AWS 提出 Agentic Value Model：智能体自动化的商业论证框架
AWS 提出 Agentic Value Model，用于替代 RPA 时代的 ROI 模型，从时间节省、异常处理、决策质量和变更韧性四个维度衡量智能体自动化的价值。文中引用 AWS 指南数据：纠错成本可达原交易的 1.5–4 倍，人为错误占运营成本 2–15%；并以年处理 20 万件、单件约 12 分钟、时薪 $45 的理赔分诊流程为例，说明释放工时并不等于节省成本。
匹配字段标题
←搜索结果
搜索“AWS”
AWS 如何帮助客户对齐 ISO/IEC 42005:2025 负责任 AI 治理
AWS 发文解读国际标准 ISO/IEC 42005:2025，说明其如何指导企业将 AI 系统影响评估整合进现有治理体系。该标准 Annex D 提供简化流程以避免重复评估，Annex E 提供独立实施模板，并覆盖评估全生命周期与重新评估触发条件。AWS 已为 Amazon Bedrock、Amazon Q Business、Amazon Transcribe、Amazon Textract 取得 ISO 认证，并提供 ISO/IEC 42001:2023 AIMS 实施指南与 Well-Architected Framework 负责任 AI Lens。
匹配字段标题
AWS 推出 aws-ai-ml 技能：为 Kiro、Claude Code、Codex 等编码智能体提供 SageMaker 推理优化能力
Amazon SageMaker AI 优化生成式 AI 推理推出 aws-ai-ml 技能，通过 Agent Toolkit for AWS 提供给 Kiro、Claude Code、Codex 等编码智能体，使其能对端点做基准测试、推荐部署配置、对比性能并生成可执行的 SageMaker Python SDK v3 代码。该技能基于 Model Context Protocol（MCP），可在本地或 SageMaker Studio JupyterLab 空间安装，10 分钟即可开始使用。
匹配字段标题
如何在 AWS GovCloud 中用 Claude Code 与 Amazon Bedrock 处理合规工作负载
Anthropic 的 Claude Opus 5.5、Claude Sonnet 5.5 与 Claude Sonnet 5 已在 AWS GovCloud（US）区域上线 Amazon Bedrock，其中 Claude Sonnet 5 持有 FedRAMP Class D 认证及 DoD IL4/IL5 授权。用户可通过智能体编码工具 Claude Code 在终端、VS Code、JetBrains 等 IDE 中运行 AI 辅助开发，同时保持合规对齐。Bedrock 提供 bedrock-runtime 与 bedrock-mantle 两个端点，前者支持 Guardrails、Knowledge Bases 与调用日志，后者原生支持 Anthropic Messages API。
匹配字段标题
AWS CEO 回应数据中心争议：已不再使用 NDA
Amazon Web Services CEO Matt Garman 在博客中表示，公司已不再在与政府机构合作建设数据中心时使用保密协议（NDA）。他同时反驳数据中心耗水过多、推高电价、污染严重、无益社区四大说法，称数据中心直接用水仅占美国工业用水 0.5%，备用发电机 99.9% 时间闲置，并称过去三年 Amazon 已向有数据中心布局的美国社区投入超 10 亿美元。
匹配字段标题
马里兰大学与 AWS 提出 LEGO-Anything：编码智能体从单张照片生成可编辑 3D 场景
马里兰大学与 AWS 的研究者提出 LEGO-Anything，让编码智能体接收单张图片后编写并迭代修改 Blender 代码，生成可运行、可编辑的 3D 场景程序。配套的 LEGO-Bench 包含 104 个室内外场景的 208 张图像和 443 个注册资产，从有效性、几何重建和外观三方面评分。测试中六种 GPT 配置几乎都能交付可用场景，但几何准确率差异很大，表现最好的 GPT-6 Astra 在室内场景为 53.4%、室外为 39.6%，较弱配置约 15%；研究者发现智能体在判断两个版本哪个更接近原图时准确率接近或低于随机水平，据此提出无需额外训练的 LEGO-Plugin，使较弱智能体提升最高达 62.7%。
匹配字段标题
OpenClaw 将腾讯混元 AIG 集成进 ClawScan
我们已将 @TencentHunyuan 的 AI-Infra-Guard（AIG）集成进 ClawScan，这是为 ClawHub 提供安全审查的开源命令行工具。 现在上传到 ClawHub 的每个技能和插件都会经过 AIG 作为其安全审查的一部分。
匹配字段标题
AWS Strands Labs 开源 Strands Decider 2B 决策模型，RTX 3090 上中位延迟 115 ms
AWS Strands Labs 发布开源决策模型 Strands Decider 2B，它不生成文本，只读取状态和带类型的问题，返回选项、是/否概率或带校准置信度的评分。模型有 19 亿参数，可本地跑在 CPU、消费级 GPU 或 Apple silicon Mac 上，权重以 Apache-2.0 协议发布在 Hugging Face，pip install strands-decider 提供 CLI 和 HTTP 服务。团队基于 Qwen3.5-2B-Base 去掉语言建模头，换成约 100 万参数的指针头，v19 在 JevBench 公开集准确率 0.723，RTX 3090 上中位延迟 115 ms。
匹配字段标题
AWS 用 Amazon Bedrock AgentCore 上的智能体 AI 扩展云迁移
AWS Professional Services 基于 Strands Agents SDK 和 Amazon Bedrock AgentCore 构建了四智能体模式，用于 MCP 连接环境下的云迁移，将每个应用的基础设施即代码（IaC）开发时间从 3 到 4 周缩短至几分钟。该模式与 AWS Transform 和 AWS DMS 配合使用，包含 Intake、IaC、Migration Intelligence and Governance 以及 SRE 四个智能体，通过 AgentCore Gateway 调用 MCP 工具。
匹配字段标题
AWS 开源决策模型 Strands Decider 2B，可本地运行
AWS 发布开源决策模型 Strands Decider 2B，基于 Qwen3.5-2B 构建，不生成文本而是从预设选项中给出带置信度的选择，速度高、成本低，小到可本地运行。该模型由 AWS 杰出工程师 Marc Brooker 在看过 TypeSafe 的 Jev 后自行开发，曾在同规模模型的 Jevbench 排名中短暂登顶，随后由 Strands Labs 整理发布。Brooker 表示，AWS 客户的智能体工作流并非时刻都需要完整 LLM 的能力和成本，这类模型可作为工作流中的决策步骤，凭借置信度和封闭答案域获得更可靠、更低延迟的表现。
匹配字段标题
AWS 上 Claude Platform 的多环境访问实现指南
AWS 发布 Claude Platform on AWS（CPonAWS）多环境访问实现指南，采用专用 AI Services 账户模式，通过三种方式接入推理：AWS 工作负载用跨账户 SigV4、开发者笔记本用工作区级 API key、外部环境用 OIDC 联合与短期密钥。所有环境共享单一订阅，并在生产与开发工作区之间实现隔离。
匹配字段标题
Cerebras 解读分离式推理：AWS 合作架构与开发者影响
Cerebras 发文解释分离式推理，即把 LLM 推理的 prefill 与 decode 拆到不同硬件上运行。文中提到 3 月 13 日 AWS 与 Cerebras 宣布分离式推理合作，由 AWS Trainium 负责 prefill、Cerebras CS-3 负责 decode，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。
匹配字段标题
Cerebras 与 AWS 合作，CS-3 将部署到 AWS 数据中心并通过 Bedrock 提供推理
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。
匹配字段标题
AWS 在 Amazon EKS 上用 EFA 和 DeepEP 扩展 MoE 强化学习，吞吐量提升 40%
AWS 发布了一套在 Amazon EKS 上结合 EFA 与 DeepEP 加速 MoE 模型强化学习训练的架构，吞吐量提升 40%。该方案针对 RLHF 和 GRPO 等大规模 RL 训练中 rollout 生成与策略训练的资源竞争、跨节点通信瓶颈以及专家并行（EP）带来的动态 all-to-all 通信开销进行优化。DeepEP 负责在 EFA 上优化专家并行通信，缓解从节点内 NVLink 到节点间低带宽链路切换带来的压力。
匹配字段标题
Reactor 与 AWS 用 Neuron Kernel Interface 在 Trainium 上优化实时视频生成
Reactor 与 Amazon Neuron Science 团队合作，借助 Neuron Kernel Interface 在 Trainium 芯片上优化自回归扩散模型的实时视频生成，针对动态形状、内存访问模式和缓存管理等问题提出可跨模型泛化的技术。双方选用 Rolling Forcing 模型，看重其能稳定生成 30 秒高质量视频且体量相对较小，但序列长度很大、内存消耗高。
匹配字段标题
基于 AWS 构建的智能体式对话视频智能方案
AWS 发布基于 Strands Agents SDK 的智能体式视频智能方案，由单个 AI 智能体在运行时编排 Amazon Bedrock、Amazon Rekognition 和 Amazon Transcribe，用自然语言提问即可查询视频内容。已分析内容的响应在 1 秒内返回，新视频首次分析需 5–10 分钟；某媒体娱乐公司借此将 200 多段数小时录像的人工审阅时间减少约 80%。
匹配字段标题
Claude Opus 5.5 上线 Amazon Bedrock 与 Claude Platform on AWS
AWS 宣布 Claude Opus 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线，是 Claude 5.5 模型家族的首个成员。据 Anthropic 称，该模型用更少 token 完成更多工作，单 token 价格更低、缓存读取更便宜，平均每任务成本低于 Claude Opus 5；自适应思考始终开启，由 effort 控制推理量。它也是首个配备生物学、网络安全和 AI 开发安全分类器的 Opus 模型，请求被拒绝的频率高于此前 Opus 版本，可通过 Bedrock 控制台 Playground 或 Anthropic Messages API 等方式调用。
匹配字段标题
Tata Elxsi 如何在 AWS 上秒级检测工业安全风险
Tata Elxsi 在 AWS 上构建了实时工业安全平台 IRIS，在边缘用 AWS IoT Greengrass 和 GPU 服务器抽帧并做首轮过滤，只把安全相关帧和结构化元数据上传云端，使上传帧量减少约 70–80%。平台以 Amazon Kinesis Data Streams 为事件骨干，单部署持续吞吐 2,000–5,000 事件/秒、突发约 15,000 事件/秒，p95 事件摄取延迟低于 200 毫秒，模型推理运行在 Amazon SageMaker AI 的 ml.g5.xlarge 实例上。
匹配字段标题
Agentforce 与 AWS 集成：用 Amazon Bedrock Data Automation 和 MCP 处理公共部门非结构化数据
AWS 展示了如何将 Amazon Bedrock Data Automation 与 Model Context Protocol（MCP）结合，把执法记录仪视频、监控录像和扫描文档等非结构化证据转为结构化洞察，并通过 Salesforce Agentforce 以自然语言查询调用。文件进入 Amazon S3 后由 S3 事件通知触发 Lambda，启动 Bedrock Data Automation 任务，结果经 EventBridge 和第二个 Lambda 存入输出桶；Agentforce 侧通过 Amazon Bedrock AgentCore Gateway 经 MCP 调用 AWS Lambda 上的 MCP 服务器，查询 DynamoDB 并返回 S3 结果。该方案为示例代码，非生产就绪。
匹配字段标题
Cognition 与 AWS 达成多年战略合作，将 Devin 引入企业 AWS 环境
Cognition 与 AWS 签署多年战略协作协议（SCA），帮助企业将自主智能体 Devin 部署到生产环境，加速遗留工作负载迁移并清理安全与工程积压。客户已可通过 AWS Marketplace 购买 Devin，并在 Devin 中直接使用 Agent Toolkit for AWS。Devin 以单租户模式运行在客户自选区域的专属 VPC 中，Mercedes-Benz 用它分析超 20 万行 COBOL，将预计 8 个月的现代化项目压缩至 8 天。
匹配字段标题