亚马逊宣布180亿美元德国投资计划，柏林将新增机器人与人工智能研究中心
亚马逊10月20日宣布计划于2027年在德国投资超过160亿欧元（约合180亿美元），其中48亿欧元投向AWS法兰克福云计算区域及AI基础设施。亚马逊将在柏林设立第二座机器人与人工智能研究实验室，使其在德国首都的研发布局规模翻倍，并新增应用科学家、机器人硬件与软件工程师等岗位。物流设施升级与新建配送中心预计创造超过3000个就业岗位，Amazon Leo卫星宽带已预订24次阿丽亚娜航天火箭发射任务。
匹配字段摘要、正文
←搜索结果
搜索“AWS”
FT：AI 算力已成战略基础设施，数据中心面临物理打击风险
FT 指出 AI 算力已成为战略基础设施，对手开始把数据中心当作电厂和燃料库对待，导弹防御与防爆建筑可能成为 AI 基础设施的常规预算项。文中举例称，伊朗的打击同时命中 AWS 多个可用区，导致巴林区域客户数据永久无法恢复，数据本地化并未提供保护；俄罗斯对 Yandex 的国家控制也未能阻止乌克兰无人机使存放该公司 3 台 AI 训练超算中 2 台的站点停摆，故障还波及跑在 Yandex Cloud 上的网约车、支付等业务。
匹配字段摘要、正文
摩根士丹利称英伟达风险回报最佳，但2027年91.7%收入依赖基础设施需求
摩根士丹利认为英伟达在AI板块中风险回报最佳，但其2027年收入的91.7%依赖基础设施需求。该行预计超大规模云厂商和AI云服务商2027年支出达1.58万亿美元、增长约60%，其中近7000亿美元流向英伟达，而SpaceX与AWS约占其2027年超大规模客户收入的54%和增长的72%。摩根士丹利按2028财年15倍市盈率认为股价便宜，但其电力模型预计到2028年美国数据中心电力缺口达32GW，需求为97GW。
匹配字段摘要
vLLM 双向 KV 传输如何改善多轮智能体工作负载的 TTFT
vLLM 新增双向 KV 传输，让 decode 节点在后续轮次把已算好的 KV 缓存回传给 prefill 节点，避免重复计算对话历史。在 Amazon EC2 P5en 的 1P1D 部署上，该机制使 Qwen3-32B 的 TTFT 最高改善 1.6 倍、zai-org/GLM-5-FP8 最高改善 3.3 倍。该能力最初在 AWS Trainium 集群上验证并贡献给 vLLM，作为与加速器无关的特性，需配合 KV-cache-aware 路由器协调跨轮复用。
匹配字段摘要、正文
vLLM 推出基于 push 的 KV 传输，提升分离式推理的 TTFT 与 TPOT
vLLM 新增基于 push 的 NIXL connector，把 prefill 后的传输协调与建立过程移出关键路径，在 1P1D 的 Amazon EC2 P5en + EFA 部署上，Qwen3-32B 的 TTFT 最高提升 3 倍、TPOT 最高提升 30%。该功能先在 AWS Trainium 集群上构建验证，随后作为与加速器无关的特性贡献给 vLLM，pull 模式下由 decode 实例发起 NIXL READ 的串行步骤被改为由 prefill 侧后台线程发起 NIXL WRITE。
匹配字段摘要、正文
Edge AI Daily 早报：Anthropic 450 亿美元算力交易与亚马逊 TorchNeuron
Anthropic 正洽谈第二笔约 450 亿美元算力交易，涉及西弗吉尼亚 Monarch 园区 460 兆瓦设施与英伟达 Vera Rubin 芯片。AWS 同日发布开源工具 TorchNeuron，改一行配置即可把 PyTorch 代码从英伟达 GPU 迁至 Trainium2 与 Trainium3，以 Apache 2.0 开源并于 10 月 20 日公测。谷歌还开源运行期脚手架 Harness²，不改权重即让 GLM-5 在 WorkBuddy-Bench 上从 64.2 分升至 75.7 分。
匹配字段摘要、正文
摩根士丹利称英伟达 2027 年 91.7% 收入依赖 AI 基建支出
摩根士丹利 10 月 15 日发布的报告估算，英伟达 2027 年 91.7% 的收入来自 AI 基础设施需求，在其覆盖公司中占比最高，高于 Vertiv 的 90% 和 Broadcom 的 81%。报告预计超大规模云厂商与 AI 云服务商 2027 年将支出 1.58 万亿美元，其中近 7000 亿美元流向英伟达，而 SpaceX 与 AWS 合计约占英伟达超大规模客户收入的 54%。报告同时列出风险：2027 年将出现预测期内最大的现金流缺口，美国数据中心到 2028 年面临 32 吉瓦电力缺口，数据中心限制也成为中期选举议题。
匹配字段摘要、正文
Pydantic 如何用 RunsOn 把 CI 成本从 18200 美元降到 5700 美元
Pydantic 于 9 月 1 日将 Logfire 的 GitHub Actions 工作流迁移到 RunsOn，由其在自己 AWS 账户中启动临时 EC2 runner。迁移后 9 月 CI 总成本降至 5700 美元（含 RunsOn 许可与全部 AWS 费用），而 8 月为 18200 美元，同期 runner 分钟数从 1230264 增至 1617654。此前其 CI 账单从 6 月的 3990 美元一路涨到 8 月的 18200 美元。
匹配字段摘要、正文
Meta 开放 816B 参数模型 Muse Spark Open，面向编码与智能体任务
Meta 发布 Muse Spark Open 的开放权重，该模型自 4 月首发以来一直闭源，此次面向编码和长时间运行的智能体任务开放。模型总参数 816B，每个 token 仅激活 42B，提示词可混合文本、图像、音频或视频，上下文窗口最高 100 万 token。在 Meta 自己的基准表中，Muse Spark Open 在 JobBench 智能体测试得 61.8 分，高于 Thinking Machines Lab 的 Inkling（31.1）和 Nvidia Nemotron 3 Ultra（27.2）；编码测试 Terminal-Bench 2.1 得 76.4，低于 Kimi K3 的 85、GLM 5.3 和 Qwen3.8；工具调用 MCP-Atlas 得 89.2，高于 Meta 列出的所有对手。权重采用新的 Muse Model License，开发者适配或内置到自有软件中不收费，但将其作为托管服务出售且 12 个月总收入超过 2000 万美元的公司需另签协议，产品需标注 Built with Muse Spark Open，禁止军事和关键基础设施用途。发布时有 7 家推理服务商提供托管访问，权重可从 Hugging Face 及 AWS、Google、Microsoft 的模型目录下载。
放。模型总参数 816B，每个 token 仅激活 42B，提示词可混合文本、图像、音频或视频，上下文窗口最高 100 万 token。在 Meta 自己的基准表中，Muse Spark Open 在 JobBench 智能体测试得 61.8 分，高于 Thinking Machines Lab 的 Inkling（31.1）和 Nvidia Nemotron 3 Ultra（27.2）；编码测试 Terminal-Bench 2.1 得 76.4，低于 Kimi K3 的 85、GLM 5.3 和 Qwen3.8；工具调用 MCP-Atlas 得 89.2，高于 Meta 列出的所有对手。权重采用新的 Muse Model License，开发者适配或内置到自有软件中不收费，但将其作为托管服务出售且 12 个月总收入超过 2000 万美元的公司需另签协议，产品需标注 Built with Muse Spark Open，禁止军事和关键基础设施用途。发布时有 7 家推理服务商提供托管访问，权重可从 Hugging Face 及 AWS、Google、Microsoft 的模型目录下载。
匹配字段摘要、正文
Meta 的 Muse Spark Open 上线 Amazon SageMaker JumpStart
Meta 的编码优化开源权重模型 Muse Spark Open 现已在 Amazon SageMaker JumpStart 上线，支持 100 万 token 上下文窗口，可在自己的 AWS 账户中部署到 SageMaker AI 端点。该模型采用 MoE 架构，总参数 816B、每 token 激活 42B，提供 BF16（Muse-Spark-Open-816B-A42B）和 NVFP4 量化（Muse-Spark-Open-816B-A42B-NVFP4）两个变体，分别运行在 ml.p6-b300.48xlarge 和 ml.p5e.48xlarge 实例上。文章给出了通过 SageMaker Studio 和 SageMaker Python SDK 部署、发送首次推理请求以及清理端点的步骤。
匹配字段摘要、正文
Tech Mahindra 第二季度新签合同额达 10 亿美元，利润增长 23.2%
Tech Mahindra 2026 财年第二季度税后利润同比增长 23.2% 至 1.66 亿美元，新签合同额 10.23 亿美元、同比增长 25.4%，营收按固定汇率增长 7.2% 至 16.93 亿美元。CEO Mohit Joshi 称几乎所有大单都包含 AI 集成，公司还推出面向 2–12 年级学生的 300 亿参数教育语言模型 Indus Terra，由 NVIDIA 和 AWS 在 IndiaAI Mission 框架下合作开发。
匹配字段摘要、正文
Tech Race Summit 与会者警告：AI 试点难以转化为利润
在 SOFTSWISS 于华沙举办的首届 Tech Race Summit 上，AWS、Oracle 和 Cloudflare 等公司的技术负责人指出 AI 落地正卡在组织与数据环节。AWS 的 Sergey Khurson 称 88% 组织已在至少一个业务环节使用 AI，但仅 8% 达到 AI 在生产环境全面运行的高级成熟度。Oracle 的 Georgios Chatzimilioudis 引用 Gartner 报告称 63% 组织缺乏 AI 所需的数据管理实践，Cloudflare 则通过内部工具 Cloudflare OS 和模型路由来降低成本并推动采用。
匹配字段摘要、正文
OpenAI 计算战略与 GPT-Infra 副总裁 Sachin Katti 宣布离职
OpenAI 计算战略与 GPT-Infra 副总裁 Sachin Katti 于 10 月 14 日宣布离职，最后工作日为 11 月 15 日，之后将以顾问身份继续支持 OpenAI。他称过去一年帮助推进了“史上最大规模的 AI 计算基础设施扩建之一”，拿下两位数吉瓦新增算力，涉及 Ohio、Portsmouth、Georgia 和 Trainium 等项目，合作方包括 NVIDIA、Broadcom、AMD、Oracle、Microsoft、Google、AWS、Cerebras 和 CoreWeave。
匹配字段摘要、正文
Apple 研究团队提出用闲置 Apple Silicon Mac 充当虚拟 GPU 的 Minions 系统
Apple 人工智能研究团队在 arXiv 发表论文，提出原型软件 Minions，把利用率不高的 Mac 等 Apple Silicon 设备当作云端虚拟 GPU，用于执行大规模机器学习推理负载。系统由中心协调服务器、各机器上的 Minion Executor 组成，后者运行 Ollama 推理实例，输入、模型和结果通过 AWS-S3 存取，任务经 PostgreSQL 数据库分发，Minion Executor 通过 REST-API 领取任务和心跳，另有 Minion Watchdog 监控故障。论文称实测中原本在 Apple Research 团队常超过十小时的 GPU 推理排队时间缩短到几分钟，目前仅面向相互信任的组织内部负载，尚未实现类似 PCC 的进程隔离，未来还计划支持 AI 训练。
匹配字段摘要、正文
用 Amazon Bedrock AgentCore 构建可自我改进的文档处理系统
AWS 介绍如何用 Amazon Bedrock AgentCore 构建智能体式 IDP 系统，由 8 个专用智能体在两条图工作流中完成文档分类、提取、校验与学习，通常可在 20 分钟内完成部署。新文档类型无需手工配置模板，智能体会自动生成提取提示词并保存复用，后续同类文档直接进入提取流程；系统结合 Amazon Textract、S3 Vectors、Aurora DSQL 与 AgentCore Runtime、Gateway、Identity、Observability 等能力。
匹配字段摘要、正文
Groundcover 推出 agent-to-agent 可观测性，让 Claude 和 Codex 移交生产调查
Groundcover 推出 agent-to-agent 可观测性，允许 Claude、Codex、Cursor 和 AWS Kiro 通过 MCP 工具或异步 Agent Tasks 将生产环境调查交给其自有可观测性 Agent，后者返回根因分析或仪表盘草稿。该功能基于 bring-your-own-cloud 架构，遥测数据保留在客户云账户内，按节点计费，现已可用。
匹配字段摘要、正文
Anthropic尽调后放弃，亚马逊为何仍洽谈收购Decart
据报道，亚马逊正洽谈收购以色列AI初创公司Decart，潜在交易金额约70亿美元；此前Anthropic曾以约60亿美元估值接触Decart，尽调后放弃。Decart成立于2023年，2026年5月完成3亿美元融资、估值接近40亿美元，其Decart Optimization Stack（DOS）目标是让AI工作负载运行在英伟达GPU、亚马逊Trainium和谷歌TPU等不同加速器上。文章认为，若交易成形，Decart可帮助AWS降低客户迁移到Trainium的技术门槛，补上跨硬件部署与算力效率这一环。
匹配字段摘要、正文
用 Amazon Bedrock AgentCore 自动生成演示文稿
AWS 介绍如何用 Amazon Bedrock AgentCore 构建 AI 智能体系统，自动把季度报告、合规文档和市场分析生成 PowerPoint 演示文稿，内部测试中可在 90 秒内完成。方案在 AgentCore runtime 上部署基于 Strands Agents 框架的 supervisor agent，由 Anthropic Claude Sonnet 4.6 生成内容、Amazon Titan Text Embeddings v2 做向量检索、Stability AI Stable Image Inpaint 生成幻灯片配图，并通过 Amazon Bedrock Guardrails 做内容安全过滤。
匹配字段摘要、正文
Databricks 推出 Private Network Gateway：为 Serverless 打通私有网络
Databricks 宣布 Private Network Gateway（PNG）在 Azure 进入公开预览、在 AWS 进入私有预览，让 serverless 工作负载通过一条连接接入企业自有网络。用户只需在虚拟网络中委派一个子网，即可让 serverless 访问私有数据库、私有 MCP server、私有 PyPI/Artifactory/Nexus 仓库，并支持 specific_destinations 与 all_traffic 两种流量模式。Databricks 称此前超过 75% 的受访客户因网络配置复杂而将特定工作负载留在 classic compute 上。
Databricks 宣布 Private Network Gateway（PNG）在 Azure 进入公开预览、在 AWS 进入私有预览，让 serverless 工作负载通过一条连接接入企业自有网络。用户只需在虚拟网络中委派一个子网，即可让 serverless 访问私有数据库、私有 MCP server、私有 PyPI/Artifactory/Nexus 仓库，并支持 specific destinations 与 all traffic 两种流量模式。Databricks 称此前超过 75% 的受访客户因网络配置复杂而将特定工作负载留在 classic compute 上。
匹配字段摘要、正文
斯坦福开设 CS 312「Deep Learning Alchemy」秋季新课
斯坦福大学秋季开设 CS 312「Deep Learning Alchemy」，由 Tatsunori Hashimoto 和 Suhas Kotha 主讲，面向深度学习核心知识多为经验性、理论难以解释的问题。课程分七个单元，从超参调优与 scaling laws 讲到优化器与超参不变量（NQM、μP、Muon、权重衰减）、损失景观、训练稳定性、架构容量和数据高效泛化，最后一个单元未公开。作业代码、测验和讲义全部公开，课程录像由 StanfordOnline 发布，自学者可用 Modal 租卡复现；课程采用 7 次考试占 85% 成绩的考核方式，可视为 CS 336 的续作。
匹配字段摘要、正文