2026年10月29日,AWS Machine Learning 博客发文介绍 QA Studio 基于 Amazon Nova Act 新增的两项能力。其一是 applications:把测试用例和测试套件归入带所有者的应用容器,并按应用和环境记录 CloudWatch 指标,给出 0–100 健康分,从通过率出发并对 flaky 测试扣分,支持 7 天/小时与 30 天/天两种趋势窗口。其二是团队制用户管理:设 Admin、Team Lead、Editor、Executor、Viewer 五级累积角色,每个应用只属于一个团队,权限按应用而非单个测试管理。目前尚无后续发展报道。
匹配字段标题
2026年10月29日,AWS发布基于Amazon Bedrock与AgentCore的企业级Agentic AI平台蓝图。该蓝图采用联邦式运营模型:中央Platform团队提供受治理的共享服务,各Workstream团队保留对自身智能体、工具和数据的归属。平台通过独立的推理网关与MCP工具网关实施模型准入、区域限制、速率与token配额及预算控制,并以评估流水线在智能体上线前进行门禁校验。目前尚无后续发展事实。
匹配字段标题
2026年10月29日,AWS Machine Learning 博客发文介绍 QA Studio 基于 Amazon Nova Act 新增的两项能力。其一是 applications:把测试用例和测试套件归入带所有者的应用容器,并按应用和环境记录 CloudWatch 指标,给出 0–100 健康分,从通过率出发并对 flaky 测试扣分,支持 7 天/小时与 30 天/天两种趋势窗口。其二是团队制用户管理:设 Admin、Team Lead、Editor、Executor、Viewer 五级累积角色,每个应用只属于一个团队,权限按应用而非单个测试管理。目前尚无后续发展报道。
匹配字段标题
2026年10月29日,AWS发布基于Amazon Bedrock与AgentCore的企业级Agentic AI平台蓝图。该蓝图采用联邦式运营模型:中央Platform团队提供受治理的共享服务,各Workstream团队保留对自身智能体、工具和数据的归属。平台通过独立的推理网关与MCP工具网关实施模型准入、区域限制、速率与token配额及预算控制,并以评估流水线在智能体上线前进行门禁校验。目前尚无后续发展事实。
匹配字段标题
Chai Point的Dharmendra Raghuvanshi称,公司月度AWS账单从10877美元降至4550美元,降幅58.2%。据Analytics India Magazine报道,其中约80%的节省来自一名高级工程师用Claude Code执行的Agentic Cost Audit:该审计以只读模式检查生产与QA云账户,定位闲置和孤立资源、过度配置及配置错误,并按节省金额、实施成本和风险排序。其余约19%来自更换AWS转售商Isaga获得5%折扣,以及Savings Plan降低约15%承诺支出。报道称平台仍支撑170多家门店的8000多台联网冲泡设备。
匹配字段标题
2026年10月28日,AWS为Amazon SageMaker AI训练和处理作业推出SOCI索引镜像,通过懒加载让容器在数秒内启动,且无需改动作业定义。AWS Machine Learning公布的官方基准显示,1.8–35.4 GB的镜像下载时间从48秒至7分17秒降至3–11秒,提速8x–46x,GPU空闲时间最多减少90%。若索引不可读或懒加载失败,作业会自动回退到标准下载。目前尚无后续发展。
匹配字段标题
2026年10月28日,AWS为Amazon SageMaker AI训练和处理作业推出SOCI索引镜像,通过懒加载让容器在数秒内启动,且无需改动作业定义。AWS Machine Learning公布的官方基准显示,1.8–35.4 GB的镜像下载时间从48秒至7分17秒降至3–11秒,提速8x–46x,GPU空闲时间最多减少90%。若索引不可读或懒加载失败,作业会自动回退到标准下载。目前尚无后续发展。
匹配字段标题
AWS于2026年10月28日宣布,其Amazon Connect连续第四年被2026年Gartner联络中心即服务(CCaaS)魔力象限评为领导者。AWS在官方博客中介绍,Amazon Connect以客户上下文结合生成式与智能体AI,强调把复杂问题一路推进到解决而非只做转接,且每一步操作可审计、必要时由人工介入。目前该消息仅有AWS官方来源,尚无其他独立报道或后续进展。
匹配字段标题
AWS于2026年10月28日宣布,其Amazon Connect连续第四年被2026年Gartner联络中心即服务(CCaaS)魔力象限评为领导者。AWS在官方博客中介绍,Amazon Connect以客户上下文结合生成式与智能体AI,强调把复杂问题一路推进到解决而非只做转接,且每一步操作可审计、必要时由人工介入。目前该消息仅有AWS官方来源,尚无其他独立报道或后续进展。
匹配字段标题
Chai Point的Dharmendra Raghuvanshi称,公司月度AWS账单从10877美元降至4550美元,降幅58.2%。据Analytics India Magazine报道,其中约80%的节省来自一名高级工程师用Claude Code执行的Agentic Cost Audit:该审计以只读模式检查生产与QA云账户,定位闲置和孤立资源、过度配置及配置错误,并按节省金额、实施成本和风险排序。其余约19%来自更换AWS转售商Isaga获得5%折扣,以及Savings Plan降低约15%承诺支出。报道称平台仍支撑170多家门店的8000多台联网冲泡设备。
匹配字段标题
2026年10月27日,AWS发布基于SageMaker Python SDK v3的车队级边缘计算机视觉模型生命周期方案。该方案以SageMaker Neo取代已弃用的SageMaker Edge Manager进行边缘优化,并以双分支SageMaker Pipeline为每台摄像头训练异常检测器和ResNet18缺陷分类器,经质量门禁后编译并注册到Model Registry,由Step Functions控制车队训练节奏。AWS表示,在合成数据上完整跑一次流水线计算成本约0.07美元。目前尚无后续进展。
匹配字段标题
2026年10月27日,AWS发布基于SageMaker Python SDK v3的车队级边缘计算机视觉模型生命周期方案。该方案以SageMaker Neo取代已弃用的SageMaker Edge Manager进行边缘优化,并以双分支SageMaker Pipeline为每台摄像头训练异常检测器和ResNet18缺陷分类器,经质量门禁后编译并注册到Model Registry,由Step Functions控制车队训练节奏。AWS表示,在合成数据上完整跑一次流水线计算成本约0.07美元。目前尚无后续进展。
匹配字段标题
亚马逊CEO Andy Jassy表示,AWS大部分产能已预订至2028年。他在Andreessen Horowitz播客访谈中透露,AWS 2026年大型运算产能已全部被预订,2027年基本售罄,2028年也有相当大一部分被客户提前锁定。Jassy提到,亚马逊今年早些时候披露2026年资本支出将达约2200亿美元,主要投向数据中心、服务器及网络设备;但他同时称数据中心、电力和内存资源紧张,短缺可能不会在2027年结束。他还表示,AWS前1000大EC2客户中已有99%使用自研处理器Graviton,Trainium芯片性价比比同级处理器高约30%至40%,而AI推理成本仍需下降约十倍才能推动企业级规模化应用。
匹配字段标题
亚马逊CEO Andy Jassy表示,AWS大部分产能已预订至2028年。他在Andreessen Horowitz播客访谈中透露,AWS 2026年大型运算产能已全部被预订,2027年基本售罄,2028年也有相当大一部分被客户提前锁定。Jassy提到,亚马逊今年早些时候披露2026年资本支出将达约2200亿美元,主要投向数据中心、服务器及网络设备;但他同时称数据中心、电力和内存资源紧张,短缺可能不会在2027年结束。他还表示,AWS前1000大EC2客户中已有99%使用自研处理器Graviton,Trainium芯片性价比比同级处理器高约30%至40%,而AI推理成本仍需下降约十倍才能推动企业级规模化应用。
匹配字段标题
AWS于2026年10月23日将Continuum的代码漏洞检测与修复功能正式开放使用。该服务可在代码仓库中查找并验证漏洞,结合AWS环境信息判断攻击者能否触达漏洞及可进一步访问的资源,按业务影响排序并给出修复建议;在隔离沙箱中复现漏洞时提供PoC代码和复现步骤,修复以Pull Request形式提交到关联的GitHub仓库,需人工审核后才会应用。目前该功能仅在美国东部(弗吉尼亚北部)和美国西部(俄勒冈)区域提供。AWS在10月5日公布的基准测试中称,Continuum在CyberGym-E2E上完成920项任务中的819项,端到端成功率为89.0%,此前公开最高成绩为65.9%;但补丁同时修复基准所指定历史漏洞的比例仅为37.8%,此前公开最高为26.2%。该基准只覆盖139个开源项目中的C/C++内存安全漏洞,且测试由AWS自行执行。
匹配字段标题
AWS于2026年10月23日将Continuum的代码漏洞检测与修复功能正式开放使用。该服务可在代码仓库中查找并验证漏洞,结合AWS环境信息判断攻击者能否触达漏洞及可进一步访问的资源,按业务影响排序并给出修复建议;在隔离沙箱中复现漏洞时提供PoC代码和复现步骤,修复以Pull Request形式提交到关联的GitHub仓库,需人工审核后才会应用。目前该功能仅在美国东部(弗吉尼亚北部)和美国西部(俄勒冈)区域提供。AWS在10月5日公布的基准测试中称,Continuum在CyberGym-E2E上完成920项任务中的819项,端到端成功率为89.0%,此前公开最高成绩为65.9%;但补丁同时修复基准所指定历史漏洞的比例仅为37.8%,此前公开最高为26.2%。该基准只覆盖139个开源项目中的C/C++内存安全漏洞,且测试由AWS自行执行。
匹配字段标题
2026年10月22日,LMSYS与AWS合作发布SGLang Trainium插件Beta,该插件基于新发布的TorchNeuron构建,在Trainium2和Trainium3上支持LLM推理服务与RL rollout生成。初始覆盖Qwen3(dense)、Qwen3-MoE-30B-A3B、DeepSeek-V2-Lite、GLM-4和GLM-5.2/5.3,并支持数据并行、张量并行、专家并行、Radix Cache、BF16/FP8和异步调度。首次端到端异构RL运行中,SGLang在Trainium3上为Qwen3-MoE-30B-A3B生成rollout,Miles在单台H200节点上用Megatron训练GRPO策略。Beta目前仅限少量团队参与。次日,Amazon宣布开源TorchNeuron,这是一个把PyTorch代码转换为可在AWS Trainium上执行的操作的后端,已在其他加速器上运行的PyTorch代码几乎无需改动即可迁移。
匹配字段标题
AWS于2026年10月23日发布教程,介绍在Amazon SageMaker AI上为TTS推导自动扩缩容目标的方法。教程以自定义容器在SageMaker AI实时端点部署82M参数的TTS模型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、缩容阈值与冷却时间,替代凭猜测设定的目标值。方案基于SageMaker AI原生发布的ConcurrentRequestsPerModel指标扩缩容,避免自定义指标无人上报的隐性故障。目前尚无后续发展。
AWS于2026年10月23日发布教程,介绍在Amazon SageMaker AI上为TTS推导自动扩缩容目标的方法。教程以自定义容器在SageMaker AI实时端点部署82M参数的TTS模型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、缩容阈值与冷却时间,替代凭猜测设定的目标值。方案基于SageMaker AI原生发布的ConcurrentRequestsPerModel指标扩缩容,避免自定义指标无人上报的隐性故障。目前尚无后续发展。
匹配字段标题
AWS于2026年10月23日发布教程,介绍在Amazon SageMaker AI上为TTS推导自动扩缩容目标的方法。教程以自定义容器在SageMaker AI实时端点部署82M参数的TTS模型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、缩容阈值与冷却时间,替代凭猜测设定的目标值。方案基于SageMaker AI原生发布的ConcurrentRequestsPerModel指标扩缩容,避免自定义指标无人上报的隐性故障。目前尚无后续发展。
匹配字段标题
2026年10月22日,LMSYS与AWS合作发布SGLang Trainium插件Beta,该插件基于新发布的TorchNeuron构建,在Trainium2和Trainium3上支持LLM推理服务与RL rollout生成。初始覆盖Qwen3(dense)、Qwen3-MoE-30B-A3B、DeepSeek-V2-Lite、GLM-4和GLM-5.2/5.3,并支持数据并行、张量并行、专家并行、Radix Cache、BF16/FP8和异步调度。首次端到端异构RL运行中,SGLang在Trainium3上为Qwen3-MoE-30B-A3B生成rollout,Miles在单台H200节点上用Megatron训练GRPO策略。Beta目前仅限少量团队参与。次日,Amazon宣布开源TorchNeuron,这是一个把PyTorch代码转换为可在AWS Trainium上执行的操作的后端,已在其他加速器上运行的PyTorch代码几乎无需改动即可迁移。
匹配字段标题