，旨在為 AI 工作負(fù)載提供最佳的性價(jià)比。客戶喜歡 Trainium 在訓(xùn)練工作負(fù)載方面所能達(dá)成的成果。但我們也要自我批評：AWS 的產(chǎn)品命名常常令人頭疼，Trainium 也不例外。我們將其命名為 Trainium，因?yàn)樗荚跒?AI 訓(xùn)練提供出色的體驗(yàn)。然而，事實(shí)證明，Trainium 2 目前實(shí)際上是世界上用于推理的最佳系統(tǒng)。

許多客戶可能已經(jīng)在不知不覺中使用Trainium。今天，在 Amazon Bedrock 上運(yùn)行的大部分推理工作負(fù)載實(shí)際上都由 Trainium 提供支持。Trainium 的性能優(yōu)勢非常明顯。如果你在 Bedrock 中使用 Claude 的最新一代模型，所有這些流量都運(yùn)行在 Trainium 上，它提供了比任何其他主要供應(yīng)商更優(yōu)的端到端響應(yīng)時(shí)間。

這也是我們迄今為止已部署超過100 萬枚 Trainium 芯片的部分原因。我們以創(chuàng)紀(jì)錄的速度達(dá)到了百萬芯片的規(guī)模，因?yàn)槲覀冋瓶卣麄�(gè)流程和技術(shù)棧，能夠端到端優(yōu)化部署方式，從而實(shí)現(xiàn)更快地推進(jìn)。事實(shí)上，Trainium 2 在數(shù)據(jù)中心的大規(guī)模部署速度，比我們之前見過的下一款最快芯片快四倍。它是我們有史以來大規(guī)模投產(chǎn)的最強(qiáng) AI 芯片，并且正在以我們能制造的最快速度售出。Trainium 今天已經(jīng)代表了一項(xiàng)數(shù)十億美元級別的業(yè)務(wù)，并且仍在快速增長。

當(dāng)所有這些在一個(gè)圍繞Trainium 專門構(gòu)建的系統(tǒng)中匯聚時(shí)，會是怎樣一番景象？

以前有人說“數(shù)據(jù)中心就是新的計(jì)算機(jī)”，而現(xiàn)在，在訓(xùn)練下一代模型時(shí)，數(shù)據(jù)中心園區(qū)就是新的計(jì)算機(jī)。Anthropic 的 Claude 是當(dāng)今世界上最好的模型之一，它由 Trainium 在 Project Rainer 中實(shí)現(xiàn)。

現(xiàn)在我們宣布Trainium 3 UltraServers已全面可用。Trainium 3 芯片在單一縱向擴(kuò)展域中協(xié)同工作，通過定制的 Neuron 交換機(jī)互聯(lián)，提供了巨大的 362 FP8 PetaFLOPS 的計(jì)算能力和超過每秒 700 TB 的總帶寬，且全部在一個(gè)計(jì)算Instances中。此外，我們定制構(gòu)建的 EFA 網(wǎng)絡(luò)支持將這些擴(kuò)展到數(shù)十萬芯片的集群。

沒有其他任何人能為你提供這種能力。這需要將所有這些系統(tǒng)級組件協(xié)同設(shè)計(jì)：需要多種類型的定制硅芯片，需要縱向擴(kuò)展和橫向擴(kuò)展的網(wǎng)絡(luò)，需要詳盡且集成的軟件棧，當(dāng)然還需要業(yè)內(nèi)領(lǐng)先的數(shù)據(jù)中心。

在一個(gè)關(guān)于性能提升的真實(shí)世界示例中，我們針對一個(gè)流行的開源GPT（GPT-OSS）12B 模型進(jìn)行了推理基準(zhǔn)測試，分別在 Trainium 2 和 Trainium 3 上運(yùn)行。結(jié)果顯示，Trainium 3 相比 Trainium 2 獲得了顯著的效率提升：每兆瓦輸出的Token 數(shù)提高了超過五倍，同時(shí)每位用戶保持了相同的感知延遲（我們稱之為交互性）。我們在多個(gè)不同模型上運(yùn)行時(shí)也看到了類似的結(jié)果。我們非常期待Trainium 3 將為客戶帶來的創(chuàng)新，并且我們不會止步于此，正在全力開發(fā) Trainium 4。

未來，計(jì)算速度和過程的安全性將比以往任何時(shí)候都更重要。AWS 在這方面的組合是世界上最優(yōu)秀的。其對人類的意義在于，能夠構(gòu)建一種新型的、具有可擴(kuò)展性的科學(xué)思維和基礎(chǔ)設(shè)施，讓這種思維開始運(yùn)轉(zhuǎn)，去發(fā)現(xiàn)治療方法、新能源技術(shù)、新材料等等，共同將更好的未來帶入當(dāng)下。

3、Amazon Bedrock：生成式 AI 平臺

基礎(chǔ)設(shè)施層面的發(fā)明令人難以置信，但基礎(chǔ)設(shè)施只是故事的一部分。我們看到世界上每一個(gè)應(yīng)用都正在被AI 重新定義。我們正邁向一個(gè)推理（Inference）的未來，推理是每個(gè)開發(fā)者構(gòu)建的應(yīng)用中不可或缺的一部分。要在那個(gè)未來取得成功，你需要一個(gè)安全、可擴(kuò)展、功能豐富的推理平臺。

這就是我們開發(fā)Amazon Bedrock 的原因。Bedrock 是一個(gè)全面的平臺，旨在幫助你在從原型過渡到生產(chǎn)環(huán)境的過程中，加速生成式 AI 應(yīng)用的開發(fā)。

使用Bedrock，你可以選擇各種最新模型并進(jìn)行自定義。我們提供開放權(quán)重模型和專有模型，通用型或?qū)Ｓ眯停笮突蛐⌒湍Ｐ汀Ｔ谶^去一年里，我們將 Bedrock 中提供的模型數(shù)量增加了近一倍。今天，我們很高興地宣布將推出一整批新的開源權(quán)重模型。

這些模型包括Google 的 Gemma、Miniaix M2 和 NVIDIA 的 Neotron。同時(shí)，今天還有幾款全新模型首次向全球發(fā)布：

Mistral Large：這是對他們Large 2 模型的巨大飛躍，上下文窗口大小翻倍，模型參數(shù)數(shù)量增加了超過五倍。

Mistral 3：包含三款模型組合，提供了靈活的部署選項(xiàng)，適用于超高效的邊緣設(shè)備、單GPU 部署或高級本地運(yùn)行。

除了Bedrock 上提供的眾多第三方模型之外，AWS 去年發(fā)布了 Amazon Nova，這是亞馬遜的基礎(chǔ)模型家族，為許多工作負(fù)載提供業(yè)內(nèi)最佳性價(jià)比。在過去一年里，Nova 家族已擴(kuò)展以支持更多用例，包括語音到語音的用例，例如 Amazon Sonic。我們最近發(fā)布了業(yè)內(nèi)性能最好的新一代模型Amazon Nova 2：

Nova 2 Lite：將成為真正的主力模型，提供行業(yè)領(lǐng)先或更優(yōu)的性價(jià)比，適用于各種場景。

Nova 2 Pro：是我們最智能的推理模型，非常適合處理那些復(fù)雜的Agent工作負(fù)載。在遵循指令和自主工具使用等關(guān)鍵領(lǐng)域，Nova 2 Pro 表現(xiàn)出色。在這些領(lǐng)域的人工分析基準(zhǔn)上，Nova 2 Pro 的絕對結(jié)果優(yōu)于 GPT-5.1、Gemini 3 Pro 和 Claude 4.5 Sonnet 等領(lǐng)先模型。

Nova 2 Sonic：適用于需要語音功能的應(yīng)用程序，在出色的性價(jià)比下提供行業(yè)領(lǐng)先的對話質(zhì)量，具有更低的延遲和更高的可擴(kuò)展性，并顯著擴(kuò)展了語言支持。

Nova 2 Omni：是一種全新的多模態(tài)模型，具備獨(dú)特的能力，能夠處理圖像、視頻和音頻輸入，并支持文本和圖像生成輸出的推理。

這是為Amazon Nova 家族推出的四個(gè)新的行業(yè)領(lǐng)先模型，但這僅僅是一個(gè)開始。

接下來，我們來看看Gradial 正在如何利用 Nova 和 Bedrock 構(gòu)建優(yōu)秀的能力。在營銷中，最大的瓶頸不是創(chuàng)意本身，而是創(chuàng)意實(shí)現(xiàn)之后發(fā)生的一切。Gradial 致力于實(shí)現(xiàn)內(nèi)容的快速交付。

如今，內(nèi)容運(yùn)營領(lǐng)域高度依賴人工。將創(chuàng)意簡報(bào)發(fā)布到網(wǎng)站上，可能需要四到六周，涉及設(shè)計(jì)師、工程師、文案撰稿人以及網(wǎng)站策略師等20 個(gè)不同的步驟。Gradial 所做的是將所有不同的系統(tǒng)連接在一起，從而能夠?qū)?chuàng)意想法快速轉(zhuǎn)化為網(wǎng)站內(nèi)容。

Gradial 利用 Bedrock 實(shí)現(xiàn)這些功能令人驚嘆。隨著這些模型被用于驅(qū)動越來越多的關(guān)鍵任務(wù)業(yè)務(wù)線應(yīng)用和Agent工作流，AI 對貴公司數(shù)據(jù)的理解變得至關(guān)重要。

4、Amazon Nova Forge：開放訓(xùn)練模型

目前企業(yè)最常用且成功的技術(shù)，是將專有數(shù)據(jù)與大型模型結(jié)合的方式，包括利用RAG（檢索增強(qiáng)生成）或向量數(shù)據(jù)，從而在模型推理時(shí)提供上下文。這些方法非常有效，能夠幫助模型更高效地處理龐大的數(shù)據(jù)集并返回相關(guān)結(jié)果。

然而，我們通常發(fā)現(xiàn)，這種做法的能力是有限的。幾乎所有客戶都希望模型能真正理解他們的數(shù)據(jù)，特別是深厚的領(lǐng)域知識和專業(yè)經(jīng)驗(yàn)。他們希望模型在做出決策時(shí)能夠充分運(yùn)用這些專業(yè)知識。

以一家硬件公司為例，假設(shè)他們希望加速新產(chǎn)品的研發(fā)。理想情況下，他們需要一個(gè)能理解公司過去產(chǎn)品、制造偏好、歷史成功率、失敗率以及可能存在的任何流程約束的模型。他們希望有一種機(jī)制，能將所有這些因素整合起來，為設(shè)計(jì)工程師提供智能指導(dǎo)。

事實(shí)證明，無論企業(yè)身處哪個(gè)行業(yè)，都擁有龐大的知識產(chǎn)權(quán)和數(shù)據(jù)語料庫。將這些專有知識集成到所使用的模型中，將產(chǎn)生巨大價(jià)值。

自然地，有人會問：為什么不直接訓(xùn)練一個(gè)定制模型？如今，只有兩種主要的實(shí)現(xiàn)方式。

第一，你可以從頭構(gòu)建自己的模型，并將自己的數(shù)據(jù)包含進(jìn)去。但這種方式成本極其高昂。而且，企業(yè)內(nèi)部很可能不具備預(yù)訓(xùn)練前沿模型所需的全部數(shù)據(jù)和專業(yè)知識。因此，對大多數(shù)公司來說，這并非一個(gè)實(shí)際的選擇。

第二，大多數(shù)人通常會從一個(gè)開放權(quán)重模型開始，然后對其進(jìn)行修改和定制。這其中有很大的自定義空間，可以使用微調(diào)等技術(shù)來調(diào)整權(quán)重，或者采用強(qiáng)化學(xué)習(xí)，以構(gòu)建專注于特定用例的模型。

然而，這種方法的有效性也存在限制。想要讓模型理解它在預(yù)訓(xùn)練階段從未涉及的新領(lǐng)域，非常困難。更重要的是，對模型進(jìn)行越多的定制，在后訓(xùn)練中添加越多的數(shù)據(jù)，這些模型就越容易“遺忘”它們早期學(xué)到的一些核心內(nèi)容，尤其是推理能力。

這有點(diǎn)像人類學(xué)習(xí)新語言：在兒童時(shí)期學(xué)習(xí)相對容易，但成年后學(xué)習(xí)則要困難得多。模型訓(xùn)練也有類似的特性。

因此，盡管在模型可調(diào)性方面已經(jīng)取得了一些進(jìn)展，但這種路徑畢竟是有限的。到今天為止，還沒有一個(gè)完美的方法，能讓企業(yè)在獲得最前沿模型的同時(shí)，又使其對企業(yè)的專有數(shù)據(jù)和領(lǐng)域知識有深刻理解。

如果能在一個(gè)前沿模型訓(xùn)練的關(guān)鍵時(shí)刻，將企業(yè)的專有數(shù)據(jù)融入其中，并創(chuàng)建一個(gè)僅供該企業(yè)使用的模型，會怎么樣？我們認(rèn)為這正是客戶真正需要的。

今天，我們非常高興地宣布推出Amazon Nova Forge。

Nova Forge是一項(xiàng)全新的服務(wù)，它引入了開放訓(xùn)練模型的概念。通過Nova Forge，您可以獨(dú)家訪問各種Nova訓(xùn)練檢查點(diǎn)。然后，您可以將自己的專有數(shù)據(jù)融合進(jìn)來，配合Amazon精心整理的訓(xùn)練數(shù)據(jù)集，在模型訓(xùn)練的各個(gè)階段進(jìn)行。這使得您能夠生成一個(gè)對企業(yè)信息有深刻理解的模型，同時(shí)保留了模型在基礎(chǔ)訓(xùn)練階段獲得的核心能力。

我們將這些生成的模型稱為Novellas。您可以輕松地將您的Novella上傳到Amazon Bedrock并運(yùn)行推理。

假設(shè)您是剛才提到的那個(gè)硬件制造商，擁有數(shù)百GB、數(shù)十億個(gè)tokens的專有數(shù)據(jù)，涉及過去的設(shè)計(jì)、失敗模式和評審記錄等。

您可以選擇從一個(gè)已完成80%預(yù)訓(xùn)練的Nova 2 Light檢查點(diǎn)開始。使用我們提供的工具集，您將自己的所有數(shù)據(jù)與Amazon整理的訓(xùn)練數(shù)據(jù)集融合。然后，您運(yùn)行提供的預(yù)訓(xùn)練“配方”來完成模型的預(yù)訓(xùn)練，這次包含了您的所有專有數(shù)據(jù)。這在模型中植入了您的領(lǐng)域特定知識，同時(shí)不會損失其原有的推理等重要基礎(chǔ)能力。

Nova Forge還支持使用遠(yuǎn)程獎(jiǎng)勵(lì)函數(shù)和強(qiáng)化微調(diào)來進(jìn)一步改進(jìn)模型，讓您能夠?qū)⒄鎸?shí)世界的環(huán)境反饋接入到訓(xùn)練循環(huán)中。由于您的基線模型已經(jīng)理解您的業(yè)務(wù)，這些后訓(xùn)練技術(shù)會更加有效。

模型準(zhǔn)備就緒后，您可以將這個(gè)Novella模型導(dǎo)入Bedrock，并像對待任何其他Bedrock模型一樣運(yùn)行推理�，F(xiàn)在，您的工程師可以直接提問，例如：“設(shè)計(jì)A對比設(shè)計(jì)B有什么優(yōu)點(diǎn)和缺點(diǎn)？”模型將根據(jù)貴公司的歷史業(yè)績、制造約束和客戶偏好，給出針對性的響應(yīng)。

我們已與一些客戶合作測試Nova Forge，他們從定制化的Nova開放訓(xùn)練模型中獲得了變革性的成果。

以Reddit為例，他們使用生成式AI在聊天和搜索中對內(nèi)容進(jìn)行審核，涉及多個(gè)不同的安全維度。最初，對現(xiàn)有模型進(jìn)行微調(diào)無法滿足他們所需的性能要求。嘗試使用多個(gè)模型處理不同的安全維度又太過復(fù)雜。最終，他們?nèi)噪y以達(dá)到社區(qū)特定需求所需的準(zhǔn)確度。

然而，借助Nova Forge，Reddit能夠在預(yù)訓(xùn)練階段整合他們自己的專有領(lǐng)域數(shù)據(jù)，使得模型發(fā)展出一種綜合的表示，將通用語言理解和他們社區(qū)特定的知識自然地整合在一起。這是他們第一次能夠生成一個(gè)既滿足準(zhǔn)確性要求和成本效率目標(biāo)，同時(shí)部署和運(yùn)維也更為簡單的模型。

我們相信，開放訓(xùn)練模型的理念將徹底改變企業(yè)利用AI進(jìn)行創(chuàng)新的方式。

5、Amazon Bedrock AgentCore：智能Agent平臺

事實(shí)證明，采用云技術(shù)能讓企業(yè)更快速地前進(jìn)，并適應(yīng)各種突如其來的變化。現(xiàn)在，最有可能改變企業(yè)業(yè)務(wù)的最大機(jī)遇之一就是Agent。

Agent之所以令人興奮，是因?yàn)樗鼈兛梢圆扇⌒袆硬⑼瓿扇蝿?wù)。它們可以進(jìn)行動態(tài)推理，并創(chuàng)建工作流以最佳方式解決一項(xiàng)工作，而無需預(yù)先編程。這些Agent以非確定性方式工作，這也是它們?nèi)绱藦?qiáng)大的部分原因。但這同時(shí)也意味著，我們過去用于構(gòu)建傳統(tǒng)軟件的基礎(chǔ)和工具，未必適用于Agent。

這就是我們推出Amazon Bedrock AgentCore 的原因，它提供最先進(jìn)的智能Agent平臺，便于企業(yè)在大規(guī)模下安全地構(gòu)建、部署和運(yùn)行Agent。我們在設(shè)計(jì)AgentCore時(shí)，注重全面性與模塊化。

AgentCore具有一個(gè)安全的無服務(wù)器運(yùn)行時(shí)，確保Agent可以在完全會話隔離中運(yùn)行。AgentCore內(nèi)存使得Agent能夠保持上下文，處理短期和長期記憶，使其能夠隨著時(shí)間學(xué)習(xí)并變得更好。我們提供一個(gè)AgentCore網(wǎng)關(guān)，使Agent可以輕松且安全地發(fā)現(xiàn)并連接到工具、數(shù)據(jù)以及其他Agent。AgentCore身份（Identity）提供了一種安全認(rèn)證的方式，讓您可以控制Agent可以訪問的工具和數(shù)據(jù)。AgentCore可觀測性為您提供已部署Agent工作流的實(shí)時(shí)可見性。

我們還提供了多種基礎(chǔ)工具，允許您的Agent以安全的方式執(zhí)行真實(shí)世界的工作流。例如，代碼解釋器（Code Interpreter）功能可讓您訪問一個(gè)安全的執(zhí)行環(huán)境。

AgentCore正迅速被各行各業(yè)的客戶采納，作為其智能Agent應(yīng)用程序的基礎(chǔ)。我們在監(jiān)管行業(yè)如Visa、National Australia Bank或Rio Tinto等公司中，以及在ISV（如Palumi、ADP）和初創(chuàng)公司（如Coher Health、Snorkel AI）中都看到了強(qiáng)勁的勢頭。

納斯達(dá)克（Nasdaq）的首席執(zhí)行官Dina Freeman和她的團(tuán)隊(duì)正在快速構(gòu)建能夠在他們業(yè)務(wù)核心領(lǐng)域真正工作的Agent。她認(rèn)為AgentCore至關(guān)重要，因?yàn)樗峁┝怂麄兯璧陌踩院透綦x性。

另一個(gè)例子是Bristol Myers Squibb，他們發(fā)現(xiàn)Agent使用AgentCore運(yùn)行時(shí)，具備無縫、動態(tài)擴(kuò)展規(guī)模的能力，并能保持其敏感數(shù)據(jù)安全且隔離。

我們看到像Workday這樣的ISV正在基于AgentCore構(gòu)建未來的軟件。AgentCore的代碼解釋器準(zhǔn)確地交付了他們所需的核心功能、安全要求和數(shù)據(jù)保護(hù)。

6、引入 AgentCore Policy

管理AI Agent就像撫養(yǎng)一個(gè)十幾歲的青少年。我的家中就有兩個(gè)出色的青少年。隨著孩子長大，你必須開始賦予他們更多的自主權(quán)和自由，讓他們學(xué)習(xí)并實(shí)現(xiàn)“成年化”。然而，你也需要設(shè)定一些基本規(guī)則，以避免出現(xiàn)重大問題。想想孩子剛開始開車的時(shí)候：他們突然擁有了所有自主權(quán)，可以自己做很多事情。但你仍需要設(shè)置“護(hù)欄”，比如規(guī)定他們必須在某個(gè)時(shí)間前回家，或者不能超速行駛。

建立對Agent信任的一種方式是確保它們擁有正確的權(quán)限來訪問你的工具和數(shù)據(jù)。AgentCore Identity 提供了一種很好的實(shí)現(xiàn)方式。然而，僅僅設(shè)置Agent可訪問的工具權(quán)限只是一個(gè)良好的開端。你真正想要控制的是，Agent可以使用這些工具執(zhí)行或不執(zhí)行哪些具體的操作。例如，“Agent將如何使用這些工具？為誰使用？”這些問題是目前客戶面臨的難題。客戶可以將Policy嵌入到Agent代碼中，但由于Agent會即時(shí)生成并執(zhí)行自己的代碼，這些安全保障措施只是“盡力而為”，提供的保證很弱，并且難以進(jìn)行審計(jì)。

在實(shí)際應(yīng)用中，這意味著你無法確定地控制Agent可執(zhí)行或不可執(zhí)行的內(nèi)容，同時(shí)又希望賦予其自主權(quán)來完成工作流程。因此，大多數(shù)客戶在將Agent部署到最具價(jià)值的關(guān)鍵用例時(shí)會感到受阻。

正是基于這個(gè)原因，今天我們宣布在AgentCore 中引入Policy功能。Policy能提供實(shí)時(shí)的確定性設(shè)置，用于控制你的Agent如何與企業(yè)工具和數(shù)據(jù)進(jìn)行交互。你可以設(shè)置這些Policy，定義Agent可以訪問哪些工具、哪些數(shù)據(jù)、以及在什么條件下如何訪問。這包括 API、Lambda 函數(shù)、MCP 服務(wù)器，以及 Salesforce 或 Slack 等流行的第三方服務(wù)。此外，你還可以定義Agent在何種條件下可以執(zhí)行哪些操作。

AgentCore 在授予Agent訪問工具或數(shù)據(jù)之前，會根據(jù)這項(xiàng)Policy對每個(gè)Agent動作進(jìn)行評估。我們通過一個(gè)簡單的退款示例來解釋。假設(shè)你在 AgentCore Policy 中使用自然語言定義了一條Policy，比如：“我希望阻止所有報(bào)銷金額超過 1,000 美元的退款請求。”在底層，你的自然語言提示會被轉(zhuǎn)換成 Cedar 語言。Cedar 是一種流行的開源語言，它支持我們在授權(quán)方面的自動化推理工作，也是我們在 AWS 內(nèi)部可驗(yàn)證系統(tǒng)的基礎(chǔ)。Policy建立后，會被部署到 AgentCore Gateway，并在毫秒級進(jìn)行評估。這確保了你的所有操作都能得到即時(shí)且一致的檢查，從而保持Agent工作流的快速響應(yīng)。

這種部署位置的設(shè)計(jì)至關(guān)重要，因?yàn)镻olicy執(zhí)行是在Agent應(yīng)用程序代碼之外進(jìn)行的。Policy評估實(shí)際上位于你的Agent與所有數(shù)據(jù)、API 和工具之間。因此，你可以可預(yù)測地控制它們的行為。回到我們的退款政策示例，如果每個(gè)Agent操作在訪問工具之前都經(jīng)過Policy檢查，那么當(dāng)退款金額超過設(shè)定的限額時(shí)，Agent就會被阻止發(fā)起該退款。有了這些明確的Policy，組織就能對其構(gòu)建和部署的Agent產(chǎn)生更深的信任，因?yàn)樗麄冎繟gent會保持在設(shè)定的邊界內(nèi)。

當(dāng)然，你不僅希望Agent遵循明確定義的規(guī)則，你更需要知道它們的行為是正確的�！靶湃危�(yàn)證（Trust, but verify）”是亞馬遜內(nèi)部一種管理規(guī)�；乃季S模型。在 AWS，我們給予團(tuán)隊(duì)極大的自主權(quán)，我信任他們?yōu)榭蛻暨M(jìn)行創(chuàng)新并執(zhí)行使命。但同時(shí)，我也有一些機(jī)制，讓我在一切順利時(shí)也能深入探查和檢視。我想確認(rèn)我們確定的戰(zhàn)略舉措，是否正按預(yù)期的方式被執(zhí)行。

這就像是我的青少年子女。我通常相信他們會遵守規(guī)則，但我仍可以查看Ring 攝像頭，確認(rèn)他們是否按時(shí)到家。我可以隨時(shí)查看實(shí)時(shí) 360 應(yīng)用的狀態(tài)，以確保他們的行為在我設(shè)定的邊界和期望之內(nèi)。同樣的原則也適用于Agent。為了建立信心，你需要看到它們的實(shí)際行為情況。

目前，客戶非常滿意AgentCore Observability（可觀測性）帶來的體驗(yàn)。你可以實(shí)時(shí)查看所有運(yùn)營指標(biāo)的可見性，包括Agent的響應(yīng)時(shí)間、計(jì)算資源使用情況、錯(cuò)誤率以及哪些工具和功能被訪問。這些都很好。然而，除了Agent在運(yùn)營層面的表現(xiàn)，還有其他你想要知道的事情。

7、引入 AgentCore Evaluation

你想要知道：Agent是否正在做出正確的決策？它們是否為任務(wù)使用了最合適的工具？它們的回答是否正確、適當(dāng)，甚至是否符合品牌定位？這些是今天極難衡量的事情。通常，你需要一個(gè)數(shù)據(jù)科學(xué)家來構(gòu)建復(fù)雜的數(shù)據(jù)管道，選擇一個(gè)模型來嘗試判斷Agent的輸出結(jié)果。他們必須構(gòu)建基礎(chǔ)設(shè)施來提供這些評估，然后管理配額和限流。每當(dāng)你部署一個(gè)新的Agent，或想升級到正在使用的模型的新版本時(shí)，你都必須把所有這些工作重做一遍。與傳統(tǒng)軟件不同，預(yù)先進(jìn)行測試和調(diào)試仍然非常困難。你只能在Agent于現(xiàn)實(shí)世界中運(yùn)行時(shí)，才知道它們將如何反應(yīng)和回應(yīng)。這意味著你必須持續(xù)實(shí)時(shí)監(jiān)控并評估Agent的行為，并在發(fā)現(xiàn)不當(dāng)行為時(shí)快速做出反應(yīng)。

我們認(rèn)為可以做得更好。今天，我很高興宣布推出AgentCore Evaluation。Evaluation是一個(gè)新的 AgentCore 服務(wù)，可以幫助開發(fā)者基于Agent的真實(shí)世界行為，持續(xù)檢查其質(zhì)量。評估可以幫助你根據(jù)特定標(biāo)準(zhǔn)分析Agent的行為，例如我提到的正確性、可用性和有害性。它附帶 13 個(gè)預(yù)構(gòu)建的評估器，用于常見的質(zhì)量維度。當(dāng)然，你也可以隨時(shí)使用自己偏好的提示和模型來構(gòu)建系統(tǒng)，創(chuàng)建自己的自定義評分。

在測試階段，你可以輕松評估Agent，在廣泛部署之前糾正任何問題。例如，如果你打算升級到更高版本的模型，你可以運(yùn)行評估來確認(rèn)Agent是否保持了與當(dāng)前版本相同水平的有用性。你也可以在生產(chǎn)環(huán)境中使用Evaluation，快速捕捉那些難以發(fā)現(xiàn)的質(zhì)量下降。

8、Adobe 在 AWS 上的 AI 應(yīng)用實(shí)踐（Shantanu Narayen發(fā)言）

Adobe 一直處于這場革命的前沿。從桌面出版的發(fā)明到數(shù)字文檔的起源，再到開創(chuàng)性的圖像和視頻進(jìn)步，我們不斷推動可能性的邊界。十多年前，我們向基于云的訂閱模式的轉(zhuǎn)型，標(biāo)志著我們與 AWS 關(guān)系的開始。正是亞馬遜的 EC2 和 S3 等服務(wù)，為 Adobe 的創(chuàng)新提供了可擴(kuò)展且安全的基礎(chǔ)。

當(dāng)我們過渡到AI 時(shí)代時(shí)，AWS 正在幫助我們更快地創(chuàng)新。它提供了我們所需的核心服務(wù)，正如 Matt 所說，用于訓(xùn)練模型和部署Agent。這使我們能夠?qū)Ｗ⒂?Adobe 最擅長的事情：在我們面向企業(yè)的各類數(shù)字體驗(yàn)中釋放創(chuàng)意，這些體驗(yàn)涵蓋商務(wù)專業(yè)人士、消費(fèi)者、創(chuàng)作者、創(chuàng)意專業(yè)人士，以及營銷和 IT 專業(yè)人士。

在與創(chuàng)造力相關(guān)的AI 方面，我們正在為各種技能水平的人重新構(gòu)想流程的每個(gè)階段。我們知道，超過 90% 的創(chuàng)作者現(xiàn)在都在積極使用以創(chuàng)意為中心的生成式 AI。為支持他們，我們將 AI 融入 Adobe Firefly——我們的全能創(chuàng)意平臺。它用于驅(qū)動我們旗艦 Creative Cloud 應(yīng)用（如 Photoshop）中的 AI 創(chuàng)意工作流程，以及 Adobe Express（一款用于快速輕松創(chuàng)建合規(guī)品牌內(nèi)容的應(yīng)用程序）。例如，Adobe Firefly 模型驅(qū)動的“文本到圖像”、“文本到視頻”、“生成填充”和“生成重著色”等功能，都是在 P5 和 P6 Instances上進(jìn)行訓(xùn)練和使用的。

Acrobat Studio 使用 Amazon SageMaker 和 Amazon Bedrock 來訪問我們自己的和第三方模型，幫助數(shù)百萬用戶更快地進(jìn)行研究、制定Policy、分析和協(xié)作。新的 Adobe PDF 產(chǎn)品也是一個(gè)對話式知識中心，由個(gè)性化 AI 助手支持，幫助消費(fèi)者和商業(yè)專業(yè)人士實(shí)現(xiàn)協(xié)作。

最后，在AI 時(shí)代，營銷人員的角色已經(jīng)演變?yōu)閰f(xié)調(diào)者，旨在為消費(fèi)者和客戶提供引人入勝的客戶體驗(yàn)。為支持他們，我們正在統(tǒng)一客戶參與的關(guān)鍵要素、內(nèi)容供應(yīng)鏈以及品牌可見性。Adobe Experience Platform 是推動此類客戶參與的核心基礎(chǔ)，它將 AI 驅(qū)動的應(yīng)用和Agent匯聚在一起，以提高參與度和忠誠度。

該平臺的規(guī)模非常大，每天進(jìn)行超過35 萬億次片段評估和超過 700 億次檔案激活。Experience Platform 使用 AWS 構(gòu)建模塊以及創(chuàng)新的蜂窩架構(gòu)運(yùn)行。我們的共同客戶現(xiàn)在可以將 Redshift 等來源的數(shù)據(jù)攝取到 Adobe Experience Platform 中，創(chuàng)建客戶檔案，并利用這些受眾在 Adobe 的實(shí)時(shí)客戶數(shù)據(jù)平臺中注入數(shù)據(jù)。

我認(rèn)為，與客戶互動的關(guān)鍵在于創(chuàng)建符合品牌的內(nèi)容，并在正確的時(shí)間、通過正確的渠道、在恰到好處的時(shí)刻傳遞。由于營銷人員預(yù)計(jì)未來兩年內(nèi)對內(nèi)容的需求將增長五倍，因此每個(gè)企業(yè)都需要一個(gè)內(nèi)容供應(yīng)鏈來管理這一切。無論是在數(shù)據(jù)層——我們在此訓(xùn)練領(lǐng)先

行業(yè)的Adobe Firefly 基礎(chǔ)模型，正如 Matt 所說，確保我們在 AI 模型方面提供選擇，以便我們能在創(chuàng)造性領(lǐng)域持續(xù)創(chuàng)新，并通過Agent編排來增強(qiáng)這一生態(tài)系統(tǒng)。最后，將 AI 集成到我們所有的應(yīng)用中，使客戶能夠輕松實(shí)現(xiàn)價(jià)值，讓各種類型的組織在他們今天開展工作的地方采用并實(shí)現(xiàn)。站在人與計(jì)算機(jī)交互的這個(gè)交匯點(diǎn)上，我相信 Adobe 和 AWS 共同推動的 AI 變革，將重新定義為世界上數(shù)十億人服務(wù)的數(shù)字體驗(yàn)。我們非常期待與大家攜手合作。

9、AWS 原生智能Agent解決方案

太棒了，Shantanu。非常感謝�？吹� Adobe 在數(shù)字體驗(yàn)方面的開創(chuàng)性工作，全部運(yùn)行在 AWS 之上，真是令人振奮。

現(xiàn)在，借助我們提供的工具和服務(wù)，我們知道我們的客戶和合作伙伴將會構(gòu)建大量極具影響力的Agent。但也可以預(yù)期，一些最強(qiáng)大、最具能力的智能Agent解決方案將直接來自 AWS。現(xiàn)在讓我們來深入探討其中的幾項(xiàng)。

當(dāng)我們思考應(yīng)該構(gòu)建哪些Agent以及可以重新構(gòu)想哪些體驗(yàn)時(shí)，我們專注于那些我們認(rèn)為可以為客戶帶來差異化專長的領(lǐng)域。例如，亞馬遜擁有一個(gè)龐大且異構(gòu)的全球勞動力，我們理解將企業(yè)所有數(shù)據(jù)和系統(tǒng)串聯(lián)起來以賦能員工的重要性，以及其中坦率的復(fù)雜性。

做出優(yōu)秀決策所需的所有數(shù)據(jù)，我們將其提供給一套功能強(qiáng)大的智能Agent。你可以快速獲得一套強(qiáng)大的 BI 功能，讓任何人都能輕松發(fā)現(xiàn)洞見，涵蓋所有結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)來源。我個(gè)人最喜歡的功能之一是它快速進(jìn)行調(diào)查的能力。它可以調(diào)查復(fù)雜的主題，然后從你的內(nèi)部數(shù)據(jù)存儲庫以及互聯(lián)網(wǎng)上的外部數(shù)據(jù)來源中提取信息，匯聚出有深度的見解和詳細(xì)研究報(bào)告，并附有來源引用，讓你確切知道信息來自何處。此外，你還可以創(chuàng)建快速流程，創(chuàng)建為你個(gè)人自動化日常重復(fù)任務(wù)的小型個(gè)人Agent，推動效率。

10、Adobe 在 AWS 上的 AI 應(yīng)用實(shí)踐（May Habib發(fā)言）

如果全球最大的消費(fèi)品公司之一瑪氏（Mars），能夠在短短幾秒內(nèi)對每一張廣告圖片運(yùn)行合規(guī)性檢查，節(jié)省數(shù)千小時(shí)的人工核查時(shí)間，因?yàn)闄z查是即時(shí)完成的，那會怎樣？如果阿斯利康（AstraZeneca），這家創(chuàng)新藥物的制造商，能夠自動化在全球范圍內(nèi)獲得治療批準(zhǔn)所需的文書工作，節(jié)省數(shù)月艱苦的人工流程，并能更快地將救命療法送到患者手中，那會怎樣？如果全球科技先驅(qū)高通（Qualcomm），能夠?qū)崟r(shí)發(fā)現(xiàn)營銷支出的最高效點(diǎn)，在節(jié)省數(shù)百萬成本的同時(shí)，顯著提升活動表現(xiàn)，那會怎樣？

這不僅僅是人工智能（AI）的承諾。這一切都在今天、此刻，由 Writer 的Agent AI（Agentic AI）實(shí)現(xiàn)。

我是May Habib，Writer 的聯(lián)合創(chuàng)始人兼首席執(zhí)行官。在過去的五年里，我們一直與全球大型企業(yè)合作，在監(jiān)管最嚴(yán)格的行業(yè)中，構(gòu)建一個(gè)用于智能Agent工作的平臺。

在早期，我們發(fā)現(xiàn)大型語言模型（LLMs）所能實(shí)現(xiàn)的驚人成果，與滿足企業(yè)所需的可靠性、安全性和可控性之間存在著差距。為此，我們做出了一個(gè)大膽的決定——成為一個(gè)全棧平臺，具備企業(yè)所要求的精確性和合規(guī)性。這一平臺由我們自有的企業(yè)級 Palmyra 大語言模型驅(qū)動，并交付能夠處理最艱巨企業(yè)工作流程的Agent（Agents）。

要真正實(shí)現(xiàn)全棧愿景的規(guī)模化，我們需要一個(gè)彈性強(qiáng)、安全、并為企業(yè)級設(shè)計(jì)的基礎(chǔ)設(shè)施提供商。財(cái)富500 強(qiáng)中的大多數(shù)企業(yè)都在 AWS 上運(yùn)行，其中也包括我們眾多的客戶。因此，與 AWS 合作是一個(gè)顯而易見的選擇。

AWS 作為云服務(wù)提供商，具有獨(dú)特的優(yōu)勢，它既支持我們訓(xùn)練前沿模型，又能夠安全地將我們的整個(gè)平臺部署給我們的企業(yè)客戶。

我們與AWS 的合作始于兩年前，從模型層開始。我們剛剛發(fā)布了最新的 Palmyra 大語言模型，并在排行榜上名列前茅。但隨著模型的規(guī)模變得更大，訓(xùn)練和推理所需的計(jì)算能力也在不斷增長。AWS 技術(shù)棧的深度因此成為了我們的戰(zhàn)略優(yōu)勢。

我們的基礎(chǔ)設(shè)施建立在SageMaker HyperPod 之上，這項(xiàng)服務(wù)為大規(guī)模模型訓(xùn)練提供了強(qiáng)大的支持。我們使用P5 Instances（并很快將升級至 P6 Instances）來處理繁重的 GPU 工作負(fù)載，它們通過 Elastic Fabric Adapter (EFA) 相互連接。EFA 是實(shí)現(xiàn)高速通信的關(guān)鍵，它提供了更大的節(jié)點(diǎn)間帶寬，確保了我們訓(xùn)練運(yùn)行的快速和同步。

我們還將HyperPod 與 Amazon FSx for Lustre 結(jié)合使用，這使我們能夠以模型所需的速度獲取數(shù)據(jù)，同時(shí)將成本保持在可控范圍內(nèi)。

這些努力帶來了巨大的成效：我們將運(yùn)行時(shí)間縮短了三分之二，從六周縮短到了兩周。我們的訓(xùn)練流水線可靠性提高了百分之九十。所有這些工作為我們構(gòu)建最新的前沿模型Palmyra X5 提供了力量和穩(wěn)定性，該模型正是直接在HyperPod 上訓(xùn)練的。

Palmyra X5 提供了卓越的自適應(yīng)推理能力、高達(dá)一百萬令牌的巨大上下文窗口，以及從最復(fù)雜的海量數(shù)據(jù)中提取業(yè)務(wù)洞察的近乎完美的準(zhǔn)確性。

它以驚人的速度提供了這些能力：在僅22 秒內(nèi)處理一百萬令牌的提示，并在 300 毫秒內(nèi)完成多輪函數(shù)調(diào)用，而其成本卻低于其他最前沿模型的四分之一。

我們與AWS 的合作從來不只是為了打造快速而強(qiáng)大的模型，它始終致力于構(gòu)建一個(gè)能夠變革企業(yè)運(yùn)營方式的突破性 AI 平臺。以 Palmyra X5 為引擎，我們正在實(shí)現(xiàn)這一愿景。

通過Writer 平臺，像瑪氏、阿斯利康和高通這樣的企業(yè)團(tuán)隊(duì)，能夠?qū)gent與數(shù)據(jù)、上下文和業(yè)務(wù)專有知識相連接，從而更高效地工作，這將轉(zhuǎn)變企業(yè)的關(guān)鍵流程，而這一切都無需業(yè)務(wù)用戶編寫一行代碼。

Playbooks（可執(zhí)行手冊）對Writer 來說至關(guān)重要。它們允許團(tuán)隊(duì)一次性記錄流程，將工具、數(shù)據(jù)和他們所依賴的系統(tǒng)連接起來，并將其轉(zhuǎn)化為可重復(fù)的智能Agent。一個(gè)可執(zhí)行手冊變成了一個(gè)動態(tài)的、活生生的藍(lán)圖，指導(dǎo)著出色工作的完成。由于這些手冊可以在團(tuán)隊(duì)之間共享，影響最大的手冊可以瞬間在整個(gè)組織內(nèi)擴(kuò)展。

在AWS 的幫助下，Writer 將很快推出下一代自我進(jìn)化的（Self-Evolving）大語言模型。它們能夠?qū)W習(xí)組織的運(yùn)作方式并即時(shí)預(yù)測請求。它們將成為世界上首批使用越多、性能就越能提升的智能Agent。

然而，所有這一切之上存在一個(gè)問題：對于那些負(fù)責(zé)安全與合規(guī)的領(lǐng)導(dǎo)者來說，當(dāng)出現(xiàn)問題時(shí)，他們?nèi)绾尾拍茉诖_保安全和保障的前提下，賦能業(yè)務(wù)團(tuán)隊(duì)進(jìn)行創(chuàng)新？

Writer 首先必須是一個(gè)可互操作的平臺，一個(gè)能夠在規(guī)模上觀察、控制并連接你的Agent，并配備你已經(jīng)信任的相應(yīng)工具與保障措施。今天，我們正式將這一范式引入 Writer，推出了一套專為企業(yè)量身打造的強(qiáng)大監(jiān)管工具。

我們?yōu)榻M織在Agent生命周期的各個(gè)階段提供了完全的可見性和控制。每個(gè)會話都被追蹤，每個(gè)輸出都符合合規(guī)要求，每個(gè)數(shù)據(jù)連接器都實(shí)時(shí)受到治理。

真正的互操作性意味著連接到你信任的系統(tǒng)。因此，我們的平臺可以與您已在使用的可觀測性、保護(hù)欄和系統(tǒng)協(xié)同工作。

從今天開始，我們非常高興地宣布Amazon Bedrock 的保護(hù)欄（Guardrails）現(xiàn)在可以直接與我們的平臺集成。這意味著如果你已經(jīng)在Bedrock 中設(shè)置了Policy和安全規(guī)則，你可以將完全相同的保護(hù)措施應(yīng)用到 Writer 上。你無需重建任何東西，就能獲得一個(gè)一致且合規(guī)的、覆蓋整個(gè) AI 堆棧的控制層。

模型選擇對企業(yè)來說也非常重要。所以從今天開始，來自Amazon Bedrock 的模型可以直接在Writer 平臺內(nèi)使用�，F(xiàn)在，AWS 和 Writer 的客戶可以使用模型目錄在 Writer 上構(gòu)建Agent，模型涵蓋了我們自己的 Palmyra 系列、今天發(fā)布的令人驚嘆的 Nova 模型以及更多模型，所有這些都在單一且受治理的環(huán)境中。這是在不犧牲安全性的前提下實(shí)現(xiàn)的終極靈活性。

對于像Vanguard 這樣的組織——他們是長期使用 Writer 和 AWS 的客戶，并且對信任有著零妥協(xié)要求——Writer 和 Bedrock 的集成，為他們提供了在大規(guī)模上負(fù)責(zé)任地創(chuàng)新所需的控制能力。

信任是公司從零散的個(gè)人電腦使用，走向真正受治理的全企業(yè)范圍內(nèi)、具有實(shí)質(zhì)影響的AI 戰(zhàn)略的關(guān)鍵。你無法擴(kuò)展你不信任的事物。

在Writer，我們的愿景是賦能人們實(shí)現(xiàn)變革性的工作，我們很自豪能與 AWS 一起完成這項(xiàng)工作。謝謝。

11、AWS 開發(fā)者 AI 的優(yōu)勢

非常感謝May。我們非常高興能幫助像 Writer 這樣的客戶，讓 AI 和智能Agent為他們的客戶變得切實(shí)可行。

一個(gè)我們較少提及的最終用戶群體是開發(fā)者。而事實(shí)證明，這正是AWS 的一個(gè)優(yōu)勢領(lǐng)域，亞馬遜在這方面擁有深厚的專業(yè)知識。

我們知道，對于那些試圖快速現(xiàn)代化其應(yīng)用程序的開發(fā)團(tuán)隊(duì)來說，最大的痛點(diǎn)之一是處理技術(shù)債務(wù)。埃森哲（Accenture）估計(jì)，僅在美國，技術(shù)債務(wù)每年就使公司總計(jì)損失 2.4 萬億美元。高德納（Gartner）表示，如今百分之七十的 IT 預(yù)算被用于維護(hù)遺留系統(tǒng)。我們知道這是 AI 可以發(fā)揮作用的領(lǐng)域。這就是我們構(gòu)建 AWS Transform 的原因，它旨在幫助客戶擺脫他們的傳統(tǒng)平臺。

12、AWS Transform Custom 發(fā)布

就在昨天，我們發(fā)布了AWS Transform Custom，它允許你創(chuàng)建自定義代碼轉(zhuǎn)換Agent，從而實(shí)現(xiàn)任何代碼、API、框架、運(yùn)行時(shí)或語言翻譯的現(xiàn)代化，甚至是只在你們公司內(nèi)部使用的編程語言或框架�？蛻粢呀�(jīng)紛紛涌向它。

我們已經(jīng)看到客戶進(jìn)行從Angular 到 React 的遷移，將嵌入在 Excel 表格中的 VBA 腳本轉(zhuǎn)換為 Python，將Bash shell 腳本轉(zhuǎn)換為 Rust。一個(gè)很好的客戶案例是QAD，一家提供基于云的 ERP 解決方案和供應(yīng)鏈服務(wù)的供應(yīng)商。他們的客戶在將定制化的 Progress Software 專有高級業(yè)務(wù)語言舊版本，遷移到他們的QAD 自適應(yīng) ERP 平臺時(shí)遇到了困難。QAD 轉(zhuǎn)向了 AWS Transform，原本至少需要兩周時(shí)間才能完成的現(xiàn)代化任務(wù)，突然間在不到三天內(nèi)就完成了。我們非常期待看到你們能夠改造的所有遺留代碼。

進(jìn)行所有這些改造的重大好處之一是，它為開發(fā)者騰出了更多時(shí)間去創(chuàng)造發(fā)明，這正是讓我們感到興奮的地方。事實(shí)證明，如今開發(fā)者的構(gòu)建速度比以往任何時(shí)候都快。過去一年里，AI 軟件工具經(jīng)歷了迅速變化，我們已經(jīng)從執(zhí)行內(nèi)聯(lián)制表符補(bǔ)全之類的功能中進(jìn)化出來了。

我們認(rèn)為你們都會喜歡Kiro 將如何改變你們的開發(fā)工作。我很高興今天宣布，對于任何符合條件的創(chuàng)業(yè)公司，如果在一個(gè)月內(nèi)申請，我們將免費(fèi)提供一年的Kiro 服務(wù)，最多可達(dá)100 個(gè)席位。

我們對Kiro 在改善開發(fā)者生活方面所產(chǎn)生的影響感到非常興奮。坦白說，我對這種開發(fā)速度所帶來的影響感到驚訝，我們在亞馬遜內(nèi)部已經(jīng)看到了這種影響。事實(shí)上，我們非常震撼，上周整個(gè)亞馬遜決定在內(nèi)部將 Kiro 標(biāo)準(zhǔn)化為我們的官方AI 開發(fā)環(huán)境。

13、Frontier Agents 發(fā)布

人們在第一代AI 編碼工具中看到的只是效率提升，而現(xiàn)在這是數(shù)量級更高的效率提升。

我總會被問到，他們是怎么做到的？起初，團(tuán)隊(duì)花了一點(diǎn)時(shí)間去完全理解如何最好地利用Agentic工具。他們很快就開始看到一些效率提升，但這些更多是逐步改進(jìn)而非顛覆性改變。幾周后，他們有了一個(gè)頓悟時(shí)刻。他們意識到，要最大化利用這些Agent，就必須改變他們的工作流程，充分發(fā)揮Agent的優(yōu)勢。他們不得不質(zhì)疑一直以來關(guān)于如何編寫軟件的一些固有假設(shè)。團(tuán)隊(duì)在此過程中學(xué)到了大量經(jīng)驗(yàn)，并發(fā)現(xiàn)了一整系列新的機(jī)會，關(guān)于Agent如何能夠讓團(tuán)隊(duì)更快交付。

他們得到的第一個(gè)經(jīng)驗(yàn)是他們與這些Kiro Agent交互的方式。一開始，他們會向這些工具輸入小型任務(wù)以確保得到可靠的結(jié)果，最終團(tuán)隊(duì)發(fā)現(xiàn)隨著他們向外擴(kuò)展，他們自己反而成了瓶頸，他們不得不斷為Agent解決阻塞，因?yàn)锳gent需要人工干預(yù)。

我們今天發(fā)布的是Frontier Agents，它們建立在三個(gè)關(guān)鍵要求之上：

自主性（Autonomous）：你向它們指明一個(gè)目標(biāo)，它們會自己想辦法去實(shí)現(xiàn)。

大規(guī)�？蓴U(kuò)展性（Scalable）：單個(gè)Agent可以同時(shí)執(zhí)行多個(gè)并發(fā)任務(wù)，但你必須能夠進(jìn)行分發(fā)，跨多個(gè)Instances、多種類型的Agent進(jìn)行協(xié)作。

長期運(yùn)行（Long-Running）：它們可能會工作數(shù)小時(shí)甚至數(shù)天，以追求雄心勃勃的目標(biāo)（有時(shí)坦率地說是模糊不清的目標(biāo)），而無需人工干預(yù)或指示。

讓我介紹一下我們今天將發(fā)布的第一個(gè)Frontier Agent，那就是 Kiro Autonomous Agent。

Kiro Autonomous Agent是一種能夠變革開發(fā)者和團(tuán)隊(duì)構(gòu)建軟件方式的Agent，極大地提高了你們開發(fā)團(tuán)隊(duì)的創(chuàng)新能力。Kiro 自主Agent在你的工作流程中并行運(yùn)行，維護(hù)上下文并自動化開發(fā)任務(wù)，以便你的團(tuán)隊(duì)始終保持動力。你只需從待辦事項(xiàng)中分配復(fù)雜任務(wù)給它，它就會獨(dú)立地找出完成這些工作的方式。

Kiro 現(xiàn)在可以自主運(yùn)行，處理開發(fā)者所需的一整套事項(xiàng)，從交付新功能，到分揀錯(cuò)誤，再到提高代碼覆蓋率。它能夠在會話之間維護(hù)狀態(tài)。讓我們來看看這在新的Kiro 自主Agent中是什么樣子。

首先，你將在Kiro.dev 上開始，并啟動與您的GitHub 倉庫相關(guān)的任務(wù)。你會描述你要解決的問題，然后Agent會使用該描述，并利用來自以往實(shí)現(xiàn)的所有推理和知識。在嘗試規(guī)劃任務(wù)時(shí)，它會提出它不理解的澄清性問題。憑借對你整個(gè)代碼庫的深度了解，它會快速識別出需要在所有選定倉庫中進(jìn)行更新的位置，以及需要更新的庫。該Agent會識別出你擁有的每一個(gè)受影響的倉庫。

當(dāng)它在處理PR（Pull Request）的錯(cuò)誤處理時(shí)，它會把對前 14 個(gè)錯(cuò)誤的學(xué)習(xí)應(yīng)用進(jìn)去。當(dāng)它遇到類似的架構(gòu)時(shí)，它會引用你之前做過的工作。你不需要每次都重新解釋你的代碼庫。它已經(jīng)知道你的工作方式，并且隨著它所執(zhí)行的每一個(gè)任務(wù)都會變得更好。我們認(rèn)為這將幫助你更快地前進(jìn)，并徹底改變開發(fā)工作。

我們重申一遍，安全始終是AWS 的首要任務(wù)。近二十年來，我們一直與客戶合作，幫助你們在云端保護(hù)自己的產(chǎn)品。因此，我們自然而然地思考：一個(gè)安全frontier agent會是什么樣子。我們知道每個(gè)客戶都希望產(chǎn)品是安全的，但這存在權(quán)衡。你把時(shí)間花在哪里？你是優(yōu)先考慮改進(jìn)現(xiàn)有功能的安全性，還是優(yōu)先考慮在新功能發(fā)布時(shí)投入時(shí)間 ？在亞馬遜和 AWS，安全性深入融入我們所有的開發(fā)文化和實(shí)踐中。我們進(jìn)行代碼審查，對系統(tǒng)架構(gòu)進(jìn)行安全審查。我們與由內(nèi)部和外部專家組成的大型團(tuán)隊(duì)進(jìn)行大量滲透測試，以尋找漏洞。所有這些工作都在任何代碼進(jìn)入生產(chǎn)環(huán)境之前完成。

然而，大多數(shù)客戶無法持續(xù)承擔(dān)這種做法。結(jié)果是，你可能不會一直做這些事情，或者一年只做幾次。隨著AI 大幅加速開發(fā)進(jìn)程 ，這可能意味著多個(gè)版本發(fā)布正在推出，但你的代碼沒有經(jīng)過嚴(yán)格的安全風(fēng)險(xiǎn)評估。我們堅(jiān)信，為了實(shí)現(xiàn)安全，你必須從頭開始將其融入你所做的每件事中。

因此，我非常高興地宣布推出AWS Security Agent。這個(gè)Agent 將幫助你從一開始就構(gòu)建安全的應(yīng)用程序。AWS Security Agent 幫助你更有信心地交付產(chǎn)品。它將安全專業(yè)知識向上游嵌入，使你能夠更頻繁地保護(hù)系統(tǒng)。它主動審查你的設(shè)計(jì)文檔，并掃描你的代碼以查找漏洞。由于 Security Agent 直接與 GitHub Pull Request 集成 ，它將反饋直接提供給開發(fā)者的工作流中。

Security Agent 還可幫助進(jìn)行滲透測試。它將滲透測試從一種緩慢且昂貴的實(shí)踐 ，變成了一種按需進(jìn)行的實(shí)踐。它可以讓你持續(xù)驗(yàn)證應(yīng)用程序的安全態(tài)勢。

讓我快速演示它的工作原理。假設(shè)你的公司有一套獲批的存儲和處理信用卡信息的方法。如果一個(gè)開發(fā)者無意中采用了錯(cuò)誤的方法，這可能意味著大量的返工，甚至在開發(fā)過程的后期放棄數(shù)月的工作。然而，AWS Security Agent 可以及早發(fā)現(xiàn)這些問題。它甚至可以在你寫一行代碼之前，從你的設(shè)計(jì)文檔中發(fā)現(xiàn)這些問題，因?yàn)樗鼤冀K檢查以確保你遵循團(tuán)隊(duì)的最佳實(shí)踐。

當(dāng)真正到了提交代碼的時(shí)刻，AWS Security Agent 會針對相同的要求審查你的 Pull Request 并標(biāo)記任何問題。對于它發(fā)現(xiàn)的任何問題，它會為你提供簡明的修復(fù)步驟。當(dāng)你的代碼完成時(shí)，你只需發(fā)起一次滲透測試 ，該代理會立即著手處理，實(shí)時(shí)向你展示其進(jìn)展情況。完成時(shí)，你會得到經(jīng)過驗(yàn)證的結(jié)果，并附有建議的修復(fù)代碼以解決它發(fā)現(xiàn)的任何問題。不再需要等待資源，也不再需要聘請昂貴的外部顧問。

假設(shè)你有多個(gè)準(zhǔn)備好部署到生產(chǎn)環(huán)境的應(yīng)用。你可以并行啟動多個(gè)安全代理。這樣你就可以獲取并測試所有應(yīng)用，而不會成為瓶頸�，F(xiàn)在你寫代碼更快了，并且你部署得一樣快，因?yàn)槟阒浪前踩摹?/p>

當(dāng)然，接下來是運(yùn)行代碼。我們都知道，隨著系統(tǒng)的增長，你需要操作的范圍也會隨之?dāng)U大，這意味著需要增加DevOps 工作。這是我們在亞馬遜內(nèi)部團(tuán)隊(duì)擁有大量經(jīng)驗(yàn)的領(lǐng)域。在亞馬遜，我們始終堅(jiān)信創(chuàng)造出色客戶體驗(yàn)的最佳方式，是讓開發(fā)人員自己運(yùn)行他們的代碼。我們多年來一直在實(shí)踐 DevOps。我們學(xué)到的是，隨著你的服務(wù)擴(kuò)展，運(yùn)營會吞噬你越來越多的時(shí)間。我們認(rèn)為這是另一個(gè)可以將我們的專業(yè)知識交到你手中的領(lǐng)域。

AWS DevOps Agent是一個(gè)frontier agent，能夠解析并主動預(yù)防事件 ，持續(xù)提升你的可靠性和性能。AWS DevOps Agent 調(diào)查事件并識別可改進(jìn)的運(yùn)維措施，就像經(jīng)驗(yàn)豐富的 DevOps 工程師所做的那樣。它從你的資源及其關(guān)系中學(xué)習(xí) ，包括你現(xiàn)有的服務(wù)器可觀測性解決方案、運(yùn)行手冊、代碼倉庫和 CI/CD 管道。然后，它會將所有這些來源的遙測、代碼和部署數(shù)據(jù)進(jìn)行關(guān)聯(lián) ，并能夠理解應(yīng)用資源之間的關(guān)系 ，包括多云和混合環(huán)境中的應(yīng)用。

讓我向你展示這如何改變事件響應(yīng)。假設(shè)發(fā)生了一個(gè)事件，警報(bào)響起。在你的值班工程師甚至來得及簽到之前，AWS DevOps Agent 會立即響應(yīng)。在診斷中，它發(fā)現(xiàn)試圖連接到數(shù)據(jù)庫的 Lambda 函數(shù)的身份驗(yàn)證錯(cuò)誤率有所提升。它利用對你的應(yīng)用拓?fù)浣Y(jié)構(gòu)和不同組件之間關(guān)系的了解 ，來獨(dú)立地從告警往回追溯，以找到問題的根本原因。

在這個(gè)例子中，假設(shè)你使用Dynatrace 作為你的可觀察性解決方案。AWS DevOps Agent 使用與 Dynatrace 的內(nèi)置集成，以提供有關(guān)該事件的更多背景信息。它了解你所有的依賴關(guān)系，并且知道創(chuàng)建每一個(gè)資源的部署堆棧。當(dāng)發(fā)現(xiàn)問題時(shí)，比如在這個(gè)案例中是對你的 Lambda 函數(shù)所做的 IAM 策略更改 ，它會告訴你是什么引入了該更改。事實(shí)證明，這是你在 CDK 代碼部署中的一個(gè)簡單錯(cuò)誤。

在你的值班工程師登錄時(shí)，DevOps 前沿代理已經(jīng)找到了問題、建議了更改 ，并已準(zhǔn)備好讓值班人員審查該更改并批準(zhǔn)修復(fù)。更棒的是，它還能讓你防止此類事件在未來發(fā)生。它通過建議在這些策略更改部署之前用 CI/CD 護(hù)欄加以攔截。

DevOps Agent 始終待命，快速且準(zhǔn)確 ，讓事件響應(yīng)與運(yùn)營工作變得輕松。共同，這三種前沿代理——Hero 自主代理、AWS Security Agent 和 AWS DevOps Agent ——將徹底改變你的團(tuán)隊(duì)構(gòu)建、保護(hù)和運(yùn)維軟件的方式。讓我們快速看看這里的未來可能是什么樣子。

14、核心 AWS 服務(wù)發(fā)布

本周Re:Invent 上，無論是人工智能還是代理化服務(wù)，都涌現(xiàn)出大量新創(chuàng)新。此外，還有一系列讓 AWS 非常興奮的發(fā)布。因?yàn)?AWS 范圍如此廣泛 ，我知道你們中很多人都希望聽到關(guān)于我們核心非人工智能產(chǎn)品和服務(wù)的出色新增功能。

我將在我們的核心AWS 服務(wù)中發(fā)布 25 項(xiàng)令人振奮的新產(chǎn)品。我打算只用 10 分鐘來完成介紹。

先從我們的計(jì)算產(chǎn)品說起。我們知道你們都很喜歡AWS 持續(xù)提供最廣泛的Instances選擇 ，因此您始終能為您的應(yīng)用獲得最合適的Instances。

現(xiàn)在，很多人運(yùn)行內(nèi)存密集型工作負(fù)載，比如SAP HANA、SQL Server 或 EDA 等高強(qiáng)度應(yīng)用。因此，今天我很高興地宣布我們下一代X系列大內(nèi)存Instances。它們由定制的 Intel Xeon 6 處理器提供動力。這些Instances可提供多達(dá) 50% 的額外內(nèi)存。

我也很高興地宣布下一代AMD EPYC Memory Pro 處理器 ，同樣地，為你提供3 TB的內(nèi)存。

你們中很多人也運(yùn)行用于安全或網(wǎng)絡(luò)應(yīng)用的EC2 Instances。這些應(yīng)用需要大量計(jì)算能力和超高速網(wǎng)絡(luò)。對于那些場景，我們宣布推出我們的C8ine Instances。這些Instances由定制的 Intel Xeon 6 處理器 驅(qū)動 、使用最新 Nitro v6 卡。它們每個(gè) vCPU 提供 2.5 倍更高的分組性能。

那些需要超高速單線程頻率計(jì)算的應(yīng)用怎么辦？這個(gè)也有。介紹一下我們的M8azn Instances ，它擁有云端可用的絕對最快的 CPU 時(shí)鐘頻率。這些Instances非常適合多人游戲、高頻交易和實(shí)時(shí)數(shù)據(jù)分析等應(yīng)用場景。

今天，AWS 仍然是唯一一家提供基于 Apple Mac 的Instances ，而且它們非常受歡迎。因此，今天我很高興宣布兩款由最新 Apple 硬件驅(qū)動的新Instances。現(xiàn)在發(fā)布EC2 M3 Ultra Mac 和 EC2 M4 Max Mac Instances。開發(fā)者現(xiàn)在可以使用最新的Apple 硬件在 AWS 中構(gòu)建、測試并簽署 Apple 應(yīng)用。

好了，客戶喜歡使用Lambda 快速構(gòu)建函數(shù)并在大規(guī)模運(yùn)行代碼。Lambda 在你想要快速執(zhí)行代碼時(shí)表現(xiàn)出色 ，但有時(shí)你會遇到這樣的用例：你的 Lambda 函數(shù)需要等待響應(yīng) ，就像等待在后臺運(yùn)行的代理（agent）數(shù)小時(shí)，甚至幾天。我們希望讓你更容易編程 ，將權(quán)重直接傳入你的 Lambda 函數(shù)。所以今天我們宣布推出Lambda Durable Functions。耐久函數(shù)使您能夠輕松管理狀態(tài)，構(gòu)建長期運(yùn)行的工作負(fù)載。它們具有內(nèi)置的錯(cuò)誤處理和自動化恢復(fù)功能。

好吧，我們進(jìn)展如何？八次發(fā)布，差不多三分鐘左右。好吧，我最好加快點(diǎn)。存儲產(chǎn)品發(fā)布

好吧，我們繼續(xù)講存儲。我們知道你們愛用S3。我之前提到過，S3 存儲了超過 500 萬億個(gè)對象，數(shù)百艾字節(jié)的數(shù)據(jù)。那是非常多的數(shù)據(jù)。

當(dāng)我們在2006 年推出 S3 時(shí)，單個(gè)對象最大為 5 GB。幾年后，我們將其增加到 5 TB。在過去十年里，這個(gè)容量一直足夠大。但在過去幾年里，數(shù)據(jù)規(guī)模增長了很多。所以我們問自己，什么樣的對象大小才能滿足你們今天的所有需求？

我很高興今天宣布我們將S3 的最大對象大小提高 10 倍 ，達(dá)到 50 TB。但不僅僅是更大。我們知道你們也希望讓 S3 在批處理操作上更快。因此，從今天開始，我們正在提升大型批處理作業(yè)的批處理操作的性能 ，現(xiàn)在運(yùn)行速度提升了 10 倍。

在去年的re:Invent 上，我宣布了 S3 Tables，這是一種為 Iceberg 表優(yōu)化的新桶類型。它變得非常受歡迎。但隨著表格數(shù)據(jù)量開始快速增長 ，你們都在尋求我們能幫助你們省錢的方法。

所以今天，我們宣布為S3 Tables推出智能分層。這可以為您節(jié)省高達(dá)80% ，自動降低存儲在S3 Tables存儲桶中的數(shù)據(jù)的存儲成本。你們還要求我們讓復(fù)制這些表在不同區(qū)域之間變得更容易 ，這樣你們就能獲得一致的查詢性能。截止到今天 ，你現(xiàn)在可以自動將你的S3 Tables跨 AWS 區(qū)域和賬戶復(fù)制。

今年早些時(shí)候，我們?yōu)镕Sx for OpenZFS 推出了 S3 訪問點(diǎn)。這使您可以訪問 ZFS 文件系統(tǒng)的信息 ，就像它是 S3 中的數(shù)據(jù)一樣。今天，我們正在讓你能夠訪問更多的文件數(shù)據(jù)，通過將S3 訪問點(diǎn)擴(kuò)展到 FSx，以支持 NetApp ONTAP。現(xiàn)在，ONTAP 客戶也可以無縫訪問他們的數(shù)據(jù)，就像數(shù)據(jù)在 S3 中一樣。

現(xiàn)在，你們擁有的增長最快的數(shù)據(jù)類型之一是向量嵌入，它們用于讓你的AI 模型更高效地工作 ，搜索并理解您的數(shù)據(jù)。今年早些時(shí)候，我們宣布了 S3 Vectors (S3 向量) 的預(yù)覽 ，這是首個(gè)原生支持存儲和查詢向量的云對象存儲。

今天，我很高興地宣布S3 Vectors 正式上線 (GA)。你現(xiàn)在可以存儲萬億級的向量在單個(gè)S3 存儲桶中 ，并將存儲和查詢的成本降低 90%。

我預(yù)計(jì)你們中的許多人會使用S3 Vectors 協(xié)同工作，配備高性能向量數(shù)據(jù)庫。今天，實(shí)現(xiàn)低延遲搜索向量嵌入最流行的方法是在 Amazon OpenSearch 中使用索引。但你們中的許多人問過我們，有沒有辦法加快這個(gè)過程 ：創(chuàng)建我的所有數(shù)據(jù)的索引？

所以，今天我們很高興宣布在Amazon OpenSearch 中為向量索引提供 GPU 加速。通過使用GPUs 來為這些數(shù)據(jù)建立索引 ，你現(xiàn)在可以為數(shù)據(jù)建立索引快 10 倍 ，成本僅為四分之一。

好了，大家跟得上嗎？還有4 分鐘。太棒了。好了，已經(jīng)發(fā)布 15 次，只剩幾分鐘了。我們繼續(xù)。

讓我們繼續(xù)講到EMR，這也是我們流行的大數(shù)據(jù)處理服務(wù)。我們發(fā)布的 EMR Serverless 四年前發(fā)布，深受客戶喜愛 ，因?yàn)樗蟠鬁p少了運(yùn)行 PB 級規(guī)模處理的復(fù)雜泥潭。但事實(shí)證明今天還不是完全無雜物的�？蛻羧匀槐仨毰渲煤凸芾硭麄兊� EMR 存儲，但現(xiàn)在不再需要了。從今天起，我們正在消除您必須進(jìn)行配置本地存儲的需要用于您的EMR Serverless 集群。

好的，我們繼續(xù)講安全。今天，成千上萬的客戶依賴GuardDuty 來監(jiān)控和保護(hù)他們的賬戶、應(yīng)用程序和數(shù)據(jù)免受威脅。在剛過去的這個(gè)夏天，我們將 GuardDuty 的擴(kuò)展威脅檢測添加到了 Amazon EKS。我們對看到的勢頭感到滿意。所以，當(dāng)然，我們并沒有止步于此。

今天，我們將這一功能擴(kuò)展到ECS。現(xiàn)在，您可以將AWS 最先進(jìn)的威脅檢測能力用于您所有的容器和您的所有 EC2 Instances。這項(xiàng)功能對所有 GuardDuty 客戶均已啟用，且無需額外費(fèi)用。

每位客戶都希望快速發(fā)現(xiàn)并修復(fù)安全問題，越快越好，越簡單越好。這就是我們推出Security Hub 的原因 ，它匯總來自 AWS 和第三方來源的安全數(shù)據(jù) ，幫助你識別潛在的安全問題。今年早些時(shí)候，我們預(yù)覽了增強(qiáng)版 Security Hub。今天，我很高興地宣布Security Hub 已進(jìn)入 GA。

今天，我們還宣布了若干新功能，包括近乎實(shí)時(shí)風(fēng)險(xiǎn)分析、一個(gè)趨勢儀表盤，以及一個(gè)新的簡化定價(jià)模型。運(yùn)維團(tuán)隊(duì)的生死取決于他們的日志數(shù)據(jù)。但那份日志數(shù)據(jù)無處不在。它們在CloudTrail 日志和 VPC 流日志和 WFT 日志 ，以及來自像 Okta 和 CrowdStrike 等第三方的日志。我們認(rèn)為我們可以把這做得更好。

所以今天，我們宣布在CloudWatch 中推出一個(gè)新的統(tǒng)一數(shù)據(jù)存儲。這個(gè)存儲用于您的所有運(yùn)營、安全與合規(guī)數(shù)據(jù)。它會自動從AWS 和第三方收集日志數(shù)據(jù) ，并將其存儲在 S3 對象或S3 Tables中 ，以便更輕松、更快速地發(fā)現(xiàn)問題并解鎖新的洞察。

好了，大家跟緊我。我們快到了，我們就在沖刺階段。我們現(xiàn)在來談?wù)剶?shù)據(jù)庫。我知道你們中還有許多人仍在維護(hù)一些遺留的SQL Server 和 Oracle 數(shù)據(jù)庫。遷移走它們很難，但至少 AWS 讓管理變得更容易。不用擔(dān)心，我們會提供幫助。我從你們許多人那里聽到的一件事是，你們的傳統(tǒng)數(shù)據(jù)庫規(guī)模隨著時(shí)間增長得非常大 ，它們實(shí)際上比我們在 RDS 中支持的容量更大。

所以我很高興宣布我們正在增加RDS 的存儲容量 適用于 SQL Server 和 Oracle。容量從 64 TB 增加到 256 TB。這也帶來了 4 倍的 IOPS 和 IO 帶寬提升。這將大大簡化將現(xiàn)有工作負(fù)載從本地遷移，以便在AWS 上對它們進(jìn)行擴(kuò)展的過程。

我們也希望為你提供更多控制，以幫助你優(yōu)化你的SQL Server 許可證并管理你的成本。所以，從今天開始我們推出幾項(xiàng)舉措。

您現(xiàn)在可以為SQL Server 數(shù)據(jù)庫Instances指定啟用的 vCPU 數(shù)量。這有助于降低來自 Microsoft 的按 CPU 計(jì)費(fèi)許可成本。

今天我們還增加了對SQL Server 開發(fā)者版本的支持 ，這樣你就可以構(gòu)建和測試你的應(yīng)用程序無需許可費(fèi)用。

哦，戰(zhàn)利品音樂要響起來了。好吧，那就意味著我只剩下幾秒鐘了。但我還有最后一件事，我想你們所有人都會喜歡。幾年前，我們推出了Compute Savings Plans (計(jì)算節(jié)省計(jì)劃) ，作為一種簡化方式，在我們整套計(jì)算產(chǎn)品上進(jìn)行承諾。自那天起，我經(jīng)常被問到 ，我什么時(shí)候能獲得針對數(shù)據(jù)庫的統(tǒng)一節(jié)省計(jì)劃 ？就在這里。

從今天起，我們推出數(shù)據(jù)庫節(jié)省計(jì)劃。這些計(jì)劃可為您在我們數(shù)據(jù)庫服務(wù)的所有使用上節(jié)省最多35%。

好了，搞定。在不到10 分鐘內(nèi) ，為你們帶來整整第二場主題演講價(jià)值的新功能。現(xiàn)在你們有整整四天的時(shí)間去外出學(xué)習(xí) ，深入細(xì)節(jié)并開始創(chuàng)新發(fā)明。感謝大家來參加 re:Invent。盡情享受。