在 Amazon Bedrock AgentCore 上构建企业级 Agentic AI 平台
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。
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。
MIT Technology Review 探讨工业 AI 在自主决策与人类控制之间如何取得平衡。文章指出,随着 AI 在工业场景中承担更多自主判断,企业需要设计相应机制,让人始终保有监督与干预能力。
TechCrunch Disrupt 上,WeaveGrid CEO Apoorv Bhargava、Veir CEO Tim Heidel 与 Rewiring America 政策副总裁 Kristin Eberhard 认为,AI 数据中心带来的能源需求激增虽给老旧电网带来压力,也为电网现代化打开机会。
Latent Space 邀请 Anthropic 的 Katelyn Lesse 和 Angela Jiang 讲解 Claude Platform 的工程实现,包括 Opus 5.5 的发布、把模型“大脑”与智能体“双手”解耦、API 扩容以及构建可靠的托管智能体。
Latent Space 访谈 Anthropic 工程负责人 Katelyn Lesse 与产品负责人 Angela Jiang,复盘 Opus 5.5 的发布过程与 Claude Platform 的工程取舍。
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。
一位 Thomson Reuters 首席工程师在喜马拉雅山麓的断网环境下,用 OpenCode 1.19.4 搭配 Ollama 在笔记本本地运行 Qwen3.5 9B,验证离线写代码的可行性。
Nvidia 参与印度创企 Simplismart 的 1400 万美元 B 轮融资,后者估值约 1 亿美元,其软件可帮企业更高效地运行 AI 模型、部分场景下减少 GPU 用量。Simplismart 称已帮 AI 视频平台 InVideo 将 GPU 服务成本降低 56%,客户还包括 HeyGen、Higgsfield 和 Ema。其年化收入运行率过去六个月增长 14 倍,超半数收入来自美国。
General Compute 完成由 Blackbird Ventures 和 Abstract Ventures 领投的 1 亿美元 A 轮融资,投后估值 8 亿美元。
制造业的工业智能由积累的工艺知识、生产数据与业务理解构成,当前机会是让这些智能在决策现场可用,并与物理世界连接。Toyota Industries 打通碎片化喷漆车间数据后,分析周期从五天降至四小时以内,试点中相关喷漆缺陷减少约 25%。Rockwell Automation 新加坡工厂用维护 copilot 整合制造数据、设备手册与老员工经验,新员工掌握数百台设备排障的时间从九个月缩短到三个月。
对 Jeff Lindsay 的 webframe 评测显示,这个基于 Go 和 glaze 库的轻量浏览器 JavaScript 运行器抓取性能与 shot-scraper 相当,但存在 CSP 失败、0×0 视口、加载挂起、缺少 HTTP 元数据和浏览器控制有限等问题。
Supabase 联合创始人 Paul Copplestone 和 Ant Wilson 在访谈中讨论如何为 AI 智能体大量生成应用的世界设计后端,包括在数据库旁运行长时工作负载的 Supabase Compute、让 schema 更易被智能体理解,以及 Postgres 可靠性与扩展。
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。
Anthropic 表示,单个按需加载上下文的智能体在质量、成本和延迟上常优于多子智能体架构,并发布迁移工具包帮助团队评估是否合并子智能体。Anthropic 称从 Opus 4.5 起的新模型可在单一循环中直接管理复杂计划,一次对比中单智能体架构速度约为多智能体方案的两倍。
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。
打车平台 inDrive 与中国自动驾驶公司 Pony.ai、Nvidia 签署谅解备忘录,计划 2027 年上半年在哈萨克斯坦首都阿斯塔纳测试 Robotaxi,初期配备安全员,最终目标是完全无人驾驶。
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。
EXL 提出企业 AI 的竞争优势正从模型能力转向围绕模型构建的服务框架(serving harness),即架构、内存管理、调度与推理优化的工程系统。其主张先按业务负载确定约束再选架构,并以 KV cache 随并发和上下文增长导致 GPU 显存不足为例,强调先测量再优化。框架还应便于吸收新模型与新硬件,使换模型成为评估与配置决策而非架构重建。
Google 发布 Agent Compute Engine,为每个 AI 智能体分配独立的隔离虚拟机,该服务已用于支撑 Gemini,并将在未来几个月开放预览。
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。
Modal CEO Erik Bernhardsson 解释 AI 算力需求并非固定矩形合同:真实负载会增长、尖峰和回落,Modal 通过聚合数千客户需求、在底层锁定容量,让客户按需弹性使用。
Moshi CEO Anekha Sokhal 在 Latent Space 播客中讲述从数学、JPMorgan 能源衍生品交易到创业的路径,以及 Moshi 如何为交易员做推荐引擎。
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。