用 AtScale 和 Amazon Bedrock AgentCore 在 AWS 上为智能体 AI 构建语义层
AWS 博客演示了以 AtScale 作为语义层、在 Amazon Bedrock AgentCore 上运行 Strands 智能体的 C360 方案,AtScale 用基于 YAML 的 Semantic Modeling Language 建模,并通过 SQL、XMLA 和 MCP 三种协议同时暴露同一模型。
AWS 博客演示了以 AtScale 作为语义层、在 Amazon Bedrock AgentCore 上运行 Strands 智能体的 C360 方案,AtScale 用基于 YAML 的 Semantic Modeling Language 建模,并通过 SQL、XMLA 和 MCP 三种协议同时暴露同一模型。
AWS 博客演示了以 Strategy Mosaic 为语义层、在 Amazon Redshift 与 Amazon Aurora 上构建 Customer 360 模型,并通过 MCP 端点让托管在 Amazon Bedrock AgentCore 上的 Strands 智能体访问该模型。
本文演示用 Denodo Platform 作为语义层、配合 Amazon Bedrock AgentCore 托管智能体,联邦查询 Amazon Aurora、Amazon Redshift 和本地 PostgreSQL 三处数据源,构建 Customer 360 视图。
Eon 用 Amazon Bedrock AgentCore 的 MCP Gateway 替换了逐工具凭证和本地 MCP 进程,让开发者和自主 SRE 智能体通过单一认证网关访问 AWS、GCP、Azure 三朵云上的调查工具。
AWS 与 Keyfactor 联合发布参考架构,用 Keyfactor EJBCA 的 X.509 PKI 为基于 MCP 的 AI 智能体建立可验证、可撤销的身份。
AWS 发布 Agent Registry,用于编目和发现 MCP 服务器、智能体与智能体技能,并给出 Discover → Instantiate → Execute 的 Python 示例。
Amazon Bedrock 的跨区域推理(CRIS)现已支持从加拿大(中部)和加拿大西部(卡尔加里)区域调用 OpenAI GPT-5.6(Sol、Terra、Luna)、GPT-6(Astra、Sol、Luna)和 GPT-6.1 Sol。
Octave 在 Amazon Bedrock 上用 Cohere Embed v4 构建三层多租户 AI 基础平台,将每个用例的部署时间缩短 50%。该平台为 Reliance 质量管理系统嵌入 2 亿级文档,并通过 AgentCore Gateway 隔离执行、以 Amazon Bedrock Guardrails 做输入输出双重过滤,确保租户数据不越界。
GPT-OSS-20B 在 50 例多语言推理测试中仅 22% 用目标语言推理(英语 100%、法语 0%、德语 10%、西班牙语 0%、意大利语 0%),团队在 Amazon SageMaker HyperPod 上用 LoRA 结合 SFT 与 GRPO 微调以纠正其英语偏好。结论是 SFT 承担主要工作,GRPO 在存在提升空间时进一步优化,技术选择需匹配能力差距。
Amazon Quick 与 Amazon Bedrock AgentCore 组合,让供应链管理者用自然语言跨 ERP、监控、采购等系统提问并获得可执行答案。
Smartsheet 正式发布 MCP Server,AI 助手可通过标准化协议读写和管理 Smartsheet 数据,覆盖超过 40 个工具,用于探索、创建和管理 sheet、行、列与自动化。该服务提供三个区域端点,支持 OAuth 2.0 或 Personal Access Token 认证,可接入 Amazon Quick 和 Kiro 等 MCP 客户端。
三位拥有十余年 Java 经验的 Java Champion 分享了在生产与开源项目中使用 GitHub Copilot 的实践。Vlad Mihalcea 借助 Copilot 将原本需数周的功能开发缩短至两天,并用 65 篇文章训练自定义技能让生成文本贴合个人风格。
Smartsheet 已在 AWS 上推出正式可用的 MCP Server,AI 助手可通过标准化协议读写和管理 Smartsheet 数据,覆盖超过 40 个工具,支持用自然语言更新任务状态、创建行和调整项目结构。
企业 AI 正从零散的聊天机器人实验变成业务基础层,衡量指标也从 token 或 GPU 小时价格转向"每个有用产出的有效成本"。企业可选自建栈、按需消费或集成私有 AI 平台三条路径,HPE Private Cloud AI 将调度、模型选择、GPU 分区和缓存管理作为运营杠杆,其委托的独立测试显示高利用率多负载平台的每 token 有效成本低于反复租用同等容量。
PyTorch 2.15 在 MPS 后端加入 FP8 张量与 F.scaled_mm,并让 MoE 模型解码比 2.14 快 5–6.5 倍,Qwen3.6-35B-A3B 在 M3 Ultra 上从 9.4 提升到 61.3 tokens/s。
AnyLanguageModel 1.0 正式发布,同时推出 swift-huggingface 1.0 和 swift-xet 1.0。
三星在韩国平泽建设大型半导体制造园区,目前三座晶圆厂全天候运转、第四座即将投产,第五座在2024年内存需求下滑时停工后因 AI 热潮重启。三星预计内存芯片需求将持续激增到2028年,并试图借此夺回被 SK Hynix 抢占的高带宽内存市场领先地位。园区面积约相当于纽约中央公园,现场工人日薪为14万韩元(97美元)。
巴塞罗那超级计算中心(BSC)的 AI Factory 加速器计划已从试点转为全面运营,为初创企业提供主权算力、技术支持和培训,部分服务现已通过 NVIDIA Inception 门户开放。
Amazon SageMaker AI 新客户现在可用 Google、GitHub、Apple、Amazon 账号或邮箱在 2–3 步内注册 AWS,并自动在约 20 秒内获得配置好的 SageMaker Studio 环境。
Hugging Face 发布 TorchNeuron,为 PyTorch 在 AWS Trainium 上提供原生后端,Transformers、Diffusers 和 Kernels 原生支持,10 月 20 日起以公开 beta 开放,可通过 pip install torch-neuronx 安装。
Amazon SageMaker JumpStart 在 2026 年 1 月至 9 月新增超过 100 个模型,覆盖 30 家提供商。其中 Alibaba(Qwen)贡献 29 个模型,NVIDIA 贡献 17 个,包括 Cosmos3 世界基础模型系列与 Nemotron 系列;Mistral、Google、IBM、Cohere 分别新增 7、6、4、4 个模型。
德国联邦政府与 NVIDIA 签署联合意向声明,将共同推进面向物理 AI 的前沿模型,并扩大与德国“工业 4.0 平台”的合作。黄仁勋同时宣布对 Agile Robots、Avelios Medical、Mirelo 和 Reflex Aerospace 四家德国初创公司的新投资,属于 NVIDIA 对欧洲近 100 亿美元承诺的一部分。
AWS 发布 TorchNeuron 开发工具,让用 PyTorch 编写的 AI 应用只需改一行配置即可运行在自研芯片 Trainium 上,无需重写代码。AWS 称约 85% 的 AI 应用用 PyTorch 编写,并计划把移除框架与特定芯片绑定关系的代码贡献回 PyTorch 上游,使框架更硬件无关。
AWS 在 vLLM 中实现双向 KV 传输,让 decode 节点在后续轮次把已算好的 KV 返回 prefill 节点复用,避免重复计算对话历史。在 Amazon EC2 P5en 实例加 EFA 的 1P1D 部署上,最长提示下 Qwen3-32B 的 TTFT 降低约 1.6 倍,zai-org/GLM-5-FP8 降低约 3.3 倍。
vLLM 新增 push-based NIXL connector,把 KV 传输的协调与建立过程移出首 token 关键路径,在 Amazon EC2 P5en 集群的 1P1D 部署上,Qwen3-32B 的 TTFT 最高提升 3 倍、TPOT 提升最多 30%。
Deepgram 与 AWS 合作将 Nova-3 语音转文字模型移植到 Trainium2,用于联络中心分析、医疗转录等离线批处理场景。最终配置在单台 Amazon EC2 trn2.3xlarge 实例上运行 8 个模型副本,每美元处理的音频量比原有算力方案多 11%–70%。
TwelveLabs 的 Pegasus 1.5 视频语言模型已在 Amazon Bedrock 上线,可将长视频转为带时间戳的结构化 JSON 元数据。新版本新增视频分段、结合参考图像的多模态提示词和免预索引的即时处理,单次请求可分析最长两小时的视频,较 Pegasus 1.2 的一小时翻倍。
Laplace Intelligence 正在为机器人和物理 AI 构建自动化红队测试,在真实部署前用 AI 智能体主动寻找系统弱点。其仿真环境基于 Nvidia Cosmos 后训练版本重建真实场景,可实时调整路况并让其他交通参与者做出反应。
NVIDIA 与欧洲广播联盟(EBU)扩大主权框架合作,引入主权云、开放模型和系统集成商,明确广播机构部署智能体时对数据、基础设施、模型与安全的控制方式。
Simon Willison 发布 llm-echo 0.5,这个调试插件提供的“模型”不调用任何 LLM,只回显输入的提示词。新版本更新了模拟 token 用量统计,将工具调用、系统提示词和推理 token 纳入计算。示例中 `llm -m echo 'hi there' -o thinking 1 --usage` 显示 2 input、24 output token。
NVIDIA RTX Spark 笔记本已上市,搭载 Blackwell RTX GPU 与 Grace CPU,最高 128GB 统一内存、最高 1 petaflop AI 算力,起售价 2399 美元。华硕、戴尔、惠普、联想、Microsoft 和微星的首批机型已推出,后续还有更多系统。NVIDIA 在北京、柏林、首尔、旧金山、台北、伊斯坦布尔六地举办零售发布活动,黄仁勋在柏林现场现身。
Itaú 通过对话式界面 ia.i 和治理平台 IARA,将 AI First 战略同时落地到客户与员工场景,覆盖巴西监管最严格的行业之一。
Simon Willison 用 Claude Code(Opus 5.5 Extra)构建了 LaTeX renderer,可将 LaTeX 源码渲染为 MathJax 单条公式或 faster-latex 排版的完整文档,支持编辑器实时预览与 Edit/Rendered 视图切换。
AWS 销售、营销与全球服务(SMGS)运营团队基于 Amazon Bedrock AgentCore Evaluations 搭建了面向全球现场销售的多智能体系统评估框架,用于在每次发布前及生产环境中持续验证回答是否有据、正确,并追溯失败根因。
Reflection AI 发布开源权重模型 Beam,面向智能体编码与长周期任务,可维护代码、调用工具并完成多步工作流。
The Verge 三位作者用一周时间实测了搭载 Nvidia RTX Spark N1X 处理器的五款笔记本,包括 128GB 的 Asus ProArt P16、64GB 的 Lenovo Yoga 9n、32GB 的 HP OmniBook Ultra 以及 Surface Laptop Ultra,售价从 3199.99 美元到 6999.99 美元。
美国新实验室 Reflection 在 Hugging Face 发布首个开源模型 Beam,采用 MoE 架构,总参数 501B、每 token 激活 23B,支持 1M token 上下文,以 Apache 2.0 许可开放,面向编码与智能体场景。
Sullivan & Cromwell 与 OpenAI 合作开发了 Agreement Analyzer,用于识别协议草案中的问题。该工具将法律专业知识引入协议审查流程。
微软研究院发布零知识虚拟机 Magnetar,可证明用 Rust、Go 或 C 编写的 RISC-V 程序执行,在笔记本上每秒证明 720 万至 870 万条处理器指令,15 个基准程序上平均比现有最快 zkVM 快 10 至 39 倍,证明验证约 12 毫秒。
Meta 的编码优化开源权重模型 Muse Spark Open 已在 Amazon SageMaker JumpStart 上线,支持 100 万 token 上下文窗口,采用 MoE 架构,总参数 816B、每 token 激活 42B,可接收文本、图像、文档、音频和音视频输入并输出文本。