用 EDB Postgres AI 和 Amazon Bedrock AgentCore 为智能体 AI 构建语义层
文章演示如何在 EDB Postgres AI 中以 AIDB 扩展构建语义层,并让运行在 Amazon Bedrock AgentCore 上的 Strands Agents 智能体通过 MCP 端点查询该层回答客户 360 问题。
文章演示如何在 EDB Postgres AI 中以 AIDB 扩展构建语义层,并让运行在 Amazon Bedrock AgentCore 上的 Strands Agents 智能体通过 MCP 端点查询该层回答客户 360 问题。
Gen Digital 团队用 Amazon Bedrock AgentCore Web Search 为 2026 年 3 月上线的 Norton Revamp 构建 AI 精选新闻引擎,为每条内容建议、目标推荐和新闻流提供带引用来源的实时网络知识。
Amazon Bedrock AgentCore Gateway 可配置 on-behalf-of(OBO)token 交换,让 AI 智能体在调用 ServiceNow REST API 时保留发起用户的身份。
Amazon Quick 支持将 S3 知识库中的非结构化文档与带语义描述的 enriched datasets 结构化数据接入同一个 Space,再由自定义聊天智能体在单次对话中判断查询知识库、数据集或两者并返回带引用的合并回答。该方案需 Enterprise 订阅,S3 桶默认只读权限,回答遵循提问用户的权限。
NVIDIA 联合 COMSOL、Applied Materials、Siemens、Lam Research、Advantest 等厂商,用加速计算、物理 AI 和智能体缩短半导体制造中的仿真与分析周期。
Hugging Face 提出 Model Integration Contracts(MIC)标准,通过缩小真实 checkpoint 得到的 fixture 在廉价 CPU 上运行集成测试,在 PR 阶段拦截回归。
NVIDIA 与合作伙伴在全球城市扩展物理 AI 和智能体 AI 应用,覆盖西班牙 1MillionBot 的居民服务智能体、波兰 K2K 的共享 AI 基础设施,以及马来西亚 ITMAX 计划到 2027 年支持 17,000+ 摄像头的 SamurAI V2 视觉智能体。
OpenAI 构建了 Git 兼容后端 Pando,用于支撑 Codex 带来的开发规模。该后端面向大规模开发场景设计,具体性能指标与开放情况原文未披露。
Circle K 基于 Amazon Bedrock 构建智能体式自动分诊系统,将 DevOps 事故平均分诊时间从 45–60 分钟降至 15 分钟以内,按内部指标降幅达 67–75%。
基于 Amazon Bedrock AgentCore、Amazon Nova Multimodal Embeddings 和开源 Strands Agents SDK,可构建多智能体工程助手,自动完成零件替代评估中的跨文档检索与证据汇总。
亚马逊云科技介绍如何用序列级知识蒸馏(SeqKD)在 Amazon SageMaker AI 上微调购物智能体:由前沿教师模型生成多步工具调用轨迹,仅保留能解题的样本,再以监督微调训练小模型。SeqKD 只需教师模型的文本输出,无需 logits 或强化学习基础设施,因此适用于仅提供 API 的闭源教师模型,并可将轨迹数据复用于训练和测试不同学生模型。
针对 Amazon Bedrock Knowledge Bases 中需要精细控制的网页来源,可用开源 Python 爬虫 Crawl4AI 做预处理:将每页写成 Markdown 和元数据 sidecar 上传到 Amazon S3,再由知识库的 S3 数据源摄取。
OpenAI 推出 Grid Protectors Program,将与公用事业公司合作,帮助未来的算力园区支持电网可靠性并保护消费者电费。
AWS 提出用五步闭环管理 Amazon Bedrock 成本:归因、观测、强制、优化、运营。Amazon Bedrock 已支持按 IAM 主体自动归因推理成本。
Amazon Bedrock AgentCore runtime 新增 Session endpoints,为每个智能体会话提供带认证的 URL,把浏览器请求转发到会话内允许的端口,让编码智能体边改代码边在浏览器里实时预览网页应用。
ChatGPT 桌面应用现已在 AWS GovCloud (US) 的 Amazon Bedrock 上线,可通过 Work 与 Codex 两个组件访问 OpenAI 前沿模型。
Worldwide Express 基于 Amazon Bedrock 构建多智能体 AI 方案并接入其运输管理系统 SpeedShip,上线六个月后活跃异常减少 75%、回款周期缩短 4 周、年节省 100 万美元,并一次性释放 1000 万美元自由现金流。
SETI 研究所与 Breakthrough Listen 将智能体 AI 接入 Allen Telescope Array,研究人员用自然语言即可操控望远镜、校准数据并实时处理信号。
英国 Amazon Quick 用户小组在 2026 年举办的三场季度聚会共吸引超过 150 人参加,活动围绕 Amazon Quick 的智能体 AI 能力展开实操。
NVIDIA Nemotron 3.5 Super VL 已上线 AWS,这是一个 120B 参数的 MoE 多模态模型,每 token 激活 12B 参数,支持最长 1M tokens 上下文和文本、图像、文档、视频输入。
MoEngage 借助 Amazon Bedrock AgentCore Gateway 把约 400 个 VPC 私有 REST API 转成权限受控的智能体工具,节省约六个月平台工程投入,新 API 接入从数天缩短到数小时。该方案无需编写 MCP server 代码、不暴露公网端点,由 AI 平台团队统一维护 MCP 层,各工程团队只需提供 OpenAPI spec。
AWS Batch 为 SageMaker Training 作业推出配额管理功能,管理员可按团队或项目划分配额份额,并通过 RESERVE、LEND、LEND_AND_BORROW 三种资源共享策略自动出借或借用空闲 GPU 容量。
Kiro 提供了一套可重复的 PHP 到 Java 迁移引擎,把原 PHP 应用当作规格说明,通过共享方法论、机械式发现扫描器和八阶段工作流推进迁移,并用 parity harness 验证 Java 移植版行为一致后才判定正确。同一套 skill 文件既可在 Kiro 中交互式逐应用执行,也可交给 AWS Transform 以智能体方式并行处理多个应用。
Epsilon 的 Agentic Platform 团队基于 Amazon Nova Act 与 Amazon Bedrock AgentCore Browser,把意图驱动的 UI 测试做成多租户平台服务,叠加在原有 Playwright 回归套件之上。
Amazon Nova Act 构建的 QA Studio 新增“应用”与“基于团队的用户管理”两项能力,用于在组织内规模化扩展测试自动化。应用作为测试容器按环境记录执行结果并生成 0–100 健康分,对不稳定测试扣分,支持 7 天按小时、30 天按天查看趋势。权限分 Admin、Team Lead、Editor、Executor、Viewer 五级,应用归属单一团队,其他团队不可见。
AWS 发布 Ray Train DLC 镜像(public.ecr.aws/deep-learning-containers/ray:train-ml-cuda-v1.1),预集成 Ray 2.58.0、PyTorch 2.13.0、CUDA 13.0.2、NCCL 2.29.7 与 EFA 及 AWS OFI NCCL 插件,无需自行构建镜像。
AWS 发布基于 Amazon Bedrock AgentCore 的企业级 Agentic AI 平台蓝图,采用联邦式运营模型,由中央 Platform 团队提供受治理的共享服务,各 Workstream 团队保留对智能体、工具和数据的归属。
Exowatt 借助 Amazon SageMaker AI 无服务器模型定制,为边缘和云端两个部署目标微调出任务专用模型,精度超过前沿模型,成本最高降低 49 倍。其边缘告警分诊基于 Qwen3-1.7B,云端能源市场分析基于 Qwen3-14B,后者通过 Amazon Bedrock Custom Model Import 托管。该流程将原始运营数据到已评估部署产物的路径从数月缩短到数天。
Property Finder 发现其评估标签中 96.8% 直接来自现有视觉语言模型的预测而非人工核验,导致任何替代模型在对比中结构性吃亏。团队重新人工标注 356 张 UAE 图像并改用多标签分类,结合 v0 到 v27 的提示词迭代优化,在 Amazon Bedrock 上选出新模型,准确率更高且成本降低 86%。
AWS 宣布为 Amazon SageMaker AI 训练和处理作业提供 Seekable OCI(SOCI)索引,容器镜像改为懒加载,作业启动从分钟级降到秒级。
文章演示如何用 AWS CDK 在托管 Amazon Bedrock Knowledge Base 上部署企业级智能体检索系统,通过 AgenticRetrieveStream API 实现多轮规划、工具驱动检索和带引用的答案生成。
在 Amazon Bedrock 上使用 OpenAI 模型时,提示词缓存可避免 AI 智能体每轮重复发送工具定义、指令和历史,从而降低输入成本。缓存分隐式(由 Bedrock 自动选择可复用前缀)和显式(用 prompt_cache_breakpoint 标记边界)两种,建议结合使用。
AWS 发布基于 SageMaker Python SDK v3 的车队级计算机视觉模型生命周期方案,用 SageMaker Neo 取代已弃用的 SageMaker Edge Manager 做边缘优化。
Bayer Crop Science 基于 Amazon Bedrock AgentCore 构建了多智能体自然语言界面 Agentic Decision Engine(ADE),第一阶段约 80% 的用户问题无需工程师介入即可解决。
针对 SageMaker AI 实时端点更新配置时因自动扩缩容已注册而部署失败的问题,AWS 给出一个可复用 CDK construct,用三个 CloudFormation 自定义资源在端点更新前后自动注销并重新注册扩缩容目标。
AWS 发布在 Amazon SageMaker AI 上做多轮强化学习(MTRL)的端到端实操指南,训练任务通过 AgentCore 托管的智能体完成多轮交互,只按整局结果给奖励。
OpenAI 通过可靠的多租户架构、全局缓存和 Azure Cosmos DB 扩展 Habitat 存储系统,为 ChatGPT 带来 12 倍读取速度提升。该系统需支撑超过 10 亿 ChatGPT 用户规模。
Hugging Face 推出 torch-neuronx 模型支持 Space,可查询 Hub 上的模型能否在 AWS Trainium 上原样运行,并给出复现脚本。
Firebird 与哈萨克斯坦政府签署投资协议,获得 4.5 万块 NVIDIA Grace Blackwell GPU 的美国出口许可,首期将与 Kazakhtelecom 在 Data Center Valley 建设,目标 2027 年第三季度商用。
OpenAI 发布 Decisions API,面向各类应用提供快速、聚焦、低成本的决策能力。该 API 主打响应速度与低成本,可用于构建响应更灵敏的应用。