AWS 相关 AI 资讯

7月11日

00:12

官方一手AWS Machine Learning Blog@Sumit Wasuja

精选

AWS 在 Quick Automate 中新增原生案例管理功能，支持从创建到解决的完整案例生命周期。用户可创建和管理单/多个案例，自动跟踪更新状态、处理异常，并融入人工参与循环（HITL）步骤。该功能通过案例创建者-处理器模式实现动态扩展。文章通过企业流程实例演示了如何结构化案例管理，包括 HITL 和案例追踪。

推荐理由：想用智能体处理复杂流程？Quick Automate 这个原生案例管理能自动跟踪状态、加人工审核，还会动态扩展，比你自己写代码省事多了。

原文

7月10日

23:28

官方一手AWS Machine Learning Blog@Xuan Lu

精选

本教程展示了如何在Amazon SageMaker HyperPod上使用vLLM实现DPD（分离预填充和解码）。DPD通过将预填充阶段和解码阶段分别部署在不同的计算节点上，显著降低了推理延迟。文中提供了使用HyperPod推理操作符的具体配置步骤和性能对比数据。该方法适用于需要低延迟响应的LLM推理场景。

技巧 SageMaker HyperPod vLLM DPD 推理加速 AWS

推荐理由：AWS教你用vLLM在SageMaker HyperPod上把LLM推理分成两段跑，延迟更低，实操步骤写得挺清楚。

原文

7月9日

01:15

官方一手AWS Machine Learning Blog@Jasmine Rasheed Syed

AWS博客介绍了基于图的检索增强生成（GraphRAG）技术，通过结合知识图谱（BYOKG）与生成式AI来加速科学研究。该方法利用图数据库存储实体关系，并在药物研发中实现精准信息检索。GraphRAG在回答复杂科学问题时，比传统RAG更擅长处理多跳推理。BYOKG允许研究人员使用自有知识图谱，无需依赖外部数据源。该方案已应用于药物靶点发现等场景，提升了实验效率。

AI模型 GraphRAG BYOKG AWS 知识图谱药物研发

推荐理由：AWS这篇博客讲的是用图数据库+知识图谱做检索增强生成，专门帮药物研发团队加速查找科学文献和挖掘靶点关系，比传统RAG更能处理复杂问题。

原文

7月2日

02:20

官方一手AWS Machine Learning Blog@Akarsha Sehwag

精选

AWS博客介绍了AgentCore Memory中基于元数据的结构化记忆过滤功能。该功能支持在配置、摄入和检索三个阶段使用元数据。企业用例包括多智能体和多租户架构。文章还提供了实施最佳实践。

技巧 AgentCore Memory AWS 智能体多租户记忆过滤

推荐理由：AWS这篇教你给AgentCore Memory加元数据过滤，适合做多智能体和多租户应用，很实用。

原文

02:19

官方一手AWS Machine Learning Blog@Reilly Manton

精选

本教程介绍如何在AWS上构建一个无服务器A2A网关，将多个Agent部署在单一域名下，并通过路径路由（/agents/{agentId}）进行访问。标准A2A客户端无需修改即可使用该网关。网关利用AWS Lambda、API Gateway和Amazon DynamoDB实现代理发现、路由和访问控制。该方法无需管理服务器，自动扩展，降低运维成本。

技巧 AWS A2A网关无服务器路径路由智能体

推荐理由：AWS教你怎么用Lambda和API Gateway搭一个A2A网关，把多个Agent放一个域名下，客户端不用改代码就能用。

原文

7月1日

21:50

techcrunch@Rebecca Bellan

Meta正在规划一项云基础设施业务，向企业提供AI算力和模型访问。这将使其与AWS、Google Cloud、Azure等云巨头直接竞争。公司意图将过剩的AI计算资源转化为收入来源，类似SpaceX通过Starlink出售卫星带宽的做法。

行业 Meta 云计算 AI算力 AWS Azure

推荐理由：Meta要卖算力了，直接跟AWS、Azure抢生意。如果你在用云服务，可以看看Meta的报价，说不定更便宜。

原文

11:18

官方一手AWS Machine Learning Blog@Amy Herzog

AWS自成立二十多年以来持续投资安全基础设施，其AI服务Amazon Bedrock建立在此安全基础之上。AWS的目标是成为运行任何工作负载最安全的地方，并以此保障前沿模型的安全释放。Amazon Bedrock作为托管服务，继承了AWS的多层安全防护和合规认证。

行业 AWS Amazon Bedrock AI安全前沿模型安全实践

推荐理由：AWS用二十多年积累的安全经验来管前沿模型，Bedrock就是例子，安全释放不是空话。

原文

02:58

官方一手AWS Machine Learning Blog@Aamna Najmi

76°

Anthropic 发布 Claude Sonnet 5，这是其最新一代的首个 Sonnet 模型，已在 Amazon Bedrock 和 AWS Claude Platform 上可用。该模型在编码、智能体任务和日常专业工作中提供顶级智能，定价保持 Sonnet 系列标准。基于此前 Sonnet 4 的架构升级，Sonnet 5 在多个基准测试中表现领先。

AI模型 Claude Sonnet 5 Anthropic AWS 推理模型编程助手

推荐理由：Anthropic 把最强 Sonnet 模型放到 AWS 上，编码和智能体任务更强，价格还不变。

原文

00:56

官方一手AWS Machine Learning Blog@Alex Newton

精选

Outpost VFX 采用 AWS 多 GPU 基础设施，将面部替换 AI 模型的训练速度提升 8 倍。通过分布式训练架构突破单 GPU 内存限制，训练时间从数周缩短至数天。该方案基于 Amazon EC2 P3 实例和弹性网卡等技术组件，使 VFX 工作流效率实现指数级增长。

技巧 Outpost VFX AWS 多GPU训练面部替换视觉特效

推荐理由：想省下几周训练时间？Outpost VFX 用 AWS 多 GPU 把模型训练快了 8 倍，搞面部替换的团队可以抄作业。

原文

00:55

官方一手AWS Machine Learning Blog@Marcos Ortiz

精选

AWS博客介绍了五种构建弹性生成式AI应用的实用模式，从使用Amazon Bedrock原生功能到通过LLM网关进行多模型编排。模式1解决API配额耗尽问题，通过后备请求重试和降级响应应对流量激增。模式2利用跨区域推理，将请求路由到不同AWS区域以最大化可用性。模式5通过LLM网关的路由和隔离机制，帮助防止多租户环境中的噪声邻居问题。其他模式涵盖重试退避、熔断器和服务降级策略。

技巧 Amazon Bedrock LLM网关 AWS 弹性模式推理

推荐理由：AWS手把手教你用Bedrock和LLM网关应对流量激增、跨区域高可用和租户隔离，五个模式都是实战干货。

原文

6月30日

02:47

官方一手AWS Machine Learning Blog@Enrique Salgado Hernández

精选

本文介绍了Amazon QuickSight中BI资产的备份最佳实践。首先讲解如何选择需要备份的资产（如仪表板、数据集等）。然后说明可用的API（如ListDashboards、CreateDashboard）用于备份操作。最后提供示例代码帮助快速实现备份流程。

技巧 Amazon QuickSight AWS 备份策略 BI资产教程

推荐理由：AWS教你备份QuickSight资产，有代码示例，照着做就能避免数据丢失。

原文

01:58

官方一手AWS Machine Learning Blog@Anuranjan Mondal

精选

PAR 在 AWS 上构建了一个生产级多租户 LLM 分析系统，通过三层架构强制执行行级安全：使用 AWS SigV4 进行加密请求签名、在 Amazon Bedrock 上进行语义验证、以及通过 Split-Plane SQL 实现程序化数据隔离。每层独立运行以降低跨租户数据暴露风险，即使 LLM 本身被攻破或操纵也能保护数据。

技巧 AWS Amazon Bedrock 多租户行级安全 AI安全

推荐理由：AWS 这篇教程手把手教你用 Bedrock 和 Split-Plane SQL 搭建多租户 LLM 分析系统，三层隔离防止数据泄露，值得做企业级 AI 安全的开发者看看。

原文

6月26日

23:03

官方一手AWS Machine Learning Blog@Amaan Babul

精选

Cara利用Amazon Bedrock和Amazon SageMaker构建了面向企业保险经纪的领域特定AI平台。该平台通过微调基础模型，实现了对保险条款的精准理解和文档自动处理。Cara已为多家经纪公司部署，将重复性文档工作自动化，并提升了风险分析效率。这一方案在保证数据安全的同时，显著降低了人工成本。

AI产品 Cara AWS Amazon Bedrock Amazon SageMaker 领域专用AI

推荐理由：Cara结合AWS造了保险经纪专用AI，能自动看保单、做分析，省时省力，适合行业公司试试。

原文

02:09

官方一手AWS Machine Learning Blog@Renuka Kumar

精选

AWS博客提出Agentic Overlays方案，通过薄包装层将传统REST服务转化为支持A2A交互的智能体。该方案同时使REST API兼容Model Context Protocol (MCP)，作为工具暴露。企业无需重写业务逻辑、重复代码或运行并行基础设施。博客提供参考架构和示例代码，帮助减少基础设施中的智能体膨胀。

技巧 AWS Agentic overlays MCP A2A 企业服务

推荐理由：AWS教你怎么给旧REST服务套个Agentic Overlays壳，不用重写代码就能变A2A智能体、兼容MCP，比从头建省事多了。

原文

00:58

官方一手AWS Machine Learning Blog@Venkata Sistla

精选

AWS发布了一篇博客，展示如何利用现代数据网格策略构建受治理的无服务器数据网格。该方案基于AWS无服务器架构，提供安全、可扩展的数据基础。文章详细说明了如何为生产级Agentic AI应用搭建数据网格。它涵盖了数据治理、访问控制和数据共享等关键环节。

技巧 AWS 数据网格 Agentic AI 无服务器云服务

推荐理由：想用AWS搞Agentic AI？这篇手把手教你搭数据网格，安全又省心。

原文

6月25日

18:54

18:54IT之家（博客/媒体）

欧盟委员会于2025年6月25日宣布，经过七个月调查，初步认定亚马逊云服务（AWS）和微软Azure应被指定为《数字市场法案》下的“守门人”。尽管两者均未达到法案规定的量化指定门槛，但委员会指出其在欧盟云计算市场长期占据主导地位，用户存在锁定效应和高转换成本。同时，AI工具及合作伙伴生态已成为企业云采购的决定性因素。亚马逊表示该评估忽视欧洲客户可享受的云服务丰富程度，微软则指责竞争对手谷歌云和Gemini的影响力被忽视。

行业 AWS Azure 欧盟数字市场法案监管

推荐理由：欧盟正式盯上AWS和Azure了，说它们云服务太强势，用户想换服务商都难，以后得按规矩来。

原文

15:54

15:54IT之家（博客/媒体）

亚马逊云科技（AWS）CEO马特·加曼认为，AI对白领岗位的影响是“改变”而非“消失”，预计约一半白领岗位会因AI调整。他以Excel为例，说明新技术通常重塑工作方式而非直接消灭岗位。加曼强调，AI已催生新职业类型，初级员工因学习成本低更易适应。亚马逊今年计划在全球招聘超1.1万名软件开发实习生和初级工程师。

行业 Amazon AWS 马特·加曼 AI就业职业转型

推荐理由：AWS老板说了大实话：AI不会抢走你的工作，只会逼你学新东西。想听科技巨头内部怎么看待就业焦虑？这篇有料。

原文

6月22日

09:27

09:27IT之家（博客/媒体）

71°

亚马逊AI主管Peter DeSantis在巴黎受访时透露，已与潜在客户讨论向外部直接出售其自研AI ASIC芯片Trainium，此前该芯片仅通过AWS云服务提供。CEO Andy Jassy在4月致股东信中表示Trainium云端需求激增，未来可能整批出售。Peter DeSantis称Trainium3芯片已基本售罄，Trainium4也已引起广泛关注。他并不认为外售芯片会蚕食AWS的AI云业务，称AI算力领域增长空间巨大。此举与谷歌此前交付AI ASIC硬件一样，可能挑战英伟达主导的AI GPU生态。

行业亚马逊 Trainium AWS AI芯片英伟达

推荐理由：亚马逊要直接卖Trainium芯片了，不再是只能租云端算力。Trainium3已售罄，Trainium4也火了，还说不怕抢云业务生意。想和英伟达抢蛋糕？

原文

07:23

Browser Use@browser_use

Browser Harness 云版（beta）正式上线，基于 Browsercode、AWS AgentCore 和自定义控制平面构建。用户可在 UI 中直接试用，或评论 API V4 获取早期 API 访问权限。团队邀请用户尝试并报告问题，以便修复。

AI产品 browser_use Browser Harness AWS AgentCore 云服务

推荐理由：browser_use 发布了云端版 Browser Harness，基于 AWS 架构，现在就能试，快去搞崩它提反馈。

原文

6月21日

16:51

官方账号Decoder@Jonathan Kemper

AWS在纽约峰会上推出两项新服务。Continuum自动检测、优先处理和修复代码漏洞。Context从企业数据构建知识图谱，为AI代理提供业务上下文。这两项服务旨在解决AI代理编写代码速度快但常出错的问题。

AI产品 AWS Continuum Context 代码安全知识图谱

推荐理由：AWS出了两个新工具，一个帮你修代码漏洞，一个给AI代理补业务知识。以后AI写代码能少翻车了。

原文

6月19日

22:39

官方一手AWS Machine Learning Blog@Veda Raman

Amazon Bedrock AgentCore 的 Web Search 功能现已全面可用。该功能使智能体能够实时检索网络信息，无需额外集成第三方搜索API。开发者只需添加几行代码即可让 Agent 调用 Web Search 能力，支持来源白名单与内容过滤。相比传统 RAG 方案，Web Search 能获取最新数据，适合需要动态知识更新的场景。

AI产品 Amazon Bedrock AgentCore Web Search 智能体 AWS

推荐理由：AWS 在 Bedrock AgentCore 里直接内置了联网搜索，几行代码就能让智能体实时查最新信息，省去自己接搜索 API 的麻烦。

原文

01:49

官方一手AWS Machine Learning Blog@Kosti Vasilakakis

精选

Amazon Bedrock AgentCore harness现已正式可用，仅需CreateHarness和InvokeHarness两个API调用即可在数秒内启动一个智能体。该智能体运行在隔离环境（含文件系统和shell）中，可安全读写文件、运行命令和编写代码。它支持跨会话记忆用户和对话，接入AWS策展的技能目录，通过网关或MCP调用工具，并能在不丢失上下文的情况下中途切换模型提供商。每个步骤实时流式传输并自动追踪到Amazon CloudWatch，无需编写编排代码或构建容器。

AI产品 Amazon Bedrock AgentCore AWS 智能体 MCP/工具

推荐理由：AWS又出新东西了，AgentCore harness让你只用两个API，几秒就能跑起一个能读文件、写代码、浏览网页、换模型的智能体，还自带追踪和托管环境，省心得很。

原文

6月18日

04:38

官方一手AWS Machine Learning Blog@Spencer Martenson

Amazon Quick新增自主代理功能，可跨所有业务数据源持续自动分析。活动推送功能帮助用户优先处理重要工作。用户只需提出单个问题即可获取跨数据源的洞察。

AI产品 Amazon Quick AWS 智能体数据洞察

推荐理由：Amazon Quick现在有了自主代理，能自动跨数据源找答案，帮你每天省下几小时分析时间。

原文

02:30

Dify@dify_ai

Dify 在 AWS 香港峰会 2026 上展示了其平台构建生产级代理式 AI 应用的能力。LangGenius K.K. 团队在现场演示了工作流和 AI Agent 的实时构建。Dify 作为银牌赞助商，与参会者交流实际 AI 用例。活动于香港会议展览中心举行。

行业 Dify AWS AI智能体工作流行业活动

推荐理由：Dify 在AWS峰会上现场演示了怎么做代理式AI应用，想玩AI工作流的可以去看看他们展台的演示。

原文

01:43

官方一手AWS Machine Learning Blog@Mai-Lan Tomsen Bukovec

AWS在纽约峰会上宣布系列创新，旨在让AI智能体能安全访问分散在数据湖、数据仓库、湖仓一体、数据库和流中的上下文。目前智能体的决策受限于无法获取完整背景信息。新功能使智能体可以获取未记录的机构知识，从而做出更可信的决策。这些创新将提升AI智能体的推理能力，支持大规模应用。

AI产品 AWS AI agents 智能体数据集成上下文智能

推荐理由：AWS发布了新功能，让AI智能体能安全调用散落各处的数据，真正理解上下文来做决策。想让你家智能体变聪明？看这个。

原文

6月17日

04:25

官方一手AWS Machine Learning Blog@Mona Mona

Amazon SageMaker AI 发布容器镜像缓存功能，针对推理场景优化扩展速度。该功能在模型扩缩容时可将端到端延迟最高提升2倍。它专为生成式AI模型设计，减少冷启动时间。现已可在AWS区域使用。

AI产品 SageMaker AI 容器缓存模型扩展 AWS 推理优化

推荐理由：AWS给SageMaker AI加了容器缓存，扩展时延迟直接减半，适合需要快速响应的生成式AI部署。

原文

6月16日

15:04

15:04IT之家（博客/媒体）

微软正从亚马逊 AWS 为 GitHub 购买更多算力，以应对 AI 时代提交量爆发式增长。GitHub 首席运营官 Kyle Daigle 表示，2025 年代码提交有望达到 140 亿次，是上一年 14 倍。微软原计划到 2027 年完全使用自家 Azure，但被迫调整策略。多供应商云服务也提升了 GitHub 的容错能力。

行业 GitHub 微软 AWS Azure AI编程

推荐理由：微软从死对头 AWS 买算力给 GitHub，因为 AI 引发的代码提交量涨了十几倍，连自家 Azure 都顶不住了。

原文

09:38

官方账号LangChain@LangChainAI

LangSmith 现已在 AWS Marketplace 上线，提供完全托管的 SaaS 部署选项，用户可以在 AWS 基础设施上运行，使用 Amazon EKS/EC2、RDS、ElastiCache 和 S3 等服务。该服务深度集成 Amazon Bedrock、Sagemaker、Bedrock AgentCore、Neptune、DynamoDB 等 AWS 工具，方便开发者构建智能体。拥有 AWS 承诺消费的客户可以将其用于采购 LangSmith。该产品旨在简化 LLM 应用的开发、测试和监控流程。

AI产品 LangSmith AWS AWS Marketplace LLMOps

推荐理由：LangSmith 现在可以直接在 AWS 上托管了，省去自己搭建的麻烦，还能用你已有的 AWS 额度。

原文

02:13

官方一手AWS Machine Learning Blog@Po-Shin Chen

精选

AWS博客介绍了Strands Evals工具，用于检测AI Agent执行中的失败并定位根因。调用detector函数后，输出包含分类失败类型与置信度分数、从根因到下游症状的因果链，以及修复建议（指定修改系统提示还是工具定义）。该工具可集成到评估流程中，实现每个测试运行的自动诊断。

技巧 Strands Evals AWS 智能体故障诊断评测

推荐理由：AWS教你用Strands Evals自动揪出AI Agent的失败根因，还告诉你该改提示词还是工具定义，比盲猜管用多了。

原文

6月14日

18:25

18:25IT之家（博客/媒体）

富国银行报告指出，高通有望深化与 AWS 的 AI 芯片合作，为 AWS 提供 AI200 芯片。AI200 单颗支持 768GB 内存，专为机架级 AI 推理设计。该合作符合 AWS 通过自研或第三方芯片降低推理成本、提升利润率的战略。AI200 预计 2026 年扩大部署，AWS 可能成为高通最大超大规模云端伙伴。目前 AWS 已提供高通 AI100 Ultra 芯片，性价比相对强劲。

行业高通 AWS AI200 AI推理芯片

推荐理由：高通 AI200 芯片有望进 AWS，推理成本要降

原文

6月12日

23:01

官方一手AWS Machine Learning Blog@Charles Meruwoma

AWS 发布了一篇博客，详细介绍了如何利用 Amazon Bedrock 的托管服务 BDA（Bedrock Data Automation）构建智能文档处理管道。该管道能自动从 PDF 等文档中提取和分析内容，并通过 Strands Agent 协调专门任务，结合 Bedrock Knowledge Base 实现多文档的上下文理解。这一架构旨在以低成本、可扩展的方式，让企业无需大量开发即可将文档处理流程智能化。对于需要处理大量合同、报告或表单的团队，这提供了一条直接可用的路径。

AI产品 AWS Amazon Bedrock 文档处理智能体知识库

推荐理由：做文档自动化或知识管理的团队，可以直接用 AWS 这套架构把 PDF 处理流程跑通，省去自己搭模型和管线的麻烦。

原文

21:49

官方一手AWS Machine Learning Blog@Francessca Vasquez

AWS 专业服务团队（ProServe）通过彻底重构内部交付流程，而非简单叠加 AI 工具，将客户项目交付时间从数月压缩至数天。团队采用“前沿团队优先”策略，将 AI 能力深度嵌入工程、咨询和运营环节，实现了端到端的效率提升。这一转变的关键在于重新设计工作流、建立 AI 原生协作文化，并让工程师直接参与 AI 工具的开发。文章详细分享了 ProServe 的实践路径，为其他工程组织提供了可复用的方法论。

行业 AWS 专业服务交付效率 AI 原生流程重构

推荐理由：AWS ProServe 用真实案例证明，AI 转型不是加工具而是改流程——做咨询或交付的团队，可以直接借鉴其“前沿团队优先”的落地方法，把交付周期从月缩短到天。

原文

12:55

官方账号Amazon Science@AmazonScience

精选

亚马逊AWS宣布其Nitro隔离引擎（Nitro Isolation Engine）已在Graviton5实例上正式商用，成为首个部署在商业云中的形式化验证的虚拟机监控器。该引擎通过33万行机器检查的数学证明来确保安全隔离，消除了传统软件漏洞的风险。这一突破意味着云租户可以依赖数学保证而非仅靠测试来获得隔离安全性，对高安全需求的行业（如金融、医疗）尤为重要。

AI产品形式化验证 AWS Graviton5 云安全虚拟机监控器

推荐理由：形式化验证从学术走向商业云，做云安全或高合规性系统的团队值得关注——数学证明比测试更可靠，AWS已经把它落地了。

原文

12:54

官方账号Amazon Science@AmazonScience

精选

AWS 宣布其自研芯片 Graviton5 正式可用。该芯片采用四芯片架构，拥有 192 个核心，支持 DDR5-8800 内存和 PCIe Gen6。相比上一代 Graviton4，在通用计算和智能体 AI 工作负载上性能提升 25%。这标志着 AWS 在自研芯片领域的又一重要进展，为云端 AI 和通用计算提供了更强的基础设施选择。

AI产品 AWS Graviton5 芯片云端计算 AI 基础设施

推荐理由：AWS 自研芯片的迭代直接关系到云端计算成本与性能，做 AI 推理或大规模部署的团队值得关注 Graviton5 的性价比提升。

原文

11:49

官方一手AWS Machine Learning Blog@Ishan Singh

精选

AWS 发布了 Agent-EvalKit，一个基于 Apache 2.0 的开源工具包，用于系统评估 AI 智能体。它集成了 Claude Code、Kiro CLI 和 Kilo Code 等 AI 编程助手，提供六个评估阶段来全面测试智能体性能。文章以 Strands Agents SDK 和 Amazon Bedrock 构建的旅行研究智能体为例，展示了如何应用该工具。Agent-EvalKit 解决了智能体评估缺乏标准化的问题，帮助开发者量化智能体的准确性和可靠性。

AI产品智能体评估工具开源/仓库 AWS Claude Code

推荐理由：做 AI 智能体开发的团队终于有了标准化的评估工具——Agent-EvalKit 覆盖六个阶段，直接集成主流编程助手，建议做智能体项目的开发者试试。

原文

11:11

11:11IT之家（博客/媒体）

精选

亚马逊AWS宣布Graviton5处理器全面可用，基于Graviton5的EC2 M9g实例相比上代M8g计算性能提升25%。数据库性能提升30%，Web应用性能提升35%，ML工作负载性能提升35%。Graviton5配备192核，支持DDR5-8800内存和PCIe Gen6，L3缓存容量为Graviton4的五倍，L2缓存容量为2.6倍。该芯片采用台积电3nm制程和Arm Neoverse V3架构，每核1MB L3缓存，支持12通道内存和96条PCIe通道。

AI产品 Graviton5 AWS EC2 Arm Neoverse V3 3nm

推荐理由：AWS新芯片性能猛涨

原文

6月11日

16:23

Dify@dify_ai

Dify（LangGenius K.K.）宣布将以银牌赞助商身份参加 2026 年 AWS 香港峰会，展示企业级 AI 智能体和工作流的构建方案。活动将于 2026 年 6 月 17 日在香港会议展览中心举行，Dify 团队将在 S5 展位与参会者交流。Dify 是一个开源 AI 应用开发平台，帮助企业从原型到部署快速构建生产级 AI 应用。无论是已在使用 Dify 的开发者，还是刚接触智能体 AI 的用户，都可以到展位了解最新进展。

行业 Dify AWS AI 智能体企业级 AI 开源平台

推荐理由：Dify 作为开源 AI 应用平台，这次在 AWS 峰会亮相意味着企业级 AI 落地又多了可靠选择，做 AI 应用开发的团队值得去展位聊聊。

原文

00:58

PolymarketMoney@PolymarketMoney

亚马逊宣布其最强大的 AWS CPU 芯片 Graviton5 现已对所有客户开放。该芯片基于 ARM 架构，相比前代 Graviton4 提供更高的性能和能效，适用于云计算工作负载。这一发布标志着亚马逊在自研芯片领域的持续投入，旨在降低对 Intel 和 AMD 的依赖，并为 AWS 用户提供更具性价比的计算选项。Graviton5 的全面可用性将推动云原生应用的优化和成本节约。

AI产品 AWS Graviton5 芯片云计算 ARM

推荐理由：AWS Graviton5 的全面可用为云用户提供了更高效的计算选择，尤其适合运行 ARM 架构优化应用的团队，建议关注其性价比优势并考虑迁移测试。

原文

6月5日

18:03

18:03IT之家（博客/媒体）

视觉内容社交平台 Pinterest 宣布与亚马逊 AWS 大幅扩展合作，计划在 2031 年前投入 40 亿美元。Pinterest 将扩大对 AWS 定制芯片的使用，包括 Graviton CPU 和 Trainium AI ASIC，其中约三分之一的计算基础设施已运行在 Graviton 上。Trainium 芯片将用于托管和运行大语言模型和视觉语言模型，支持个性化视觉搜索和 AI 辅助发现。此举旨在为数亿用户提供更个性化的视觉体验，并提升广告主效果。

行业 Pinterest AWS Trainium AI芯片视觉搜索

推荐理由：Pinterest 用 AWS Trainium 芯片加速 AI 视觉搜索，做个性化推荐和视觉内容处理的团队可以关注这种硬件选择如何提升效率。

原文

00:14

Qdrant@qdrant_engine

AWS 的 Sandhya Subramani 将在 Vector Space Day 上展示一个开源智能体框架，允许用户通过自然语言直接控制机器人。该框架将物理硬件暴露为可编程的智能体工具，采用混合架构：边缘端负责低延迟控制，云端处理复杂推理。这一演示旨在让具身 AI 更易用，降低机器人编程门槛。活动将于 6 月 11 日在旧金山 Midway 举行。

AI产品开源/仓库智能体具身AI 机器人 AWS

推荐理由：机器人开发者终于可以像聊天一样指挥硬件了——这个开源框架把物理设备变成智能体工具，边缘+云端分工明确，做机器人或 IoT 的团队值得关注，可以直接用起来。

原文