海贸观最新动态
跨境动态
按来源、平台、主题和时间查看已收录的公开动态。
最新动态
宣布推出 SOCI 索引镜像，以加速 SageMaker AI 作业
面向 Amazon SageMaker AI 训练和处理作业的可寻址 OCI（SOCI）索引将完整的容器镜像下载从关键路径中移除。SageMaker AI 会延迟加载您的镜像，从而在数秒而非数分钟内启动容器，无需更改
AWS 人工智能 · 发布日期 2026/10/28 01:00修复评估偏差，在 Amazon Bedrock 上解锁更好的模型
Property Finder 发现其视觉 AI 评估标签中有 96.8% 继承自现有模型，掩盖了其真实准确率。了解他们如何构建无偏的真实基准、应用进化式提示优化，并选择一个更
AWS 人工智能 · 发布日期 2026/10/28 00:53Exowatt 借助 SageMaker 无服务器模型定制在准确率上超越前沿模型
在这篇博文中，我们展示 Exowatt 如何利用 Amazon SageMaker AI 无服务器模型定制构建可重复的 AI 流水线，为边缘和云端两个部署目标生成任务专用的微调模型，从而实现更高的准确率
AWS 人工智能 · 发布日期 2026/10/28 00:50使用 SageMaker SDK v3 在边缘实现全车队计算机视觉生命周期
全车队计算机视觉需要为每台摄像头配备一个模型，而非为整个车队使用单一模型。本文介绍了一套可运行的 Amazon SageMaker SDK v3 参考架构，该架构使用 SageMaker Neo 对每台摄像头的模型进行训练、质量把关和编译，a
AWS 人工智能 · 发布日期 2026/10/27 01:56AI 智能体的土拨鼠日：在 Amazon Bedrock 上使用 OpenAI 模型的提示缓存模式
智能体每执行一步，都会在行动前重新读取其完整上下文。以下说明在 Amazon Bedrock 上为 OpenAI 模型启用提示缓存如何让智能体记住内容，从而降低输入成本和延迟，而无需重复发送相同的工具、指令
AWS 人工智能 · 发布日期 2026/10/27 01:27使用 CDK 在托管 Amazon Bedrock 知识库上构建智能体检索
使用 AWS CDK 在托管 Amazon Bedrock 知识库上构建企业级智能体检索：一个跨两个知识库进行路由、通过 AgentCore Gateway 进行检索并返回有依据、带引用的答案的智能体，共分七层
AWS 人工智能 · 发布日期 2026/10/27 01:15Amazon SageMaker AI 上的多轮强化学习：实战指南
Amazon SageMaker AI 上的多轮强化学习（MTRL）依据整个多步骤任务的结果而非带标签的步骤来训练模型。本实战指南以 Wordle 为例走完整个流程：在 A 上部署智能体与奖励
AWS 人工智能 · 发布日期 2026/10/24 01:48使用 AWS CDK 编排 SageMaker AI 端点自动扩缩容
更新已注册 Application Auto Scaling 的 SageMaker AI 端点会导致 AWS CloudFormation 和 AWS CDK 部署失败。本文介绍如何构建一个可复用的 AWS CDK 构造，利用 CloudFormation 自定义资源来注销
AWS 人工智能 · 发布日期 2026/10/24 00:30在 Amazon Quick Sight 图层地图中使用 GeoJSON 可视化点和路线
Amazon Quick Sight 图层地图现在支持来自同一 GeoJSON 工作流的 Point 和 LineString 几何类型，因此您可以绘制门店位置及其之间的路线。本文介绍图层地图所需的数据集和 GeoJSON 结构，以及何时
AWS 人工智能 · 发布日期 2026/10/24 00:24拜耳作物科学如何在AWS Unified Operations上基于Amazon Bedrock AgentCore构建智能体决策引擎
拜耳作物科学构建了智能体决策引擎（ADE），这是一个基于Amazon Bedrock AgentCore的多智能体平台，使育种人员、分析师和研究人员能够就其分析平台提出自然语言问题。本文涵盖……
AWS 人工智能 · 发布日期 2026/10/24 00:21Amazon Polly对其生成式引擎进行重大升级
Amazon Polly生成式引擎迎来重大升级：语音更富表现力、更准确，延迟更低，并在9个地区新增14种语音，同时印地语和芬兰语正式全面可用。此次无缝升级无需更改代码
AWS 人工智能 · 发布日期 2026/10/23 02:06IskayPet 如何借助 Amazon Bedrock 托管知识库统一企业知识
了解 Iberia 领先的宠物护理公司 IskayPet 如何在 Amazon Bedrock 托管知识库上构建多语言企业知识助手。该助手可回答员工在零售、兽医、入职培训和产品方面的问题
AWS 人工智能 · 发布日期 2026/10/23 02:01宣布通过 SageMaker AI 定制模型的新方式，无需管理 GPU
Amazon SageMaker AI 无服务器模型定制现已包含训练会话，今日正式可用。你编写并协调自己的训练后循环（自定义损失函数、奖励信号或多轮强化学习）
AWS 人工智能 · 发布日期 2026/10/23 02:00使用 Amazon SageMaker 训练会话 API 编写你自己的训练循环——无需管理 GPU
Amazon SageMaker AI 训练会话 API 让你可以在 Python 脚本中编写自己的 LLM 训练循环（SFT、RL 或自定义目标），而由服务运行 GPU。本文介绍该编程模型和三个 SDK 客户端，然后……
AWS 人工智能 · 发布日期 2026/10/23 02:00在符合HIPAA要求的环境中部署AI，使用Amazon Quick
Amazon Quick是一项符合HIPAA资格的服务，但资格并不等同于合规。本文解释了HIPAA适用于哪些对象、PHI如何在Amazon Quick中流转、该平台为受监管环境提供了哪些支持，以及一个分步
AWS 人工智能 · 发布日期 2026/10/23 01:48使用 Amazon SageMaker AI 上的 Kokoro TTS 从 AI 代理流式传输低延迟语音
语音代理通常要等待代理的完整响应后才开始语音合成，这会带来用户能直接感受到的延迟。本文介绍如何在代理生成内容的同时，将每个句子流式传输到 Amazon SageMaker AI 上的 Kokoro-82M 文本转语音模型
AWS 人工智能 · 发布日期 2026/10/23 01:45停止为Amazon SageMaker AI上的TTS猜测自动扩缩容目标
在Amazon SageMaker AI上部署自定义文本转语音模型的团队常常猜测自动扩缩容阈值，而错误的猜测要么浪费GPU支出，要么违反延迟SLO。本文以自定义容器方式部署Kokoro-82M，并推导出一个
AWS 人工智能 · 发布日期 2026/10/23 00:30Rescale 如何借助 Strands Agents 和 AI-DLC 构建 AI 分诊代理
Rescale 在 AWS 上采用 AI 驱动开发生命周期（AI-DLC）框架，结合 Strands Agents 和 Amazon Bedrock，在数周内构建了一个智能测试分诊代理。了解 AI-DLC 如何组织 AI 辅助开发，以及 Rescale 如何 s
AWS 人工智能 · 发布日期 2026/10/23 00:25使用 AWS PrivateLink 从企业网络确保快速访问
了解如何使用 AWS PrivateLink 私下将本地数据源连接到 Amazon Quick，使分析流量远离公共互联网。本演练涵盖用于用户和 API 访问的 VPC 端点、用于数据源的 VPC 连接
AWS 人工智能 · 发布日期 2026/10/22 07:38多智能体系统中的 5 个生产挑战以及 Deep Insight 如何解决它们
许多团队在几天内构建出多智能体 AI 原型，但在生产环境中却碰壁。本文定义了五个生产挑战（编排、按智能体选择模型、可靠运行、安全代码执行和监控），并展示了 h
AWS 人工智能 · 发布日期 2026/10/22 07:36使用Strands Agents的自适应智能体智能框架
自适应智能体智能框架（AAIF）基于Strands Agents构建，使用小型语言模型在本地处理常规任务，并通过Amazon Bedrock将复杂请求路由至云端模型。本文逐步介绍如何构建AAI
AWS 人工智能 · 发布日期 2026/10/22 05:23在 AWS Trainium 上使用 torchtitan 训练 Qwen3
在单台 trn2.48xlarge 上，通过三种方式在 AWS Trainium 上训练 Qwen3：Hugging Face Transformers v5 建模后端、torchtitan 原生 Qwen3，以及 NKI 混合专家内核。使用相同的 torchrun 启动器和配置结构
AWS 人工智能 · 发布日期 2026/10/22 04:00美国饥饿组织如何利用 Amazon Quick 连接领导者与数据
美国饥饿组织是一家致力于解决粮食不安全问题的非营利机构，它使用 Amazon Quick 将组织数据与领导层决策相连接。领导者可直接查看申请人数据，在 Quick Spaces 中共享 KPI 定义和财务背景，并投入
AWS 人工智能 · 发布日期 2026/10/22 03:19超越 KV 缓存：在 AWS Trainium2 上使用原生 PyTorch 训练和部署 i14 的 Laplace 3B 线性注意力模型
了解 i14 如何使用原生 PyTorch 在 AWS Trainium2 上训练和部署 Laplace 3B 这一线性注意力模型。无论上下文长度如何，其循环状态每序列始终固定为 29.5 MB，从而避免了传统模型不断增长的键值缓存
AWS 人工智能 · 发布日期 2026/10/21 05:14
