Applying multimodal biological foundation models across therapeutics and patient care
在这篇文章中，我们将探讨多模式 BioFM 的工作原理，展示药物发现和临床开发中的实际应用，并介绍 AWS 如何帮助组织构建和部署多模式 BioFM。
Amazon SageMaker AI now supports optimized generative AI inference recommendations
如今，Amazon SageMaker AI 支持优化的生成式 AI 推理建议。通过提供经过验证的、具有性能指标的最佳部署配置，Amazon SageMaker AI 让您的模型开发人员专注于构建准确的模型，而不是管理基础设施。
Get to your first working agent in minutes: Announcing new features in Amazon Bedrock AgentCore
今天，我们推出了新功能，可进一步简化代理构建体验，消除基础设施障碍，这些障碍会在代理开发的每个阶段（从第一个原型到生产部署）减慢团队的速度。
Company-wise memory in Amazon Bedrock with Amazon Neptune and Mem0
Amazon Bedrock 中的公司级内存由 Amazon Neptune 和 Mem0 提供支持，为 AI 代理提供持久的、公司特定的上下文，使它们能够在多种交互中智能地学习、适应和响应。 TrendMicro 是世界上最大的防病毒软件公司之一，开发了 Trend’s Companion 聊天机器人，因此他们的客户可以通过自然的对话式交互来探索信息
From developer desks to the whole organization: Running Claude Cowork in Amazon Bedrock
今天，我们很高兴在 Amazon Bedrock 中宣布 Claude Cowork。您现在可以直接通过 Amazon Bedrock 或使用 LLM 网关运行 Cowork 和 Claude Code Desktop。在这篇文章中，我们将介绍 Claude Cowork 如何与 Amazon Bedrock 集成，并展示知识工作者如何在实践中使用它的示例。
End-to-end lineage with DVC and Amazon SageMaker AI MLflow apps
在这篇文章中，我们将展示如何结合 DVC（数据版本控制）、Amazon SageMaker AI 和 Amazon SageMaker AI MLflow 应用程序来构建端到端 ML 模型谱系。我们将介绍两种可部署模式——数据集级沿袭和记录级沿袭——您可以使用配套笔记本在自己的 AWS 账户中运行这两种模式。
Accelerate Generative AI Inference on Amazon SageMaker AI with G7e Instances
今天，我们很高兴地宣布在 Amazon SageMaker AI 上推出由 NVIDIA RTX PRO 6000 Blackwell 服务器版 GPU 提供支持的 G7e 实例。您可以为节点配置 1、2、4 和 8 个 RTX PRO 6000 GPU 实例，每个 GPU 提供 96 GB GDDR7 内存。此次发布提供了使用单节点 GPU、G7e.2xlarge 实例来托管强大的开源基础模型 (FM)（例如 GPT-OSS-120B、Nemotron-3-Super-120B-A12B（NVFP4 变体）和 Qwen3.5-35B-A3B）的功能，为组织提供了经济高效且高性能的选择。
Introducing granular cost attribution for Amazon Bedrock
在这篇文章中，我们将分享 Amazon Bedrock 的精细成本归因的工作原理，并演练示例成本跟踪场景。
From hours to minutes: How Agentic AI gave marketers time back for what matters
在这篇文章中，我们分享了 AWS Marketing 的技术、AI 和分析 (TAA) 团队如何与 Gradial 合作在 Amazon Bedrock 上构建代理 AI 解决方案以加速内容发布工作流程。
Transform retail with AWS generative AI services
在线零售商面临着持续的挑战：购物者在网上订购时难以确定合身性和外观，从而导致退货增加和购买信心下降。费用？收入损失、运营开销和客户不满。与此同时，消费者越来越期望身临其境的互动购物体验，以弥合在线和店内零售之间的差距。零售商实施虚拟试穿 [...]
How Automated Reasoning checks in Amazon Bedrock transform generative AI compliance
在这篇文章中，您将了解为什么概率 AI 验证在受监管行业中存在不足，以及自动推理检查如何使用形式验证来提供经过数学验证的结果。您还将看到六个行业的客户如何使用该技术来生成经过正式验证、可审计的人工智能输出，以及如何开始。
Create rich, custom tooltips in Amazon Quick Sight
今天，我们在 Amazon Quick Sight 中推出工作表工具提示。仪表板作者现在可以使用自由格式布局表设计自定义工具提示布局。这些布局将图表、关键绩效指标 (KPI) 指标、文本和其他视觉效果组合到单个工具提示中，当读者将鼠标悬停在数据点上时，该工具提示会动态呈现。
Accelerating decode-heavy LLM inference with speculative decoding on AWS Trainium and vLLM
在本文中，您将了解推测性解码的工作原理以及它为何有助于降低 AWS Trainium2 上每个生成令牌的成本。
Rede Mater Dei de Saúde: Monitoring AI agents in the revenue cycle with Amazon Bedrock AgentCore
这篇文章由 Rede Mater Dei de Saúde 的 Renata Salvador Grande、Gabriel Bueno 和 Paulo Laurentys 共同撰写。多智能体人工智能系统的日益普及正在重新定义医疗保健领域的关键操作。在大型医院网络中，成千上万的决策直接影响现金流、服务交付时间和索赔被拒绝的风险，[...]
Navigating the generative AI journey: The Path-to-Value framework from AWS
在这篇文章中，我们介绍了生成式 AI 价值路径 (P2V) 框架，这是一种结构化方法，可帮助您将生成式 AI 计划从概念转向生产并持续创造价值。
Use-case based deployments on SageMaker JumpStart
我们很高兴地宣布推出 Amazon SageMaker JumpStart 优化部署。 SageMaker JumpStart 改进的部署通过提供专为特定用例设计的预定义部署配置，满足了 SageMaker JumpStart 上丰富且简单的部署自定义的需求。客户对其建议部署的细节保持相同级别的可见性，但现在部署针对其特定用例和性能限制进行了优化。
Best practices to run inference on Amazon SageMaker HyperPod
本文探讨了 Amazon SageMaker HyperPod 如何为推理工作负载提供全面的解决方案。我们将引导您了解该平台的动态扩展、简化部署和智能资源管理的关键功能。在本文结束时，您将了解如何使用 HyperPod 自动化基础设施、成本优化功能和性能增强功能将总拥有成本降低高达 40%，同时加速从概念到生产的生成式 AI 部署。
How Guidesly built AI-generated trip reports for outdoor guides on AWS
在这篇文章中，我们将介绍 Guidesly 如何使用 AWS Lambda、AWS Step Functions、Amazon Simple Storage Service (Amazon S3)、Amazon Relational Database Service (Amazon RDS)、Amazon SageMaker AI 和 Amazon Bedrock 在 AWS 上构建 Jack AI，以提取旅行媒体、通过上下文丰富其内容、应用计算机视觉和生成式 AI，并跨多个渠道安全、可靠且大规模地发布营销就绪内容。
