在 AWS GovCloud (US) 中为 ChatGPT 桌面应用配置 Amazon Bedrock
ChatGPT 桌面应用现已在 AWS GovCloud (US) 的 Amazon Bedrock 上线，通过 Work 和 Codex 两个组件访问 OpenAI 前沿模型。
#教程/实践
AWS Machine Learning BlogAI 评分1818 AWS Machine Learning BlogAI 评分3838 Worldwide Express 如何用 Amazon Bedrock 实现货运异常自动化处理
Worldwide Express 基于 Amazon Bedrock 构建多智能体 AI 方案并接入其运输管理系统 SpeedShip，上线六个月后活跃异常减少 75%、回款周期缩短 4 周、年节省 100 万美元，并带来一次性 1000 万美元自由现金流。
Hugging Face BlogAI 评分4242 用 NVIDIA Nemotron 开源模型打造万圣节鬼屋：会说话的 MonsterHouse
NVIDIA 员工用 Nemotron Voice Agent 搭建了万圣节互动装置 MonsterHouse，让车库门以暴躁老海盗船的口吻与讨糖孩子对话。
AWS Machine Learning BlogAI 评分3636 用 Kiro 构建可重复的 PHP 到 Java 迁移引擎
Kiro 提供一套可复用的 PHP 到 Java 迁移引擎，由共享方法论、机械式发现扫描器和八阶段工作流组成，并以一致性校验工具验证 Java 移植结果。该引擎以 skill 文件形式打包，既可在 Kiro 中交互式逐应用执行，也可通过 AWS Transform 以智能体方式并行处理多个应用。扫描器先于翻译运行，输出单个 JSON 清单并将歧义项送入人工复核队列。
AWS Machine Learning BlogAI 评分3838 Epsilon 如何用 Amazon Nova Act 构建意图驱动的 UI 测试
Epsilon 的 Agentic Platform 团队基于 Amazon Nova Act 与 Amazon Bedrock AgentCore Browser，把意图驱动的 UI 测试做成多租户平台服务，叠加在原有 Playwright 回归套件之上。
AWS Machine Learning BlogAI 评分3434 在 Amazon EKS 与 SageMaker HyperPod EKS 上部署 NVIDIA Nemotron 模型加速智能体 AI
NVIDIA Nemotron 3.5 Super VL 已登陆 AWS，这是一个 120B 参数的 MoE 多模态模型，每 token 激活 12B 参数，支持最长 1M token 上下文和文本、图像、文档、视频输入。
AWS Machine Learning BlogAI 评分4040 MoEngage 如何用 AgentCore Gateway 将 400 多个 API 变成智能体工具
MoEngage 借助 Amazon Bedrock AgentCore 的 AgentCore Gateway，把约 400 个 VPC 私有 REST API 转成权限受控的智能体工具，节省约六个月平台工程投入，新 API 接入从数天缩短到数小时。
AWS Machine Learning BlogAI 评分2525 Amazon Nova Act 驱动的 QA Studio 新增应用管理与团队权限功能
基于 Amazon Nova Act 构建的 QA Studio 新增应用（applications）与团队用户管理两项能力，用于在组织内规模化扩展智能体 QA 自动化。
AWS Machine Learning BlogAI 评分2222 在 EKS 上用 Ray Train DLC 和 EFA 做分布式训练
AWS 发布 Ray Train DLC 镜像 public.ecr.aws/deep-learning-containers/ray:train-ml-cuda-v1.1，内置 Ray 2.58.0、PyTorch 2.13.0、CUDA 13.0.2、NCCL 2.29.7 及 EFA 与 AWS OFI NCCL 插件，无需自行构建镜像。
AWS Machine Learning BlogAI 评分3434 在 Amazon Bedrock AgentCore 上构建企业级 Agentic AI 平台
AWS 发布基于 Amazon Bedrock AgentCore 的企业级 Agentic AI 平台蓝图，采用联邦式运营模型，由中央 Platform 团队提供受治理的共享服务，各 Workstream 团队保留对自身智能体的所有权。
AWS Machine Learning BlogAI 评分5858 Exowatt 用 SageMaker 无服务器微调让 Qwen3 小模型在准确率上超过前沿模型
Exowatt 借助 Amazon SageMaker AI 无服务器模型定制，用同一套流水线微调出面向边缘和云端的两个模型，在各自任务上准确率均超过前沿模型。
AWS Machine Learning BlogAI 评分5858 Property Finder 如何修正 Amazon Bedrock 上的评测偏差并选出更优模型
Property Finder 发现其评测标签中 96.8% 直接来自现有视觉语言模型的预测而非人工核验，导致任何替代模型在比较中处于结构性劣势。
AWS Machine Learning BlogAI 评分3434 用 SageMaker SDK v3 在边缘端管理车队级计算机视觉模型生命周期
AWS 发布基于 Amazon SageMaker Python SDK v3 的车队级边缘计算机视觉模型生命周期方案，用 SageMaker Neo 取代已弃用的 SageMaker Edge Manager 做边缘优化。
AWS Machine Learning BlogAI 评分3434 用 AWS CDK 在 Amazon Bedrock Managed Knowledge Base 上构建智能体检索
本文介绍如何用 AWS CDK 在 Amazon Bedrock Managed Knowledge Base 上部署企业级智能体检索系统。
AWS Machine Learning BlogAI 评分5050 告别“土拨鼠之日”：在 Amazon Bedrock 上使用 OpenAI 模型的提示词缓存模式
针对 AI 智能体每轮都要重读全部上下文的“土拨鼠之日”困境，Amazon Bedrock 的提示词缓存可复用已保存的 KV 状态，只对新增内容计费。缓存支持隐式与显式两种模式，显式模式通过 prompt_cache_breakpoint 标记可复用前缀，且前缀需达到 1,024 tokens 才生效。
AWS Machine Learning BlogAI 评分4646 在 Amazon SageMaker AI 上进行多轮强化学习：实战指南
Amazon SageMaker AI 的多轮强化学习（MTRL）通过 AgentCore 托管智能体、按整局结果给奖励来训练模型，示例中把 gpt-oss-20b 在留出词上的解谜率从 61% 提升到 84%（默认推理强度），低推理强度下从 15% 提升到 69%，训练 token 成本约 339 美元。
AWS Machine Learning BlogAI 评分3838 Bayer Crop Science 如何用 Amazon Bedrock AgentCore 与 AWS Unified Operations 构建智能体决策引擎
Bayer Crop Science 在 Amazon Bedrock AgentCore 上构建了智能体决策引擎 ADE，作为 CDE 之上的多智能体自然语言接口，第一阶段约 80% 的用户问题无需工程师介入即可解决。
AWS Machine Learning BlogAI 评分2222 用 AWS CDK 编排 SageMaker AI 端点自动扩缩容
针对 SageMaker AI 实时端点更新配置时因扩缩容目标已注册而部署失败的问题，AWS 给出一个可复用的 CDK construct，用 CloudFormation 自定义资源在端点更新前后自动完成注销与重新注册扩缩容。
Hugging Face BlogAI 评分5252 微软与 Hugging Face 用 ThinkingBox 把数据库校验转为 RL 奖励训练 Agent
微软与 Hugging Face 发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的可执行校验当作 RL 奖励，对 Qwen3.8-27B 做 50 步 GRPO 全参数微调。
AWS Machine Learning BlogAI 评分4848 在 Amazon SageMaker AI 上用 Kokoro TTS 为 AI 智能体流式输出低延迟语音
在 Amazon SageMaker AI 上托管的 Kokoro-82M 文本转语音模型可按句流式合成，让 AI 语音智能体在第一句生成后就开始播放音频，而不必等完整回复结束。该模型仅 8200 万参数，可运行在单台 ml.g5.xlarge GPU 实例上，容器同时提供 POST /invocations 与 WebSocket 双向流两条路径。
AWS Machine Learning BlogAI 评分2222 在 HIPAA 合规环境中部署 AI：Amazon Quick 的 PHI 数据治理能力
Amazon Quick 是 AWS 的 HIPAA-eligible 服务，其 Web、桌面和移动客户端均可在签署 AWS BAA 后处理 PHI。该平台的 chat agent 可跨临床笔记等非结构化内容和理赔、会员记录等结构化数据执行多步任务，并通过 connectors 和 MCP 连接外部系统。
AWS Machine Learning BlogAI 评分3636 IskayPet 如何用 Amazon Bedrock Managed Knowledge Bases 统一企业知识
IskayPet 基于 Amazon Bedrock Managed Knowledge Bases 构建企业知识助手，覆盖零售运营、兽医护理、人事入职和采购，支持四种语言、三个国家，无需自建 RAG 基础设施。
AWS Machine Learning BlogAI 评分3636 Rescale 如何用 Strands Agents 和 AI-DLC 构建 AI 分诊智能体
Rescale 基于 AWS 的 AI-DLC 框架构建了 AI 分诊智能体，从问题定义到预发部署仅用五天，数周内进入生产。
AWS Machine Learning BlogAI 评分3131 别再猜 Amazon SageMaker AI 上 TTS 的自动扩缩容目标值
针对自托管 TTS 端点自动扩缩容目标值靠猜的问题，AWS 在 Amazon SageMaker AI 实时端点上部署 82M 参数的 Kokoro-82M 自定义容器，用实测的 Q_max（单实例在 SLO 内可承受的最高并发）和 T_total（一次扩容端到端耗时）通过算术推导出扩容阈值、缩容阈值和两个冷却时间。
AWS Machine Learning BlogAI 评分6060 AWS 团队总结多智能体系统上生产的 5 个挑战及 Deep Insight 的解法
AWS 解决方案架构团队开源了多智能体数据分析系统 Deep Insight，并梳理生产化过程中的五个核心挑战：跨智能体执行流控制、各角色 LLM 选型、生产运行、AI 生成代码的安全执行与系统监控。
AWS Machine Learning BlogAI 评分2020 如何用 AWS PrivateLink 让 Amazon Quick 从企业内网安全访问数据
AWS 发布方案，通过 AWS PrivateLink 的 VPC 端点与 Quick 的 VPC 连接，让 Amazon Quick 在不经过公网的情况下访问企业防火墙后的本地数据源。
AWS Machine Learning BlogAI 评分4747 基于 Strands Agents 的自适应智能体框架 AAIF：用本地 SLM 分流请求降低云端成本
基于 Strands Agents 构建的自适应智能体智能框架 AAIF 将请求分为三层处理：由 1B 参数的 llama3.2:1b 作为编排器分类请求，常规任务交给 Ollama 本地运行的 SLM（含 llama3.2-vision 视觉分析），复杂分析则经 boto3 路由至 Amazon Bedrock 的前沿模型。
AWS Machine Learning BlogAI 评分3434 在 AWS Trainium 上用 torchtitan 训练 Qwen3
在单台 trn2.48xlarge 上，torchtitan 可通过 TorchNeuron 将 Trainium 注册为原生 PyTorch 设备，以三种方式训练 Qwen3-4B-Instruct-2507：Transformers v5 后端、torchtitan 原生 Qwen3 实现，以及接入 NKI MoE kernel。
AWS Machine Learning BlogAI 评分2222 U.S. Hunger 如何用 Amazon Quick 连接领导层与数据
美国非营利组织 U.S. Hunger 借助 Amazon Quick 让领导层直接探索组织数据，并通过 Quick Spaces 共享 KPI 定义、财务文档与分析，减少反复向技术团队提数据需求。Quick 每晚 2 点（美东时间）将 SQL Server 数据刷新至内存引擎 SPICE，目前组织内 17 名同事已获得访问权限，覆盖高管、技术、Full Cart 项目、财务与合规等团队。
Hugging Face BlogAI 评分5858 VocabX 如何通过词表专门化将小模型推理成本降低 77%
Dharma-AI 预告即将发布的 VocabX 论文，提出按 token 成本而非词频重建领域模型词表，在基于 Qwen3-4B 的葡萄牙语作文评分器上将实测推理成本降低 77.0%，平均回复从 350 个 token 降到 101 个，bench 分数从 0.703 升到 0.810。
Hugging Face BlogAI 评分3232 TorchNeuron 性能剖析（一）：在 AWS Trainium 上做系统级性能分析
Hugging Face 博客发布《Profiling TorchNeuron》系列第一篇，讲解如何在 AWS Trainium 上用 TorchNeuron 系统分析推理性能。
AWS Machine Learning BlogAI 评分3434 i14 的 Laplace 3B 线性注意力模型如何在 AWS Trainium2 上用原生 PyTorch 训练与推理
i14 与 AWS 合作，通过 TorchNeuron Native 的原生 PyTorch 支持，将采用 Gated Linear Attention 的 Laplace 3B 线性注意力模型移植到 AWS Trainium2，其循环状态固定为每序列 29.5 MB、不随上下文长度增长。
AWS Machine Learning BlogAI 评分3636 Octave 如何基于 Amazon Bedrock 构建安全的多租户 AI 基础平台
Octave 在 Amazon Bedrock 上用 Cohere Embed v4 构建了面向 Reliance 质量管理系统（服务超 650 家企业客户、覆盖 180 个国家）的多租户 AI 基础平台，将单个用例的部署时间缩短 50%。
AWS Machine Learning BlogAI 评分3636 在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B 实现多语言推理
开源推理模型 GPT-OSS-20B 默认用英语思考，在 50 例多语言推理测试中仅 22% 用目标语言推理（英语 100%、法语 0%、德语 10%、西班牙语 0%、意大利语 0%）。
AWS Machine Learning BlogAI 评分3636 用 Amazon Quick 与 Amazon Bedrock AgentCore 构建对话式供应链智能
Amazon Quick 与 Amazon Bedrock AgentCore 组合，把企业 MCP 服务器变成可组合工具层，让供应链管理者用自然语言跨系统提问并直接获得可执行答案。演示中一次查询识别出 TechComp 停产影响 23 笔订单、75 万美元营收面临风险，并自动串联治理与报价 MCP 生成紧急 RFQ。所有变更需指定人工审批，同一流程可由定时任务或供应商邮件触发。
AWS Machine Learning BlogAI 评分3838 Smartsheet 在 AWS 上线 MCP Server，AI 智能体可读写工作表
Smartsheet 正式发布 MCP Server，AI 助手可通过标准化协议读取、写入和管理 Smartsheet 数据，覆盖超过 40 个工具，用于探索、创建和管理 sheet、行、列与自动化。该服务提供三个区域端点，支持 OAuth 2.0 或 Personal Access Token 认证，可接入 Amazon Quick 和 Kiro 等 MCP 客户端。
OpenAI NewsAI 评分2020 Schlotzsky’s 与 Cinnabon 加盟商借助 ChatGPT Work 将现金对账时间缩短 94%
一家独立经营 Schlotzsky’s 和 Cinnabon 的加盟商借助 ChatGPT Work 将现金对账时间缩短 94%，菜单重新定价时间减少 95%。该加盟商还搭建了一套工作流，有望释放 10 万美元现金流。
AWS Machine Learning BlogAI 评分2626 用 AtScale 和 Amazon Bedrock AgentCore 在 AWS 上为智能体 AI 构建语义层
AWS 博客演示以 AtScale 作为语义层、在 Amazon Bedrock AgentCore 上运行 Strands 智能体的 Customer 360 方案，AtScale 模型基于 YAML 的 SML 规范并以 Git 版本化管理，同时通过 SQL、XMLA 和 MCP 三种协议对外暴露。
AWS Machine Learning BlogAI 评分3232 用 Strategy Mosaic 和 Amazon Bedrock AgentCore 在 AWS 上为智能体 AI 构建语义层
AWS 发布系列第三篇教程，演示用 Strategy Mosaic 作为语义层、在 Amazon Bedrock AgentCore 上运行 Strands 智能体，跨 Amazon Redshift 与 Amazon Aurora 构建 Customer 360 模型，无需 ETL。
AWS Machine Learning BlogAI 评分2222 用 Denodo 和 Amazon Bedrock AgentCore 在 AWS 上为智能体 AI 构建语义层
本文演示用 Denodo Platform 作为语义层、配合 Amazon Bedrock AgentCore 托管智能体，联邦查询 Amazon Aurora、Amazon Redshift 和本地 PostgreSQL 三处数据源。