亚马逊AWS官方博客
Category: Generative AI
2026 年纽约 AWS Summit 的热门公告
今天在纽约市 AWS Summit 上,AWS 代理式人工智能副总裁 Swami Sivasubramanian 发表了当天的主题演讲。
通过 AWS Transform 持续现代化(预览版)自动主动减少技术债务
今日,我们正式推出 AWS Transform 持续现代化(预览版),这是 AWS Transform 的全新功能,可大规模、自动化、持续开展技术债务分析和修复工作。AWS Transform 现已助力企业完成数据中心迁出、大型机与 Windows 应用程序现代化改造,同时处理各类标准化软件维护工作:升级 Java 版本、替换已废弃框架、在 AWS Lambda 运行时生命周期结束前完成更新。此次全新体验在此基础上进一步扩展。客户可全面查看数千个存储库的代码库现状、按优先级排序的调查发现,以及用于完成修复的拉取请求。
AWS 一周综述:AWS 上的 Claude Opus 4.8、配备 Kiro 能力包的 Aurora MySQL 等(2026 年 6 月 1 日)
AWS 上的 Claude Opus 4.8、配备 Kiro 能力包的 Aurora MySQL 等
AWS 一周综述:AWS Transform 上线一周年、AWS 云端 Claude Platform、EC2 M3 Ultra Mac 实例等(2026 年 5 月 18 日)
AWS Transform 上线一周年、AWS 云端 Claude Platform、EC2 M3 Ultra Mac 实例等
Amazon Redshift 推出带有集成数据湖查询引擎的基于 AWS Graviton 的 RG 实例
今天,我们宣布推出 Amazon Redshift RG 实例,这是一个由 AWS Graviton 提供支持的新实例系列。RG 实例提供更好的性能,运行数据仓库工作负载的速度最高可达 RA3 实例的 2.2 倍,而每个 vCPU 的价格则低 30%。借助这些实例的集成数据湖查询引擎,您可以通过单个引擎在数据仓库和数据湖中运行 SQL 分析,其性能最高可达适用于 Apache Iceberg 的 RA3 的 2.4 倍,速度最高可达适用于 Apache Parquet 的 RA3 的 1.5 倍。 Redshift RG 实例集速度、成本效率和集成数据湖查询引擎于一身,非常适合处理当今分析和代理式人工智能工作负载的高查询量和低延迟要求。
AWS 一周综述:Amazon Bedrock 中的 Claude Mythos 预览版、AWS 代理注册表等(2026 年 4 月 13 日)
Amazon Bedrock 中的 Claude Mythos 预览版、AWS 代理注册表等
新年快乐! AWS 一周综述:10,000 AIdeas 竞赛、Amazon EC2、Amazon ECS 托管实例等(2026 年 1 月 5 日)
BeSA 是一项免费的指导计划,由我和其他几位 Amazon Web Services(AWS)员工自愿发起,旨在帮助人们在云和人工智能职业生涯中取得突破。我们将从 2026 年 2 月 21 日开始针对“AWS 上的代理式人工智能”开启为期 6 周的课程。访问 BeSA 网站了解更多信息。
Amazon Nova Act 现已全面推出,助力构建可靠的人工智能代理,实现用户界面工作流程自动化
今天我们宣布 Amazon Nova Act 正式发布,这是一项全新的 Amazon Web Services(AWS)服务,旨在帮助开发人员构建、部署和管理可靠的人工智能代理集群,实现生产环境用户界面工作流程的自动化。Nova Act 在规模化应用中实现了超过 90% 的任务可靠性,相较于其他人工智能框架,它提供了最快的价值实现时间和最简便的实施流程。
推出 Amazon Nova Forge:使用 Nova 构建自己的前沿模型
今天,我们推出 Amazon Nova Forge,这是一项使用 Nova 构建自己的前沿模型的新服务。Nova Forge 客户可以从早期的模型检查点开始开发,将他们的数据集与 Amazon Nova 精选的训练数据进行混合,并将他们的自定义模型安全地托管在 AWS 上。Nova Forge 是构建自己的前沿模型的最简单、最具成本效益的方式。
推出 AWS Transform custom:通过人工智能驱动的代码现代化来消除技术债务
今天,我们兴奋地宣布推出 AWS Transform custom,这是一个全新的智能体,它将从根本上改变组织大规模进行现代化的方式。该智能代理结合了用于 Java、Node.js 和 Python 升级的预置转换功能与自定义转换定义能力。通过学习特定的转换模式并将其自动化应用到整个代码库,使用 AWS Transform custom 的客户在许多情况下实现了高达 80% 的执行时间缩减,从而让开发者能够专注于创新。





