Amazon Slides On Soft Profit Guidance, Declining AWS Margins
亚马逊在软利润指导下滑动，下降了AWS MSFT和META昨天炸毁了期望，并将纳斯达克释放到新的纪录中，即使只是看到所有这些收益在白天都消失了，今天的注意力转向其他两个MAG7巨头AAPL和AMZN，并在结束后又等待了以前的30分钟，并在以前的30分钟后进行了30分钟的报道。正如我们在预览中报道的那样，将两家公司定位都相对较弱，高盛（Goldman）在10分中的7个（AAPL甚至更糟的是在10分中的4分更糟），因此与昨天的两个juggernauts相比，期望更适度，与昨天的两次收益相比，buyside bogeys的收入与grousidy bogeys的收入相比，groun and aws a
Introducing AWS Batch Support for Amazon SageMaker Training jobs
aws批次现在与亚马逊萨吉式制造商培训工作无缝集成。在这篇文章中，我们讨论了管理和确定ML培训工作以有效地用于您的业务的好处。我们还引导您了解如何开始使用这种新功能并分享建议的最佳实践，包括使用萨吉式培训计划。
在这篇文章中，我们提出了一个完整的解决方案，用于微调和部署Web自动化任务的Llama-3.2-11b-Vision-Instruct模型。我们演示了如何在Amazon Elastic Kubernetes Service（Amazon EKS）上使用AWS深度学习容器（DLC）建立安全，可扩展和高效的基础架构。
AWS AgentCore: The Overlooked Privilege Escalation Path in Bedrock’s AI Tooling
在AWS中使用非个人身份的特权升级并不是什么新鲜事物。 EC2实例角色和lambda执行角色被充分理解为如果不正确锁定，则可以提高自己的特权的机制。不太了解的是以AI为中心身份的概念 - 代理工作流程如何获得执行的特权[…]
How logic can help AI models tell more truth, according to AWS
将AI模型与形式验证方法联系起来可以纠正LLM缺点，例如虚假断言。亚马逊的拜伦·库克（Byron Cook）解释了自动推理的希望。
Boost cold-start recommendations with vLLM on AWS Trainium
在这篇文章中，我们演示了如何使用VLLM进行可扩展推理，并使用AWS深度学习容器（DLC）来简化模型包装和部署。我们将通过结构化的提示来产生兴趣扩展，将其编码为嵌入，用Faiss检索候选者，应用验证以保持结果的扎根，并以科学实验的形式构成寒冷的挑战 - 对LLM和编码器配对进行基础，并在建议级别上快速迭代，并显示出清晰的ROI
Beyond accelerators: Lessons from building foundation models on AWS with Japan’s GENIAC program
2024年，经济，贸易和工业部（METI）推出了生成的AI Accelerator Challenge（GenIAC），这是一项日本国家计划，该计划通过为公司提供资金，指导和大量计算资源来提高生成AI的基础资源（FM）开发。 AWS被选为Geniac第二周期的云提供商（周期2）。它为12个参与组织提供了基础架构和技术指导。
Kyruus builds a generative AI provider matching solution on AWS
在这篇文章中，我们演示了Kyruus Health如何使用AWS服务来构建指南。我们展示了一项全面管理的服务亚马逊Bedrock如何通过单个API从领先的AI公司和亚马逊提供基础模型（FMS），而Amazon Opensearch服务（Amazon Opensearch Service）是托管搜索和分析服务，共同努力了解有关健康问题的日常语言，并将成员与合适的提供者联系起来。
AI in AWS? Lock Down IAM First
AWS BEDROCK使云团队易于构建和部署生成的AI应用程序。只需单击几下，开发人员就可以站起来可以查询公司数据，自动化工作流以及与AWS服务互动的代理。但是这些新功能引入了新的风险。当AI代理进入基础架构的那一刻，您需要[…]
这篇文章与Nvidia的Andrew Liu，Chelsea Isaac，Zoey Zhang和Charlie Huang共同撰写。 Amazon Web服务（AWS）上的DGX Cloud代表了民主化获得高性能AI基础架构的重大飞跃。通过将NVIDIA GPU专业知识与AWS可扩展的云服务相结合，组织可以加速训练时间，降低操作复杂性并解锁[…]
AWS doubles investment in AWS Generative AI Innovation Center, marking two years of customer success
在这篇文章中，AWS宣布对其AWS生成AI创新中心进行了1亿美元的额外投资，标志着从金融服务到医疗保健的行业，两年的成功客户合作。这项投资随着AI发展朝着更加自主的代理系统发展，该中心已经帮助数千个客户推动了数百万的生产力增长并改变客户体验。
Build secure RAG applications with AWS serverless data lakes
在这篇文章中，我们探讨了如何使用无服务器数据湖体系结构构建安全的RAG应用程序，这是支持生成AI开发的重要数据策略。我们使用亚马逊Web服务（AWS）服务，包括Amazon S3，Amazon DynamoDB，AWS Lambda和Amazon Bedrock知识库来创建一个全面的解决方案，以支持可以扩展到结构化数据的非结构化数据资产。该帖子涵盖了如何为您的企业数据实施细粒度的访问控件，并设计元数据驱动的检索系统，以尊重安全边界。这些方法将帮助您最大程度地提高组织数据的价值，同时保持强大的安全性和合规性。
Build an MCP application with Mistral models on AWS
这篇文章演示了使用Mistral AI模型在AWS和MCP上建立智能AI助手，从而集成了实时位置服务，时间数据和上下文内存，以处理复杂的多模式查询。此用例，餐厅的建议是一个例子，但是可以通过修改MCP服务器配置以与您的特定数据源和业务系统连接来适应企业用例。
Future-Proofing Education: Why the AWS Imagine Conference is a Must-Attend for School Leaders
我记得当我在2007年获得第一台BlackBerry手机时。从那时起，事情肯定已经发生了很大的变化。我们世界的变化步伐是无情的，教育也不例外。作为领导者，我们不断地为学习者做好准备的未来，这是一个动荡，不确定和复杂的未来。我在课堂上分享了以下内容：“要为学生做好当前和未来的准备，他们需要成为破坏性的思想家，在那里他们可以用创新的解决方案来代替传统的思想，以解决真实问题。”坚持状态不再是可行的策略；这是无关紧要的食谱。我们必须问自己的真正问题不是我们是否应该创新，而是如何有效地在基于云的世界中创建未来就业的学校？这就是为什么我敦促每位有前瞻性的领导者参加2025年7月29日至20日在芝加哥举行的
这篇文章演示了如何将Amazon Bedrock流媒体API与AWS AppSync订阅集成在一起，从而显着提高了AI助手响应能力和用户满意度。通过实施这种流媒体方法，全球金融服务组织将复杂查询的初始响应时间减少了约75％，从10秒到仅2-3秒，可以使用户能够在生成时查看响应，而不是等待完整的答案。
n这个由两部分组成的系列，我们讨论了一个枢纽和讲话架构模式，用于构建多租户和多学院的体系结构。该模式支持跨用例和团队共享服务的抽象，有助于创建安全，可扩展和可靠的生成AI系统。在第1部分中，我们使用AWS Transit Gateway提供跨学科互操作性，提出了用于生成AI服务抽象和特定于租户的辐条的集中式枢纽。
在这篇文章中，我们展示了拜耳作物科学如何通过培训模型来管理数据分析需求的大规模数据科学操作，并维护高质量的代码文档以支持开发人员。通过这些解决方案，拜耳作物科学计划的开发人员登机时间可下降70％，开发人员生产率提高了30％。
