来源: aws.amazon.com
33
Amazon Bedrock 现在可以在 25 个以上的 AWS Region 中使用 OpenAI GPT-5.6 系列模型，包括 Sol、Terra 和 Luna。变化的重点不只是模型数量增加，而是请求可以通过跨区域推理配置文件分发到其他 AWS Region，从而获得更高的吞吐能力。 对于需要稳定处理突发流量的应用，跨区域推理可以减少单个 Reg...
来源: aws.amazon.com
37
医疗、零售和生命科学团队通常已经把大量运营数据集中存放在 Snowflake 中，但从数据仓库走到可用的预测模型，中间仍然隔着权限、连接、数据准备和模型训练等环节。这个系列的第一部分不急着训练模型，而是先把 AWS 账户与 Snowflake 环境搭好，为后续使用 Amazon SageMaker Canvas 构建欺诈检测模型做好准备。 无代码不等于...
来源: aws.amazon.com
54
无代码机器学习的价值，不只是把 Python 隐藏起来，而是让数据分析人员能够沿着一条可审计的路径完成数据接入、清洗、关联和建模。本系列第二部分把 Amazon SageMaker Canvas 连接到 Snowflake，使用 Data Wrangler 的可视化转换处理交易数据，并训练一个基于 XGBoost 的欺诈检测模型，为后续构建交互式仪表板...
来源: aws.amazon.com
47
机器学习模型输出的不是最终答案，而是一张需要被业务理解和使用的预测结果表。在这套无代码工作流中，Amazon SageMaker Canvas 负责生成欺诈检测预测，Amazon QuickSight 则把这些预测转换成互动仪表板、自然语言问答和面向管理层的摘要。 关键变化在于：模型结果不再停留在数据科学工具里，而是进入销售、风控、财务和管理层都能访问...
来源: pytorch.org
46
PyTorch Conference North America 2026 的主题演讲阵容已经公布。大会将于 2026 年 10 月 20 日至 21 日在美国加州圣何塞举行，议程聚焦 PyTorch 的最新进展，以及如何在 AWS Trainium 上使用原生 PyTorch 等方向。 对于正在维护训练平台、模型代码或推理基础设施的开发者来说，这类议...
来源: aws.amazon.com
50
AI agent 不只是回答问题，还可能调用工具、修改数据、发送消息或触发业务流程。当 agent 的行为超出组织政策时，仅依赖提示词并不足够。Amazon Bedrock AgentCore 的 Policy 能在 agent 执行操作时提供控制，并支持基于时间的约束；Policy Authoring 则可以把自然语言政策文档转换为 Dogwood ...
来源: aws.amazon.com
47
当企业从一个智能助手走向多个能够规划、调用工具并协作完成任务的 Agent 时，真正的难题往往不只是模型效果。框架、模型、推理服务、云供应商和数据系统可能各自不同，团队还需要同时运营多套 Agent 系统。 要让 Agentic AI 在企业环境中持续扩展，关键是把业务流程与具体厂商实现分开：让模型可以替换，让 Agent 框架可以演进，让不同供应商的...
来源: aws.amazon.com
31
企业云迁移真正难的地方，通常不在于把一台服务器搬到云上，而在于如何持续完成资产发现、依赖分析、基础设施即代码生成、迁移治理，以及迁移后的运营。AWS Professional Services 的实践表明，可以基于 Amazon Bedrock AgentCore 组织一套多智能体框架，让不同 AI Agent 分别处理这些环节，并把结果串成端到端的迁...
来源: aws.amazon.com
42
构建 Agentic AI 应用时，向量搜索并不一定意味着新增一个独立的向量数据库。AWS 提供了一组直接集成到现有数据库和存储服务中的向量能力，团队可以继续使用已经承载业务数据的服务，减少数据迁移、同步链路和额外运维。 这类架构的关键问题不是“哪个向量数据库最强”，而是“向量搜索应该放在哪里，才能最贴近数据、权限和访问模式”。 传统 RAG 架构通常...
来源: pytorch.org
37
模型架构、算子组合和精度格式持续变化，而负责导入、优化和执行模型的编译栈往往需要更长的适配周期。即使底层系统已经成熟，一个新模型也可能因为少数未知算子、动态形状约束或图变换错误而无法运行。AI 的价值不只是生成一段补丁，而是把故障归类、最小化复现、查找相似实现和验证候选改动串成一条受控流水线。 团队容易把“模型可以导入”误认为“模型已经支持”。更实用的...