基于 Amazon SageMaker HyperPod 与 SkyRL 加速多模态强化学习训练
该实践指南介绍了如何在 Amazon SageMaker HyperPod 上运行开源强化学习框架 SkyRL，采用 GRPO 算法对 Qwen3-VL-8B 视觉语言大模型进行后训练。内容涵盖构建容器镜像、通过 SageMaker Studio 启动 Ray 分布式集群、提交与监控训练作业，以及最终部署和托管训练所得的 LoRA 适配器以进行推理。
DC AI 热点
全部 AI 动态
9月26日2026-09-26
NarrateAI在Amazon Bedrock上实现生产级大模型质量保证方案
NarrateAI展示了基于Amazon Bedrock构建生产就绪的大语言模型质量保证（QA）体系。该方案详细介绍了五项核心技术：自适应流水线编排、跨账户多模型故障转移、实时流式评估、复合评估以及数据准确性验证。通过这些技术组合，系统在保障实时流式响应输出的同时，使数值准确率达到了约99%，为大模型生产落地提供了高可靠的质检参考。
在 Amazon SageMaker AI 上部署 Qwen3-TTS 实现实时个性化语音合成
Amazon SageMaker JumpStart 现已支持部署开源的 Qwen3-TTS-12Hz-1.7B-Base 文本转语音模型至全托管的实时终端节点。开发者可利用简短的参考音频片段快速完成声音克隆，且该模型具备跨语言克隆能力，能在不同语种切换时稳定保留说话人的独特音色特征，为构建高保真、个性化的多语言实时语音交互应用提供了便捷的落地路径。
9月25日2026-09-25
Datacor利用Amazon QuickSight构建自助式租赁分析平台
Datacor通过在其TrackAbout平台中嵌入Amazon QuickSight仪表板和自然语言查询功能，为气体及焊接分销商打造了自助式租赁分析体验。该解决方案依托自动化跨云数据管道与多租户行级安全机制构建，使客户能够更便捷地通过自然语言提问与交互式图表获取资产追踪和租赁业务洞察。
基于 Amazon SageMaker AI 和 WhisperX 实现带说话人标签的语音转录
AWS 推出了 WhisperX 深度学习容器，将 Whisper、wav2vec2 强制对齐与说话人分离技术打包为 GPU 就绪镜像。开发者可将其部署至 Amazon SageMaker AI 的实时或异步端点，实现带发言人标识的词级别精确语音转录。该方案还涵盖了生产环境落地的关键细节，包括 GPU AMI 锁定配置、自动伸缩方案以及成本控制策略。
阅读原文 ↗推荐理由：提供了将开源先进的 WhisperX 语音识别与说话人分离能力快速部署到 AWS 生产环境的实操方案。# WhisperX# Amazon SageMaker# 语音转录# 说话人分离# AWS
基于 AgentCore Gateway 与 MCP 构建多账户企业级 AI Agent
本文介绍了一种结合 Amazon Bedrock AgentCore Gateway 与 MCP（模型上下文协议）构建多账户 AI Agent 的架构方案。该架构将各业务团队的数据独立保存在各自的 AWS 账户中，并通过部署 MCP 服务器对外提供接口；中央平台账户则负责运行 AI Agent，既实现了跨部门数据的统筹查询，又保障了跨账户安全访问与细粒度授权控制。
Aderant 基于 Amazon Nova 构建智能工单分诊系统
软件服务商 Aderant 借助 Amazon Bedrock 平台上的 Amazon Nova Lite 模型，为其云运营团队打造了一套智能工单分诊处理系统。该系统实现了上下文信息收集、工单分类、路由分发以及知识库内容扩充的端到端自动化，有效帮助其云运维团队提高问题处理与流转效率，展示了轻量级大模型在企业日常运维场景中的落地实践。
阅读原文 ↗推荐理由：展示了 AWS 最新的 Amazon Nova 模型在企业运维工单自动化分发与处理中的实际应用案例。# Amazon Nova# Amazon Bedrock# Aderant# 智能工单# 企业AI应用
9月24日2026-09-24
荷兰零售商 HEMA 基于 Amazon Bedrock 与 MCP 构建内部 AI 助手 HAL
荷兰百年零售巨头 HEMA 借助 Amazon Bedrock AgentCore 构建了名为 HAL 的内部 AI 助手，以解决员工频繁切换系统门户查找信息的痛点。HAL 采用模型上下文协议（MCP），直接在团队现有的日常工具内提供受治理的企业知识与即时解答。该方案强化了安全架构，客户端无需配置 AWS 凭证，而是统一由 Microsoft Entra ID 保障身份与访问安全。
基于 AWS 构建 Agent 驱动的对话式视频智能分析方案
该方案展示了如何在 AWS 上利用智能体架构构建对话式视频智能分析系统。系统通过 Strands Agents SDK 构建单一智能体，在运行时动态编排 Amazon Bedrock、Amazon Rekognition 和 Amazon Transcribe 等多项服务，自主决策调用对应模块，使用户能够通过自然语言对视频内容提问，并在数秒内获得精准解答。
基于 Amazon Bedrock 与开放权重模型构建 AI 编码智能体
本文介绍了如何将开源终端原生 AI 编码智能体 OpenCode 与 Amazon Bedrock 上的开放权重模型结合，打造安全、灵活且按需付费的代码助手。开发者可以配置多模型工作流，为不同任务匹配适合的模型，并在无需管理底层基础设施的情况下，将所有数据保留在自己的 AWS 账户内，兼顾开发效率与数据安全性。
阅读原文 ↗推荐理由：展示了开源终端智能体与云端托管开源模型的工程结合方案，为开发者提供了私密安全的低成本编程助手实践。# AI编码# Amazon Bedrock# 智能体# OpenCode# 开源
9月23日2026-09-23
GPT-6 Sol 与 GPT-6 Luna 正式上线 Amazon Bedrock
GPT-6 Sol 与 GPT-6 Luna 模型现已在 Amazon Bedrock 平台正式全面可用（GA）。这两款新模型的引入，旨在帮助开发者和企业用户根据不同业务工作负载的具体需求，更灵活地在智能水平与运行效率之间进行权衡和匹配，从而为日常工作流及各类生产力场景提供更多样化的生成式 AI 模型选择。
Anthropic 旗舰大模型 Claude Opus 5.5 正式上线 AWS
Anthropic 旗下性能最强的大模型 Claude Opus 5.5 现已在 Amazon Bedrock 以及 AWS 上的 Claude Platform 正式上线。该模型专为智能体编程、复杂知识工作和长周期任务设计。开发者目前可以通过 Amazon Bedrock 快速接入并构建基于 Opus 5.5 的企业级 AI 应用。
使用 Strands Evals 与 Amazon Bedrock AgentCore 评估智能体技能执行能力
在智能体开发中，技能（Skills）可将特定领域流程编码为可复用的便携指令，但仅凭流畅的回答无法证明智能体选择了正确的技能或严格遵循了指令。本文介绍了如何利用 Strands Evals 与 Amazon Bedrock AgentCore 评测体系，量化衡量智能体在实际任务中的技能选择准确性及指令遵循能力，为构建可靠的智能体应用提供系统化评测方案。
9月22日2026-09-22
Reactiv利用Amazon Bedrock构建多智能体系统，提升移动电商自动化效率80%
移动电商平台Reactiv基于Amazon Bedrock AgentCore开发了多智能体AI调度器（AI Scheduler）。该系统能够按照设定计划自主刷新Shopify商家的移动端应用程序内容与配置。这一应用帮助商家减少了80%的配置耗时，并使产品投产上线速度提升了33%，展示了多智能体技术在电商运维自动化中的实际落地价值。
利用 Amazon SageMaker AI 并发扫描功能优化生成式 AI 端点算力配置
Amazon SageMaker AI 推出并发扫描功能，帮助用户在不同负载水平下系统性基准测试生成式 AI 端点，以实现算力资源的合理配置（Right-sizing）。文章详细介绍了模型部署流程，以及如何利用 CreateAIBenchmarkJob API 运行自动化并发测试，并根据测试结果在算力集群规模（Fleet Size）和容量规划上做出基于数据的决策。
Trane基于Amazon Bedrock AgentCore将建筑诊断洞察效率提升60倍
Trane Technologies在约四周时间内，基于Amazon Bedrock AgentCore构建了一套AI智能体解决方案。该方案将原本需要花费20分钟、涉及多个屏幕的传统建筑诊断复杂工作流，简化为仅需20秒的自然语言交互，使获取建筑运行洞察的时间效率提升了60倍。相关内容详细介绍了该解决方案的系统架构方法与关键设计决策。
Tata Elxsi 基于 AWS 构建工业安全平台 IRIS，实现秒级风险检测
Tata Elxsi 基于 AWS 构建了实时工业安全平台 IRIS。该平台通过在边缘端对摄像头视频进行过滤，利用 Amazon Kinesis 传输元数据，并在 Amazon SageMaker AI 上运行计算机视觉模型，将检测结果关联为高置信度警报。该系统将不安全工况的检测时间从数分钟缩短至数秒，显著提升了工业现场的安全响应效率。
结合 Agentforce 与 AWS MCP 扩展公共部门智能数据处理能力
公共部门机构日常需处理大量如执法记录仪视频和扫描文档等非结构化证据。本文介绍了如何将 Amazon Bedrock 数据自动化与模型上下文协议（MCP）相结合，将这些非结构化多模态数据转化为结构化洞察，并通过自然语言在 Salesforce Agentforce 智能体平台中实现无缝查询与交互分析。
宝马集团基于AWS构建FinOps平台，实现1.4万个云账户成本异常检测
宝马集团旗下FinOps平台CLEA负责监控超过1.4万个云账户。该集团通过引入Prophet时间序列预测模型、AWS Step Functions以及无服务器架构流水线，新增了每日自动化成本异常检测能力。该方案将原有的被动式仪表盘监控升级为主动预警，并成功将全量账户的处理成本控制在每月约50美元。
Positron 集成至 Amazon SageMaker AI，支持统一数据科学工作流
Posit 推出的下一代数据科学集成开发环境（IDE）Positron 现已支持在 Amazon SageMaker AI 上运行。在统一且受监管的 SageMaker Studio Space 环境中，数据科学家可结合 Amazon Athena 探索数据，利用 R 语言验证特征，使用 Python 训练 XGBoost 模型，直接部署 SageMaker AI 实时推理终端，并通过 Quarto 生成结果报告，实现多语言端到端工作流协同。
Benchling 基于 Amazon Bedrock AgentCore 构建多租户 AI 智能体安全隔离架构
生命科学云平台 Benchling 详细介绍了其如何利用 Amazon Bedrock AgentCore Code Interpreter 的 VPC 模式，构建纵深防御安全架构。该方案结合了 Amazon Route 53 Resolver DNS 防火墙与 VPC 终端节点策略，能够在面向数千家生命科学客户的多租户环境中，安全运行由 AI 智能体生成的不可信科学代码，有效防止通过 DNS 等途径发生的数据外发与泄露风险。
EXL基于AWS推出医疗智能文档处理方案，大幅缩减理赔审核时间
EXL在AWS上构建了AI医疗智能文档处理（IDP）解决方案。该方案结合了Amazon SageMaker和Amazon Bedrock上的领域专属大语言模型，能够在企业级规模下高效提取、总结和查询医疗记录。该应用旨在解决传统医疗理赔审查耗时长的问题，将原本每例超过100分钟的审查时间显著缩短，提升业务处理效率。