Amazon Quick Sight 图层地图支持用 GeoJSON 绘制点和路线
Amazon Quick Sight 图层地图新增支持 GeoJSON 的 Point 和 LineString 两种几何类型,可在地图上标注门店等具体位置并绘制配送路径、航班航线等路线。GeoJSON 文件上限 100 MB,需与 Quick Sight 数据集通过共享 join key 关联,每个图层一次只渲染一种几何类型。
Amazon Quick Sight 图层地图新增支持 GeoJSON 的 Point 和 LineString 两种几何类型,可在地图上标注门店等具体位置并绘制配送路径、航班航线等路线。GeoJSON 文件上限 100 MB,需与 Quick Sight 数据集通过共享 join key 关联,每个图层一次只渲染一种几何类型。
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。
OpenAI 与波兰 NASK 建立合作,聚焦 AI 安全、保障与技术研究,以强化防护措施并支持更具韧性的数字生态。
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。
微软与 Hugging Face 联合发布 ThinkingBox-Training,把 ThinkingBox 对数据库终态的确定性校验直接当作 RL 奖励,用于训练有状态业务智能体。
Anima 利用 GPT-6 和 GPT-Live 将诊所电话等待时间缩短 75%,并扩展了护理团队使用 OpenAI 模型的能力。该方案让护理团队有更多余力响应患者。
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。
Microsoft Research 发布 Flint-interactive,一种构建在 Flint 之上的交互式数据可视化语言,让智能体生成可点击、筛选、缩放、高亮和跨图表联动的图表。
Allen AI 发布 OlmoEarth v1.3 卫星嵌入模型,读取一年的 Sentinel-1、Sentinel-2 和 Landsat 时序数据,为地球上每 10 米像素生成 128 维向量,前 64 维可单独使用。
Rescale 基于 AWS 的 AI-DLC 框架构建了 AI 分诊智能体,从问题定义到 staging 部署仅用五天,数周内进入生产。
针对自托管 TTS 端点自动扩缩容目标值靠猜的问题,AWS 在 Amazon SageMaker AI 实时端点上部署了 8200 万参数的 Kokoro-82M,用实测的 Q_max(单实例在 SLO 内可承受的最高并发)和 T_total(一次扩容端到端耗时)推算扩容阈值、缩容阈值与两个冷却时间。
在 Amazon SageMaker AI 的实时端点上托管 Kokoro-82M 语音合成模型,把 AI 智能体生成的每个句子即时送入合成,让音频在完整回复生成前就开始播放。
Amazon Quick 是 AWS 的 HIPAA-eligible 服务,其 Web、桌面和移动客户端均可在签署 AWS BAA 后处理 PHI。该平台的 chat agent 可跨临床笔记等非结构化内容和理赔、会员记录等结构化数据执行多步任务,并通过 connectors 与 MCP 接入外部系统。
Amazon SageMaker AI 的训练会话 API 把抽象层下移到训练操作,开发者在本机用 Python 编写训练循环,通过 forward_backward、optim_step、sample 等调用在托管 GPU 上执行,服务负责模型与 LoRA 加载、分布式执行、故障恢复和检查点存储。
AWS 宣布 SageMaker AI 无服务器模型定制中的训练会话正式可用,用户可自行编写并协调训练循环,包括自定义损失函数和奖励信号,GPU 分配、分布式执行、故障恢复与 checkpoint 存储由平台负责。
IskayPet 基于 Amazon Bedrock Managed Knowledge Bases 构建企业知识助手,让员工用自然语言查询零售运营、兽医诊疗、人事入职和采购等文档,覆盖四语言、三国家且无需自管 RAG 基础设施。
Amazon Polly Generative 引擎完成升级,语音更自然准确且延迟更低,新增 14 个声音、覆盖 9 个 locale,并首次正式提供印地语和芬兰语生成式声音。
Uber 正在向超过 30,000 名员工部署 ChatGPT Work,帮助团队开展调研、分析数据、制作演示文稿并完成复杂工作流。该部署由 OpenAI 提供支持。
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology(ForTy)2020,把全球每一块 10×10 米土地划入六类森林与土地利用类型,作为欧盟无毁林法规(EUDR)的关键基线。
NVIDIA 发布 AIOps 平台 Minerva,汇集基础设施与 AI 工作负载的遥测数据,用专用 AI 模型把数据转成可执行的洞察。平台跨 GPU、SuperNIC、交换机、存储、调度器和作业构建动态知识图谱,每小时分析数十亿数据点,可把大量告警聚合成带根因的单一事件。
OpenAI 发文解释 FDE(前沿部署工程师)在其内部的具体含义。文章围绕这一岗位的定位展开说明,但未披露具体团队规模、客户数量或产品版本信息。
IBM 在 Hugging Face 发布 Granite Timeseries Ensemble,将 PatchTST-FM-r1、PatchTST-FM-r2、FlowState-r1.1 和 TTM-r3 四个预训练 Granite 时序模型组合为统一预测接口,无需重训、无需拟合集成权重。
NVIDIA 与欧洲多国政府及合作伙伴推进公共部门 AI 项目:欧盟委员会基于 deepset Haystack 企业平台扩展 AI@EC,波兰用 NVIDIA DGX BasePOD 和 MONAI 构建医学影像平台,德国 Materna 推出本地部署平台 Sinfonie。
NVIDIA 在欧洲推出 Earth-2 系列开放模型的新成员 StormScope EU,基于 EUMETSAT 卫星观测,可对欧洲 16 个 Meteosat 通道以 10 分钟间隔预测云况变化。
NVIDIA 正以开放模型和物理智能改造欧洲零售:Shopify 用 NVIDIA Nemotron 3.5 Lightning 后训练出 GraphQL 子智能体,内部基准上准确率超过领先前沿模型,服务成本降低 90%、响应快 7 倍。
GE Vernova、Hitachi Energy、Schneider Electric 和 Siemens Energy 等能源厂商正基于 NVIDIA DSX AI Factory Platform,把电网、变电站与 AI 工厂作为一套系统统一规划、仿真和运行。
NVIDIA 扩展 Cosmos 平台,新增训练工具、仿真 checkpoint 和 Cosmos Data Factory 蓝图,用于构建理解并模拟真实世界的世界模型。
Revolut 正基于 NVIDIA 加速计算以单一基础模型 PRAGMA 重建技术栈,在 Blackwell Ultra GPU 上以 cuDF 和 Dynamo-Triton 扩展生产部署,初期服务 8000 万客户并设计支持 3 倍扩容。
AWS 解决方案架构团队开源了多智能体系统 Deep Insight,用 Coordinator、Planner、Supervisor、Coder、Validator、Reporter、Tracker 等智能体把 CSV 数据分析自动生成带引用的 DOCX 报告。
AWS 发布方案,通过 AWS PrivateLink 的 VPC 端点与 Quick 的 VPC 连接,让 Amazon Quick 在不经过公网的情况下访问企业防火墙后的本地数据源。
Cloudflare 使用 OpenAI Daybreak 调查漏洞并提出修复方案供人工审核,同时其开发者借助 Codex 加快开发速度并提升代码质量。
OpenAI 与分发合作伙伴协作,通过统一标准维护一致的安全防护、支持负责任的访问,并在 Usage Policies 中明确各方预期。
美国非营利组织 U.S. Hunger 借助 Amazon Quick 让领导层直接探索组织数据,并将 SQL Server 数据每晚 2 点刷新至 SPICE 内存引擎。Quick Spaces 为领导团队提供共享的 KPI 定义、财务文档与分析空间,目前已有 17 名同事获得访问权限,覆盖高管、技术、Full Cart 项目、财务与合规等职能。
在单台 trn2.48xlarge(16 颗 Trainium2、64 个逻辑 NeuronCore)上,torchtitan 可通过 TorchNeuron 把 Trainium 注册为原生 PyTorch 设备。
基于 Strands Agents 构建的 Adaptive Agentic Intelligence Framework(AAIF)用 llama3.2:1b 作为编排层对请求分类,常规任务由 Ollama 本地 SLM 处理,复杂分析经 boto3 路由到 Amazon Bedrock。
OpenAI 发布前沿 AI 民主治理系列第二部分,提出通过前沿 AI、更强保障措施、现代化网络安全和更具韧性的公共机构来赋能网络防御者。该蓝图聚焦于让防御方获得前沿 AI 能力,同时配套更严格的防护机制与网络安全现代化举措。
微软研究院机器学习与优化组的 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 Kannan-Lovász-Simonovits(KLS)猜想,证明该关系在高维下由固定常数界定、不随维度增长。