How ZS democratized secure ad-hoc analytics with Amazon SageMaker
了解 ZS 如何构建安全强化的 Amazon SageMaker 平台，在开发人员敏捷性与医疗保健级治理之间取得平衡，为 200 多个 SageMaker 域中的 1,000 多名日常活跃用户提供服务。
Bombardier to Acquire Toronto-Area Wing Maker MHI Canada
Bombardier to acquire MHI Canada Aerospace in Mississauga, bringing 750 employees in-house and strengthening control over wing production.The post Bombardier to Acquire Toronto-Area Wing Maker MHI Canada appeared first on AeroMorning.com.
Batch write and discover records in Amazon SageMaker Feature Store
Amazon SageMaker Feature Store 现在支持两个新 API：BatchWriteRecord 在一次调用中跨多个功能组写入最多 25 条记录，ListRecords 枚举功能组内的记录标识符。在这篇文章中，我们将通过可用于入门的代码示例来介绍每个 API。
Deepgram deepens Amazon SageMaker AI observability with Enhanced Metrics
自托管语音 AI 需要进行可观察性权衡：驱动容量规划和成本管理的数字被锁定在供应商容器内。 Deepgram 通过两项功能缩小了 Amazon SageMaker AI 的这一差距，这些功能可将计费、使用情况和每个 GPU 指标直接存入您自己的 Amazon CloudWatch 账户中。
Spreading the load: How Salesforce met Multi-AZ HA with SageMaker Inference Components
了解 Salesforce 如何使用 Amazon SageMaker AI Inference 组件放置（SchedulingConfig 参数）跨多个可用区分发模型副本，满足其多可用区高可用性合规性要求，同时又不牺牲多模型共同托管的成本效率。
医疗保健、零售和生命科学团队在 Snowflake 中存储大量运营数据，但将其转化为预测非常困难。在本系列的第 1 部分中，您将使用 Amazon SageMaker Canvas 设置 AWS 账户和 Snowflake 环境以实现无代码 ML 工作流程，为无需编写代码即可构建欺诈检测模型奠定基础。
在这个无代码 ML 系列的第 2 部分中，您将 Amazon SageMaker Canvas 连接到 Snowflake，准备交易数据并将其与 Data Wrangler 可视化转换结合起来，并训练 XGBoost 欺诈检测模型。所有这些都无需编写机器学习代码，为第 3 部分中的交互式仪表板奠定了基础。
在这个无代码 ML 系列的第 3 部分中，您将实现欺诈检测预测。将您的 Amazon SageMaker Canvas 预测导入 Amazon Quick Sight，构建交互式仪表板，使用生成式 BI 以自然语言回答问题，并为利益相关者发布 AI 生成的执行摘要。
NVIDIA Nemotron 3.5 Lightning now available in Amazon SageMaker JumpStart
NVIDIA Nemotron 3.5 Lightning 是一种专为大容量代理工作负载而构建的开放模型，现已在 Amazon SageMaker JumpStart 中提供。本文介绍了如何部署 30B 专家混合模型（3B 主动），该模型可为始终在线的代理提供高达 4 倍的吞吐量和高达 30% 的任务完成速度。
Building agentic workflows with SageMaker AI and Bedrock AgentCore
了解如何将 Amazon SageMaker AI 上与 OpenAI 兼容的终端节点与 Amazon Bedrock AgentCore 运行时相结合，以构建多代理工作流程，其中每个专业代理都使用最适合其工作的模型。这篇文章还展示了如何从 Strands Agent 默认情况下不检测的 SageMaker 端点获取令牌级别的可观测性。
Run interactive IDEs on Amazon EKS with SageMaker AI to power up your AI workflows
Amazon EKS 的 Amazon SageMaker AI Spaces 插件在您的 ML 团队已运营的集群上运行托管 JupyterLab 和代码编辑器环境。本文介绍如何安装和配置该插件、从浏览器和通过 SSH-over-SSM 的 VS Code 进行连接，以及如何将您的团队转移到使用 Amazon Cognito 进行 OpenID Connect 登录。
Tiered KV cache for large LLMs on Amazon SageMaker HyperPod with Curvine
大规模运行大型语言模型推理会迫使 KV 缓存进行权衡：GPU 实例规模过大或首次生成令牌的时间过长。本文在 Amazon SageMaker HyperPod 上构建了一个分层 KV 缓存，将缓存扩展到使用 Curvine 的共享分布式 NVMe 池中，因此副本可以在经济高效的实例上以接近本地磁盘的速度重用缓存。
LLM optimization integration for Amazon SageMaker Python SDK
Amazon SageMaker Python SDK v3 现在直接在您的笔记本中公开 Amazon SageMaker AI 中的生成式 AI 推理建议。对端点进行基准测试，生成数据驱动的部署建议，并部署推荐的配置，而无需离开笔记本工作流程。
Deploying Kimi K3 on Amazon SageMaker HyperPod and Amazon EKS
本文将介绍如何使用两种方法在 AWS 上部署 Kimi K3：Amazon SageMaker HyperPod 和 Amazon Elastic Kubernetes Service (Amazon EKS) 集群。
How Boomi Scribe streamlines documentation using AWS
Boomi Scribe 是 AWS 上的人工智能代理，可自动生成企业集成工作流程的文档。了解 Boomi 如何使用 Amazon Bedrock、Amazon SageMaker AI、Amazon S3、Amazon DynamoDB 和 AWS Lambda 解析集成 DAG、生成详细文档以及大规模比较组件版本。
Accelerating aircraft IFEC diagnostics with agentic AI on AWS
Panasonic Avionics 与 AWS 和 AWS Generative AI 创新中心合作，在 Amazon Bedrock、Amazon SageMaker 和 AWS Glue 上构建代理 AI 系统，用于诊断全球机队的机上娱乐和连接 (IFEC) 问题，将诊断时间从几小时缩短到几分钟，同时保持准确性。
How Jumio built a real-time feature store on AWS
了解 Jumio 如何使用 Amazon SageMaker Feature Store、Amazon Managed Service for Apache Flink 和 Amazon Kinesis Data Streams 在 AWS 上构建集中式实时特征存储。该架构提供了 100 毫秒以下的欺诈检测功能，每年可节省约 120,000 美元。
How OneAdvanced deployed over 50 AI agents on UK-sovereign AWS
了解英国企业软件提供商 OneAdvanced 如何通过在 Amazon SageMaker AI 上自托管 Llama 4 Maverick 和 Llama Guard 4、在 pgvector 上使用 RAG 管道以及在 Amazon ECS 上使用 Strands Agents SDK 构建的 50 多个代理来构建英国主权 AI 平台。
