人工智能

AWS re:Invent 2026 AI/ML 专场参会者指南

11 月 30 日至 12 月 4 日,Amazon Web Services(AWS)将举办其年度顶级学习盛会: re:Invent. 在本次活动中,参会者将通过多种体验在 AWS 技术的各个领域变得更强大、更精通:AWS 领导者带来的主题演讲、AWS 专家主持的互动工作会,以及 re:Play 上现场娱乐和游戏等趣味沉浸式活动.

活动有超过 2,000 场学习会议 ,聚焦不同技能水平的具体主题,而 AI/ML(AIM)专场有超过 140 场独特会议 供您选择。我们在此帮助您找到最符合需求的会议。即使您无法亲临现场,也可以点播回看许多会议,甚至观看主题演讲直播。

基础知识:会议类型

如果您能参加,请记住我们提供多种类型的会议,可帮助您在各种 AWS 主题上最大化学习效果。

re:Invent 参会者可以选择参加分组会议(breakout)、白板讨论(chalk talk)、动手构建会(builder session)、工作坊(workshop)和代码演讲(code talk)。分组会议会被录制,并在几天后上传至 AWS Events YouTube 频道, 其余为现场非录制的互动会议。以下是每种会议类型的详情:

  • 分组会议: 参会者参加由 AWS 专家、客户和合作伙伴带来的 60 分钟讲座式信息会议。
  • 白板讨论: 参会者与演讲者互动、提问,并在会议中使用白板。
  • 动手构建会: 参会者参加一小时的会议并动手构建一些东西。
  • 工作坊: 参会者参加两小时的互动会议,在小团队中合作,使用 AWS 服务解决真实问题。
  • 代码演讲: 参会者参加以代码为重点的精彩会议,由专家带领进行现场编码。
  • 闪电演讲: 参会者观看 20 分钟的演示,专注于特定服务或客户故事(位于 Venetian Expo Hall 或 Wynn/Encore Upper Convention Promenade)。

有这么多会议可选,了解各部分如何衔接会很有帮助。以下是 AWS 对其 AI 产品的思考方式,以便您决定从哪里开始、聚焦何处。

AWS AI 栈概览及其与 re:Invent 会议的关联

AWS 在云中提供全面的 AI 产品组合。它涵盖从支撑 AI 工作负载的物理基础设施和 AI 芯片,一直到团队今天即可采用的即用型智能体解决方案。理解这些服务如何协同工作,有助于您规划 re:Invent 并聚焦与您所构建内容最相关的会议。

AWS AI stack diagram showing layers from global infrastructure and AI chips up through models, agents, and ready-to-use agentic solutions

图 1:AWS AI 栈

全球基础设施 – 一切始于为 AI 工作负载设计和优化的数据中心。这些设施旨在满足大型 AI 训练和推理任务所需的电力、冷却和网络需求。

AI 芯片 – 在这些数据中心内运行着两种计算选项: AWS Trainium, 专为高性能 AI 训练和推理打造,以及 NVIDIA GPU ,适用于需要 GPU 加速的团队。客户根据其工作负载、性能要求和成本目标进行选择。

数据基础 – AI 的优劣取决于其背后的数据。 AWS Context 连接您在存储、数据库、分析和搜索服务中的数据,让模型和智能体在正确的时间访问正确的信息。

模型、训练和推理 – 这里是模型构建、训练、微调和提供服务的地方。 Amazon Bedrock 通过统一 API 让您托管访问来自多个提供商的 数百个领先模型 . Amazon SageMaker AI 让您在专用基础设施上完全控制训练、微调和部署自定义模型。许多客户根据工作负载同时使用两者。

智能体开发与管理 – Amazon Bedrock AgentCore 是您构建、部署和管理 AI 智能体的地方。它支持任何模型或提供商组合,包括来自 Amazon Bedrock 和 SageMaker AI 的模型,因此团队可以设计为每项任务选择合适模型的智能体,而不会被锁定在单一提供商。

智能体解决方案 – 栈的顶层是即用型专用智能体。 Kiro 通过规范驱动开发帮助开发者一次就正确交付。 AWS Quick 将您的应用、工具和数据连接成个人知识图谱,学习您的工作方式。 Amazon Connect 提供用于客户体验、招聘、供应链和医疗保健的智能体。 AWS Marketplace 让您访问合作伙伴构建的 AI 解决方案。

安全、治理和成本优化 贯穿 AI 栈的每一层。它们内建于基础之中,在芯片层提供硬件级隔离,并通过控制措施约束智能体可以访问和执行的操作。

re:Invent 上以 AI 为重点的会议覆盖整个栈。无论您是在评估 AI 芯片、在生产中提供模型服务、构建自定义模型、部署智能体,还是采用即用型解决方案,本指南都能帮助您找到最重要的会议。用它来制定更明智的 re:Invent 日程。

人工智能和机器学习(AI/ML)专场主要聚焦该栈的三个核心层: AI 芯片, 模型、训练和推理, 以及 智能体开发与管理, 并贯穿 安全、治理和成本优化 . 以下各节从芯片层开始,向上延伸到模型和智能体。然后是串联整个栈的会议。指南最后是其他相关主题,例如可持续性和运行 AI 工作负载的基础设施。在每一节中,面向新手的会议在前,技术深度探讨在后。

想直接跳到感兴趣的主题?请直接前往:

AWS AI 平台会议

这些会议将核心 AWS AI 服务放在一起讲解:Amazon Bedrock、Amazon SageMaker AI、Amazon Bedrock AgentCore,以及它们所运行的 AI 芯片。它们帮助您做出在使用量增长后依然可行的架构选择。

初次接触 AWS 上的 AI?请从 AIM204开始。它会带您走遍整个技术栈。您将了解 Trainium 和 Graviton 芯片、Amazon Bedrock 和 SageMaker AI 上的模型推理,以及 AgentCore 上的生产智能体。如果您已经在构建,请试试 AIM364。它帮助您在 Amazon Bedrock 和 SageMaker AI 之间做选择,并说明何时两者并用。示例是一个运行在 AgentCore 上的真实智能体编码应用。

其他会议深入探讨具体的生产问题。如果您负责数据战略,请参加 AIM363。这场 chalk talk 展示受治理的数据产品如何为定制、推理和智能体提供输入。它还解释了为什么提示缓存、蒸馏和批量推理等成本手段在干净数据上效果更好。需要证明 AI 的价值? AIM319 超越成本,关注业务影响。一场贯穿 AI 栈的现场演示展示如何衡量投资回报率(ROI)并比较每次成果的成本。

有经验的构建者应关注 AIM443。在这场 400 级 chalk talk 中,您将在 Amazon SageMaker HyperPod 上构建训练流水线。您引入公司数据并保持治理到位。然后您将同一模型部署到 Amazon Bedrock 用于推理,或部署到 AgentCore 用于智能体。

AI 芯片:NVIDIA GPU 与 AWS Trainium

AWS 为您提供两种主要的 AI 芯片选择,用于训练和推理:NVIDIA GPU 和 AWS Trainium。请从您当前使用的开始,然后探索另一种。

NVIDIA GPU 会议

AWS 提供多种搭载 NVIDIA GPU 的 Amazon Elastic Compute Cloud(Amazon EC2)实例。这些会议展示如何在这些实例上安全可靠地运行 AI 训练和推理。

请从 AIM2210 开始,了解 GPU 实例的最新情况。在 AIM3301中,一位客户分享如何通过优化 GPU 调度来充分利用其 GPU 容量。 AIM392 解释了在什么情况下 EC2 G7e 和 G7 实例适合替代 P 系列实例。想用自管理智能体调优 AI 基础设施?请参加 AIM346.

。如果您更喜欢动手学习,请试试关于分离式推理服务的 AIM345 。在 AIM344中,您将了解真实 GPU 集群故障的成因以及如何从中恢复。在 AIM347 工作坊中,您可以练习 GPU 性能工程。

关于数据处理,请参阅 AIM3312。它展示了 Amazon EMR 配合适用于 Apache Spark 的 NVIDIA cuDF 插件,在 EC2 G7 实例上运行作业比在同类 CPU 实例上快最多 3.7 倍,且无需更改代码。该会议还涵盖 GPU 上的 DuckDB。

AWS Trainium 会议

AWS Trainium 是一系列专为下一代深度学习训练和推理打造的 AI 芯片。它以更低的成本提供高性能。Trainium 运行在 AWS Neuron 上,这一软件栈将 Trainium 连接到 PyTorch 等熟悉的框架,因此团队无需重写即可构建。采用基于 Trainium 的 Amazon EC2 实例的客户可能会获得比同类实例更好的性价比。

如果您是 Trainium 新手, AIM211 是起点。它追溯整个技术栈,从芯片开始一直到应用。关于最新系统, AIM310 展示 Trainium3 和 Trn3 UltraServer 如何让大型混合专家模型保持高性能。如果您仍在评估是否迁移到 Trainium3, AIM2213 专题讨论汇集了四位已在 Trainium 上交付真实产品的 AI 领导者。

有几场会议围绕特定角色设计。常驻 PyTorch 的科学家和研究人员应把问题带到 AIM339,这是一场 nanochat 代码讲解,然后再参加 AIM334 分布式训练工作坊动手实践。ML 工程师和开发者可以在 AIM349中使用 Hugging Face 模型设计生产级 AI 助手,并在 AIM326 工作坊中动手实践推理扩展。追求峰值吞吐量的性能工程师会想要 AIM329 关于智能体优化循环的内容,随后是 INV511,一场 500 级深入探讨 Neuron Kernel Interface 的会议,适合严肃的内核设计者。如果您想在 Amazon Elastic Kubernetes Service(Amazon EKS)上运行 Trainium, AIM311 会用白板讲解一个弹性栈,它能在多达两万个加速器的大规模部署中保持稳定。如果您改为通过 SageMaker AI 部署,请参阅 SageMaker AI 部分.

。对于想更进一步的人,世界模型是一个新兴类别,为游戏、机器人和自动驾驶中的仿真提供动力。 AIM323 是一个不错的起点,涵盖使用原生 PyTorch 提供世界模型服务。从那里开始,选择一条动手路径。在 AIM304 中,您将使用智能体 Neuron 工作流部署和优化实时视频世界模型,而在 AIM305 中,您将为物理 AI 训练视觉-语言-动作模型。两者都是构建者会议。

Amazon SageMaker AI 会议

Amazon SageMaker AI 是用于定制和部署您自己的模型的 AWS 服务。它在一个地方处理整个模型生命周期。您可以在无服务器计算上准备数据并定制模型。当您需要更多算力时,可以将训练作业扩展到数千个加速器。模型准备好后,将其部署到 SageMaker 推理端点或 SageMaker HyperPod。您保留模型权重,并决定模型在哪里运行。

初次接触 SageMaker AI?请从 AIM342它展示了如何通过一项服务构建、定制和部署模型。在会议间隙,不妨到 Builder’s Hub 转转,在三项竞赛之一中测试你的技能。微调一个智能体,在 Agentic Football Cup 中派出一支队伍,或者教机器人完成一项新任务。想了解机器人、世界模型和物理 AI 的最新进展,请听一场由构建者组成的小组讨论,地点在 AIM2215。还在挑选模型或学习编写评估? AIM2205 展示了如何基于你自己的数据构建评估。它还展示了如何将业务知识转化为运行成本更低的模型。

定制从数据开始。 AIM434 工作坊展示了如何为定制模型准备数据集。接下来, AIM362 帮助你为定制选择合适的计算资源。然后,在 AIM402中,你可以在几小时内微调并部署一个大语言模型(LLM)。客户也会分享他们的经验教训。在 AIM393中,Salesforce 解释了它如何构建并提供其开放权重的 Koa 模型。Intuit 在 AIM361中讲述了它的故事。如果你构建智能体, AIM325 展示了如何使用多轮强化学习微调具备推理能力的智能体。 AIM456 工作坊将评估、微调和强化学习连接成一条流水线。它涵盖 SageMaker AI 和 Amazon Bedrock。

如果你正在构建特定领域的 AI,你应该参加 AIM2205。学习如何在你自己的数据上测试模型,并权衡质量与成本。该会议还涵盖了何时值得定制模型。在 AIM398中,观看 Forge 背后的团队通过白板演示一条构建定制 AI 解决方案的快速路径,借鉴他们端到端的客户合作经验。他们将涵盖从设定正确的评估、优化提示、上下文和推理服务,到选择一种在预训练或后训练期间修改模型权重的定制方法等方方面面。当你准备扩展训练和推理时,SageMaker HyperPod 帮助你从每个 GPU 小时中获得更多收益。团队将其用于生物学基础模型(FM)、物理 AI、世界模型和主权 AI 等专业工作。从那些不断突破极限的客户开始。在 AIM343中,腾讯游戏解释了它如何扩展到 1,000 个 GPU。在 AIM433中,HUMAIN 展示了它如何在训练和推理中保持高 GPU 利用率。

如需动手实践,请在 AIM406中使用 Amazon EKS 构建基础模型流水线,或在 AIM403 构建者会议中使用 Ray 调优 AI 流水线。 AIM435 代码讲座教授策略蒸馏,即从较大的模型训练一个小模型。物理 AI 团队可以参加 AIM318 工作坊。它展示了当节点发生故障时如何保持视觉-语言模型训练持续运行。机器人技术和自动驾驶团队可以在 AIM413.

中于 SageMaker HyperPod 上构建物理 AI 模型工厂。当需要为你的模型提供服务时,两场 200 级演讲展示了生产环境中的推理。在 AIM213中,CrowdStrike 解释了它如何以更少的运维工作为威胁检测运行 LLM 推理。在 AIM214中,Vanguard 分享了它如何在 SageMaker HyperPod 上训练和提供定制 LLM 服务。要使用快速推理在开放权重模型上构建智能体,请尝试 AIM405。要创建快速、有弹性的推理端点,请参加 AIM404 工作坊。平台团队可以在 AIM348 构建者会议中实践受治理的 ModelOps。他们还可以在 AIM408 工作坊中使用托管 MLflow 添加可观测性。

使用 Amazon Bedrock 构建和运行 AI 应用与智能体

你选择的模型和推理方法决定了你的 AI 应用能为用户做什么。Amazon Bedrock 为你提供广泛的模型选择,并帮助你为每项任务挑选合适的模型。它为你提供在生产环境中运行 AI 应用所需的性能、安全性和成本控制。有些应用需要使用工具和数据、记住上下文并替你采取行动。对于这些应用,Amazon Bedrock AgentCore 帮助你构建、连接和改进智能体。

初次接触 Amazon Bedrock?请从 AIM220开始。它涵盖了模型、推理、安全性和成本管理方面的新内容。然后在动手实践的 AIM317 工作坊中构建并部署你的第一个 Amazon Bedrock 应用。

接下来,考虑你需要服务的工作负载类型。客户支持应用可能需要快速回答。大型文档处理作业可能更关心成本,并且可以等待结果。 AIM448 帮助你选择适合你需求的 Amazon Bedrock 推理选项。它权衡性能、容量、成本和数据驻留。如果你的应用必须跨公司信息进行推理,请参加 AIM308。在本次会议中,你将构建一个知识助手,它能在文档、图像、结构化数据以及它们之间的链接中查找答案。

随着使用量增长,你的推理计划还需要保持可负担。 AIM437 帮助你决定何时缓存重复的上下文、在模型之间路由请求,或将工作转移到批量推理。模型选择也很重要。最新的模型并不总是正确的选择,切换可能会改变质量、速度、成本和行为。 AIM438 展示了如何在你自己的用例上测试候选模型,以便你能够自信地切换。在你的应用上线后, AIM374 涵盖了要引入生产环境的指标、告警和运维习惯。系统专家可以在 INV517中深入了解。这场 500 级会议探讨了高效大模型推理背后的调度和并行方法。

如果你想构建一个智能体,请从完整的生产图景开始,而不是一次构建一块基础设施。 AIM212 介绍了完整的 AgentCore 生命周期。Nasdaq 还分享了它如何在受监管行业中运行智能体。如需动手路径,请尝试 AIM439。你从一个基本的客户支持智能体开始。然后你添加记忆、工具访问、身份、策略、可观测性和评估,直到它准备好投入生产。准备好设计多智能体系统了吗? AIM407 使用 Strands Agents 来协调专用智能体。你们共享状态、处理故障,并将结果部署到 AgentCore。

在你的智能体运行起来之后,看看底层发生了什么。每个规划步骤、检索、工具调用和重试都可能增加一次模型调用。这会改变成本、速度和可靠性。 AIM429 将智能体设计与推理行为联系起来。它帮助你理清上下文、harness、目标,以及智能体应在何时停止。想用代码看清这些权衡的开发者,应接着参加 AIM454。那场会议会现场构建函数调用、多步推理和检索。

随着智能体服务更多用户、触达更多系统,风险也随之上升。把你的扩展问题带到 AIM436,在这里你要应对流量高峰、工具故障、模型超时和多租户问题。在公司范围内管理智能体的平台团队应参加 AIM303。它涵盖如何发现智能体、控制工具访问、管理身份,并查看你的整个智能体集群。如果你的首要任务是保障从用户请求到智能体操作的每一步安全,请将其与 AIM370搭配。然后使用 AIM440 将生产追踪和评估转化为持续提升智能体质量的稳定方法。

最后,选择一个看起来像你希望智能体去完成的工作的会议。 AIM340 则跟随百事公司的对话式订购智能体。它展示了记忆、公司 API 和控制机制如何在面向客户的工作流中协同运作。 则跟随百事公司的对话式订购智能体。它展示了记忆、公司 API 和控制机制如何在面向客户的工作流中协同运作。 AIM369 重点介绍能够响应业务事件并端到端运行流程、在需要时由人工审批的智能体。软件团队可以动手实践于 AIM416在那里,编码智能体从笔记本电脑上移开,在 AgentCore 上运行长期、并行的流程。

构建能够处理文档、语音和图像的 AI

AI 应用往往需要处理的不仅仅是文本。这些会议将展示如何在 AWS 上构建这些能力。它们加入了 grounding、评估和验证,让你的应用在真实使用中经得起考验。对于文档处理,请从 上的 Amazon Textract 开始。然后,在 AIM442 中,构建一条将文档转换为可校验结构化数据的流水线。要构建语音应用?AIM217 介绍 Amazon Polly 和 Amazon Transcribe,AIM218 则探索使用 Amazon Nova Sonic 的对话式 AI。通过 AIM356 代码演讲深入了解,或在 AIM352 中构建并部署语音智能体。在 AIM357 中构建跨模态搜索。为提升质量,在 AIM350 中加入网络 grounding,在 AIM351 中加入自动评估。你还可以通过 Am 探索身份验证 在 Amazon Textract然后,在 AIM442,构建一条将文档转换为可校验结构化数据的流水线。要构建语音应用? 介绍 Amazon Polly 和 Amazon Transcribe, 介绍 Amazon Polly 以及 Amazon Transcribe,以及 则探索使用 Amazon Nova Sonic 的对话式 AI。 探索对话式 AI,使用 Amazon Nova Sonic通过 AIM356 代码演讲深入了解,或在 AIM352 中构建并部署语音智能体。 代码演讲,或在 AIM352 中构建并部署语音智能体。 代码演讲,或构建并部署一个语音智能体,在 AIM352.

在 AIM357 中构建跨模态搜索。 在 AIM357 中构建跨模态搜索。。为提升质量,请在 AIM350 和自动评估,在 AIM351你还可以通过 Amazon Rekognition , AIM355.

构建对 AI 智能体的信任

AI 智能体现在可以完成实际工作,例如审批理赔、发放退款以及处理客户数据。团队需要一种方式来信任这些智能体的行为,并向他人证明这一点。这要从 负责任的 AI,这有助于组织在AI系统的设计、构建和运行方式上做出审慎选择。AWS在此基础上进一步推出了 深度信任这是一种在不让智能体失控的前提下赋予其更多自由的方法。

如果你是 AI 信任领域的新手,请先从 小组讨论 小组讨论。它涵盖如何在智能体生命周期的每个阶段建立信任。主题包括让智能体仅限于其职责范围,并准确查看它做了什么。要了解负责任的 AI 治理实践,请参加 AIM391它展示了 John Deere 如何利用 AI Risk Intelligence,以持续、自动化的治理取代定期的人工审查。这一变革将评估时间缩短了 30% 以上。

部分会议专为特定角色设计。开发者可以参加 AIM336 工作坊,审计一个多智能体理赔系统中的负责任 AI 缺口。随后修复发现的问题,并撰写一份有证据支撑的报告。风险、合规和数据科学团队可以参加 AIM332。这场 chalk talk 涵盖测试智能体在批准贷款或发放退款时是否公平对待人们。你将学习如何选择公平性指标,并发现影响人们生活的结果中的偏见。你的智能体是否决定诸如保险资格之类的事情?AIM335 工作坊展示如何将 工作坊,审计一个多智能体理赔系统中的负责任 AI 缺口。随后修复发现的问题,并撰写一份有证据支撑的报告。风险、合规和数据科学团队可以参加 AIM332这场 chalk talk 涵盖测试智能体在批准贷款或发放退款时是否公平对待人们。你将学习如何选择公平性指标,并发现影响人们生活的结果中的偏见。你的智能体是否决定诸如保险资格之类的事情? AIM335 工作坊展示如何将这些决策背后的规则转化为 Amazon Bedrock Guardrails 中的自动推理检查。随后,每项决策都可以被证明是正确的并接受审计。

如需深入了解相关科学,多场专家会议将涵盖自动推理。 INV508 展示了主题专家如何将法律和监管政策转化为机器可以检查的规则。无需编写代码,这些规则随后可作为 AI 护栏使用。 展示了主题专家如何将法律和监管政策转化为机器可以检查的规则。无需编写代码,这些规则随后可作为 AI 护栏使用。 INV526 探讨了目前能够就智能体行为证明哪些内容,以及相关局限所在。 探讨了目前能够就智能体行为证明哪些内容,以及相关局限所在。 AIM451 这场 chalk talk 展示了如何执行智能体无法绕过的规则,也展示了如何让人们在机器不应独自做出的决策中保持参与。

其他主题

还有几场会议可以完善你的 re:Invent 参会计划,从可持续发展到你运行工作负载的位置。

AWS 可持续发展

AWS 正在其数据中心、芯片和 AI 服务领域持续创新,以提升效率和可持续性。AWS 还为你提供数据和工具,用于衡量、跟踪并减少你在 AWS 上运行的云和 AI 工作负载对环境的影响。这些会议将讨论我们如何让基础设施更高效,并展示如何在实现业务目标的同时利用可持续发展数据采取行动。如需了解 AWS Sustainability 服务的最新动态,请参加 AIM201。这场闪电演讲涵盖碳以外的新影响领域、更详细的数据以及 API 访问。在 AIM205 中,了解 AWS 如何让 AI 基础设施更具可持续性。它使用低隐含碳的硬件、高能效的定制芯片,以及由机器学习(ML)调优的数据中心。想了解你的碳数据背后的方法吗?参加 AIM321 chalk talk。它展示了如何利用这些数据构建足迹更小的 AI 工作负载,而这类工作负载往往成本也更低。如果你更喜欢动手学习,可以试试 AIM320。你将使用 Amazon Bedrock 构建一条生成式 AI 流水线,把杂乱的公司数 AIM205,了解 AWS 如何让 AI 基础设施更具可持续性。它使用低隐含碳的硬件、高能效的定制芯片,以及由机器学习(ML)调优的数据中心。想了解你的碳数据背后的方法吗?参加 AIM321 chalk talk。它展示了如何利用这些数据构建足迹更小的 AI 工作负载,而这类工作负载往往成本也更低。

如果你更喜欢动手学习,可以试试 AIM320你将使用 Amazon Bedrock 构建一条生成式 AI 流水线,把杂乱的公司数据转化为可持续发展洞察。本次会议基于 AWS 如何在其数据中心开展生命周期评估。如需深入了解,请参加 AIM412它使用 Amazon Neptune 和 Amazon Bedrock 智能体来映射各利益相关方之间的相互依赖关系。随后,你在知识图谱上测试减少碳排放的方法。

Local Zones 与 AWS AI Factories

随着各团队将 AI 投入生产环境,工作负载的运行位置与构建方式同样重要。大规模训练任务、微调和实时推理对基础设施各有不同需求。AWS 为你提供多个运行这些工作负载的位置: AWS 区域, AWS 本地区域, AWS 专用本地区域, 以及 AWS Outposts。以及 AWS Outposts从 HMC303它从决定选择的四个因素对这些选项进行比较:延迟、数据主权、计算密度和规模。Databricks 分享了它如何在选定的 Local Zones 中使用 GPU 容量。T-Mobile 介绍了对延迟敏感的分布式推理。

在 HMC307,了解 Netflix 如何从洛杉矶本地区域为其视觉特效和动画团队提供支持。Netflix 会按需启动搭载 NVIDIA RTX PRO 6000 GPU 的 Amazon EC2 G7e 实例。这样,艺术家们便能在需要时获得 ComfyUI 环境。两场动手实践工作坊以不同路径构建边缘智能体。HMC402 采用托管路线。你将 AWS 区域中的 Amazon Bedrock AgentCore 智能体连接到混合与边缘位置中的工具和智能体。你使用模型上下文协议(MCP,了解 Netflix 如何从洛杉矶本地区域为其视觉特效和动画团队提供支持。Netflix 会按需启动搭载 NVIDIA RTX PRO 6000 GPU 的 Amazon EC2 G7e 实例。这样,艺术家们便能在需要时获得 ComfyUI 环境。

两场动手实践工作坊以不同路径构建边缘智能体。 HMC402 采用托管路线。你将 AWS 区域中的 Amazon Bedrock AgentCore 智能体连接到混合与边缘位置中的工具和智能体。你使用模型上下文协议(MCP)和智能体到智能体(A2A)通信。 HMC403 则采用自主管理路线。你自行设计、搭建并调优跨 Local Zones 和 Outposts 的智能体。然后学习如何通过 NVIDIA Run:ai 在边缘编排分片 GPU,详见 代码演讲。有些组织根本无法将 AI 工作负载迁移到公有云。数据主权、数据引力或延迟都可能成为障碍。AIM206 展示了 AWS AI Factories 如何将 AWS 和 NVIDIA AI 基础设施引入您自己的数据中心。AWS 会为您运行并更新它。了解各组织如何在本地运行领先的基础模型进行训练和推理,同时保持对数据的完全控制。规划您的 re:Invent 使用本指南来制定您的日程。然后在其中预留您的席位 代码演讲。

有些组织根本无法将 AI 工作负载迁移到公有云。数据主权、数据引力或延迟都可能成为障碍。 AIM206 展示了 AWS AI Factories 如何将 AWS 和 NVIDIA AI 基础设施引入您自己的数据中心。 展示了 AWS AI Factories 如何将 AWS 和 NVIDIA AI 基础设施引入您自己的数据中心。AWS 会为您运行并更新它。了解各组织如何在本地运行领先的基础模型进行训练和推理,同时保持对数据的完全控制。

规划您的 re:Invent

使用本指南来制定您的日程。然后预留您的席位,请前往 活动目录 请尽早预订,因为热门场次很快会满员。专业提示:如果在线场次目录显示场次已满,我们建议您收藏该场次,并尝试直接到场碰碰运气,看看是否有额外空位释放出来。还有其他活动可以让您了解 AWS AI/ML 相关产品与服务。

参观 AI 展台

在会议间隙,不妨前往威尼斯人酒店展览大厅 AWS Village 的 AI 展台看看。每个展台都由 AWS 专家负责,他们专注于所涵盖的主题,包括产品经理和解决方案架构师。他们会解答您的问题,帮助您梳理自己的用例,并全天进行演示。到访 AWS Village 时,欢迎参观以下展台:

  • Amazon Bedrock。
  • Amazon Bedrock。
  • Amazon 基础模型。
  • 语音 AI。
  • 加速计算。
  • Strands Agents。
  • AI 联赛。
  • Amazon SageMaker AI。
  • 全球基础设施与可持续发展。
  • 混合云与边缘计算。

体验这些互动活动

您还可以在威尼斯人酒店展览大厅 AWS Village 内的四项互动体验中亲自动手参与:

  • AWS 快速体验: 了解当 AI 智能体加入日常运营后,工作会发生怎样的变化。观看解决方案架构师在三个现场演示站之一现场展示 Quick,或在三个自助体验站之一自行体验演示。您还可以使用触摸屏知识图谱来探索 re:Invent 的内容和会议。
  • 银河特工: 在四个构建者站点之一坐下,组建一支由五名军官组成的 AI 船员,然后发射你的星舰。你的船员会在一整周内自行探索一个共享星系,即使你正在参加会议也是如此。每名军官都对应一种企业实际使用的智能体模式。一幅巨大的实时星系地图和幕后揭秘将展示如何在 AWS 上运行你可以观察并信任的智能体。想知道这款游戏是如何构建的吗?请到 SME 咨询台与专家交流。
  • 机器速度的安全防护: 在两台桌子中的任意一台玩触摸屏桌面游戏。保护你的云,并为你部署的每项 AWS 安全服务赚取积分。完成后,请前往附近的安全咨询台进行更深入的交流。
  • AWS 云基础设施: 不要错过 AWS Village 的基础设施体验。亲眼看看 AWS 云背后的硬件,它建立在 20 多年云基础设施创新之上。一面芯片墙展示了每一代 AWS Graviton、AWS Trainium、AWS Inferentia 和 AWS Nitro Cards。触摸屏解释了这些芯片如何与合作伙伴芯片协同工作,用于智能体 AI、训练和推理。近距离观察 Trainium 和 Graviton 服务器托盘与机架,了解它们如何通过 Elastic Fabric Adapter(EFA)和 Amazon EC2 UltraClusters 横向扩展。然后探索 AWS AI Factories 的 3D 模型,了解 AWS 如何将其基础设施引入您自己的数据中心。在参加完 AI 芯片、AWS AI Factories 和 Local Zones 相关会议后,这里是个不错的去处。

无法前往拉斯维加斯? 观看主题演讲直播 并在稍后观看分组会议(breakout sessions) AWS Events YouTube 频道我们期待在 re:Invent 2026 与您相见。


关于作者