2026年10月2日,AWS推出Amazon Quick应用的实时受治理数据功能。据AWS官方介绍,该功能名为Live Data in Apps,让AI构建的应用在每次打开时实时查询受治理的Quick Sight数据集,而非依赖构建时的静态快照。该功能支持SPICE和Direct Query两种数据集模式,查询以查看者身份执行,因此每位用户只能看到自己有权访问的行。查看者须为已认证的Quick用户,不支持匿名或公开访问,且首次使用需按数据集逐一授权。目前该功能已上线,尚无后续发展事实。
匹配字段标题
2026年10月2日,AWS发布基于Amazon Bedrock AgentCore的ambient agent参考实现,介绍事件驱动环境智能体与人机协同工作流的构建方法。该实现让智能体由Amazon S3上传或定时任务等事件触发,而非等待用户发起对话。在人工介入方面,它通过单个ask_human工具和统一响应信封支持Notify、Question、Review等模式,信号上的autoExecute开关决定任务自动执行还是先由人工审核。平台由Lambda、SQS、DynamoDB和React前端组成,全部通过一个AWS CDK栈部署,示例默认使用Anthropic Claude Sonnet 4.5。目前尚无后续发展事实。
匹配字段标题
2026年9月30日,AWS分享了一套合同智能平台架构,该架构基于Amazon Quick和Amazon Bedrock AgentCore构建。据AWS介绍,方案使用AI智能体从合同PDF中提取8个关键字段,再由独立的验证智能体复核;当签名识别出现分歧时,由Amazon Textract做确定性裁决,结果存入Amazon Aurora PostgreSQL。该方案针对RAG语义检索无法回答跨全部合同的聚合问题,改用结构化提取加数据库查询,并通过嵌入式仪表盘和自然语言聊天智能体提供答案。目前该架构仍处于分享阶段,尚无后续发展事实。
匹配字段标题
2026年9月26日,AWS公布了一套在Amazon EKS上结合EFA与DeepEP加速MoE模型强化学习训练的架构。据AWS Machine Learning发布的信息,该方案针对RLHF和GRPO等大规模强化学习训练中的问题:rollout生成与策略训练存在资源竞争,跨节点通信存在瓶颈,专家并行(EP)带来动态all-to-all通信开销。方案中DeepEP负责在EFA上优化专家并行通信,缓解从节点内NVLink切换到节点间低带宽链路带来的压力。AWS称该架构使吞吐量提升40%。目前该故事尚无后续发展事实,状态为active。
匹配字段标题
2026年9月26日,AWS演示了在Amazon SageMaker HyperPod上使用开源强化学习框架SkyRL训练Qwen3-VL-8B视觉语言模型。该方案采用GRPO,从VisGym SFT检查点出发,在固定64个迷宫评测集上把2D迷宫导航成功率从43.75%提升到95%以上。部署上使用3台ml.g7e.12xlarge(共6张GPU)加1台ml.r5d.16xlarge头节点,vLLM与FSDP策略模型共置,LoRA适配器经Amazon FSx for Lustre同步。目前尚无后续发展事实。
匹配字段标题
2026年10月2日,AWS 发布教程,演示如何将 Amazon S3 Vectors 作为 NVIDIA NeMo Agent Toolkit(NAT)的持久化记忆后端,并部署在 Amazon EKS 上。据该教程,NAT 是开源智能体框架,其记忆模块通过实现 MemoryEditor 接口的 add_items()、search()、remove_items() 方法扩展自定义记忆提供方,内置提供方包括 Mem0、MemMachine、Redis 和 Zep。教程还说明,S3 Vectors 单索引支持最多 20 亿向量,写入后记忆立即可见,按存储、写入和查询计费。目前该故事尚无后续发展事实,状态停留在教程发布。
匹配字段标题
AWS 发布教程 使用 Amazon S3 Vectors 作为 NVIDIA NeMo Agent Toolkit 持久记忆层的实现教程
English translation is being prepared.
匹配字段标题
AWS 介绍构建方法 基于Amazon Bedrock AgentCore的事件驱动环境智能体与人机协同工作流
English translation is being prepared.
匹配字段标题
Cerebras 于 2025 年 11 月 25 日将 Cerebras Inference 托管服务上线 AWS Marketplace。据其官方博客介绍,该服务按 token 付费、无需自建基础设施,可在原有 AWS 账单与安全框架内通过 API 接入。同一来源还提到,Rox 在其企业营收智能体平台中采用 Cerebras Inference 作为低延迟推理路径,通过按意图动态路由模型,让 Command 对话、语音免手操作和实时研究查询即时响应,深度研究任务则交给后台大模型处理;Rox 创始工程师称响应速度比此前方案快 10-20 倍,且输出质量保持出色。目前尚无该服务上线后的进一步独立发展事实。
匹配字段标题
Cerebras 发文解读其与 AWS 的分离式推理合作。文中提到,3 月 13 日 AWS 与 Cerebras 宣布分离式推理合作,将 LLM 推理的 prefill 与 decode 拆分到不同硬件上运行:由 AWS Trainium 负责 prefill,Cerebras CS-3 负责 decode,两者通过 EFA 网络连接,并在 Amazon Bedrock 上提供。Cerebras 称该方案预计可将 token 吞吐提升至聚合方案的 5 倍,并援引研究称智能体负载的 P95 延迟最多改善 4.5 倍。目前该合作仍处于宣布与解读阶段,尚无后续开发事实。
匹配字段标题
AWS与Cerebras 宣布合作 解耦推理合作
English translation is being prepared.
匹配字段标题
2026年3月13日,Cerebras宣布AWS将在其数据中心部署Cerebras CS-3系统,并通过AWS Bedrock提供推理服务,运行领先的开源LLM和Amazon Nova模型。双方还在合作一种解耦架构,把AWS Trainium与Cerebras WSE配对,在相同硬件占用下提供5倍的高速token容量。该架构中Trainium负责prefill并计算KV cache,经Amazon EFA传给WSE专做decode,Cerebras称其可每秒生成数千个输出token,而GPU为数百个。AWS与Cerebras将同时支持聚合与解耦两种配置,预计多数客户会按负载在两者间路由。目前该事件尚无进一步有证据的发展。
匹配字段标题
2026年9月25日,AWS 发布跨区域训练解决方案,由 Amazon SageMaker HyperPod 与 Qumulo 的 Cloud Native Qumulo(CNQ)和 Cloud Data Fabric(CDF)组合实现。该方案允许训练计算位于一个 AWS Region、数据集留在另一个 Region,无需复制数据或修改代码。AWS 公布的验证中,位于 us-west-2 的 spoke 集群通过 CDF 以 60 ms 网络延迟读取 us-east-2 的数据,运行 1.02B 参数 LLaMA v3、2 台 ml.p5.48xlarge(共 16 张 H100),短暂预热后吞吐追平本地 hub 集群;NeuralCache 预热后 94–96% 读取由本地缓存以低于 5 ms 延迟完成。目前该方案已发布并给出上述验证结果,尚无后续发展事实。
匹配字段标题
Cerebras 上线 Cerebras Inference 托管服务
English translation is being prepared.
匹配字段标题
Cerebras 宣布 AWS在AWS数据中心部署Cerebras CS-3系统并通过AWS Bedrock提供服务
English translation is being prepared.
匹配字段标题
AWS 分享 基于Amazon Quick和Bedrock AgentCore的合同智能平台架构
English translation is being prepared.
匹配字段标题
AWS 上线 Grok 4.7至Amazon Bedrock
English translation is being prepared.
匹配字段标题
AWS 公布 基于Amazon EKS、EFA和DeepEP的MoE强化学习扩展方案
English translation is being prepared.
匹配字段标题
AWS 演示 在SageMaker HyperPod上使用SkyRL训练Qwen3-VL-8B
English translation is being prepared.
匹配字段标题
AWS 发布 跨区域训练解决方案
English translation is being prepared.
匹配字段标题