Amazon Elastic Compute Cloud
PulseAugur coverage of Amazon Elastic Compute Cloud — every cluster mentioning Amazon Elastic Compute Cloud across labs, papers, and developer communities, ranked by signal.
- 2026-06-30 product_launch AWS launched new Graviton5-powered EC2 instances (C9g and C9gd) for AI and HPC workloads. 来源
9 天有情绪数据
-
DevOps Open Agent 通过 Qdrant 驱动的 RAG 获得记忆功能
DevOps Open Agent 已更新，增加了记忆功能，使其能够存储和检索过去的调查上下文。此功能利用了 Qdrant 的检索增强生成 (RAG) 技术，来嵌入和保存与 Kubernetes 和 AWS 相关的已完成调查。当用户发起新调查时，该代理可以访问类似的过往案例，提供关于反复出现的根本原因和成功修复的上下文信息，从而为 DevOps 团队建立机构记忆。该系统支持自托管，允许用户自带 Qdrant 实例，并可以与 OpenA…
-
Amazon SageMaker AI 推出多轮强化学习新服务
Amazon SageMaker AI 推出了新的多轮强化学习 (MTRL) 服务，旨在训练能够处理复杂、顺序任务的智能体。该服务旨在简化开发能够与工具交互、从错误中恢复以及从多步骤过程中学习的智能体的过程。它提供了模块化智能体-环境接口、无服务器执行、异步推出和原生算法库等功能，同时还提供了对训练指标的可观测性。
-
LINE MAN Wongnai 将 AI 服务器成本削减 9 倍，应用速度提升 4 倍
LINE MAN Wongnai 已将其 AI 服务器成本显著降低了 9 倍，并将应用程序速度提高了 4 倍。这是通过其 MLOps 方法的战略性转变、优化资源利用率和采用更高效的硬件来实现的。该公司利用 Kubernetes 和 Docker 等技术，以及 AWS 等云服务来有效管理其基础设施。
-
AWS推出支持Graviton5的EC2实例，用于AI编排
Amazon Web Services (AWS) 发布了新的Graviton5驱动的EC2实例C9g和C9gd，专为AI推理、高性能计算和分析而设计。与前几代相比，这些实例提供了改进的性能、内存和I/O能力。AWS强调，虽然GPU对于训练和大规模推理至关重要，但CPU在AI编排、规划和多步工作流中变得越来越重要，并将这些新实例定位为不断发展的AI基础设施的关键组成部分。
-
AWS 推出用于自助式健康事件分析的 AI 代理
AWS 推出了 Chaplin，这是一个开源解决方案，旨在为 AWS Health 事件提供自助式分析。这个由 AI 驱动的系统利用 Amazon Bedrock 和模型上下文协议 (MCP) 中的代理，允许运维团队用自然语言查询健康通知。Chaplin 旨在减少对技术客户经理的事件解读依赖，并通过使团队能够独立分析影响和规划补救措施来加速决策。
-
DevOps Open Agent 增加了 OpenRouter 支持并支持 AWS Lambda/S3 调查
DevOps Open Agent 是一个开源的、由人工智能驱动的 DevOps 故障排除平台，现已扩展其功能。该平台现在支持 OpenRouter，允许用户通过单个 API 密钥访问超过 100 种不同的 LLM，从而避免供应商锁定。此外，AWS DevOps Agent 已得到增强，可以调查 AWS Lambda 函数和 Amazon S3 存储桶，提供有关安全状况和性能问题的见解。
-
NVIDIA 与 AWS 携手，通过新的 GPU 实例和向量搜索提升 AI 部署能力
NVIDIA 与 AWS 正在深化合作，以增强大规模 AI 部署能力。此次合作将 NVIDIA 的最新 GPU 技术，包括 RTX PRO 4500 Blackwell Server Edition GPU，集成到新的 Amazon EC2 G7 实例中，有望显著提升 AI 推理和数据分析的性能。此外，NVIDIA 的 cuVS 库现已成为 Amazon OpenSearch Serverless 中 GPU 加速向量索引的默认选项，…
-
AWS 首席执行官 Matt Garman：AI 将改变而非消除初级工作
AWS 首席执行官 Matt Garman 认为，AI 将改变而非消除工作岗位，特别是对初级员工而言。尽管亚马逊自身在自动化和裁员方面有所行动，Garman 强调了新岗位的创造和适应能力的重要性。他强调了亚马逊持续招聘实习生和应届毕业生的举措，这与对白领行业大规模失业的预测形成了对比。
-
Anthropic 发布可共享的代码构件以促进企业协作
Anthropic 为其 Claude Code 推出了“构件”（artifacts），允许开发者从其 AI 生成的代码和对话上下文中创建可共享、可更新的视觉页面。此功能使团队能够轻松共享代码模块和输出，作为完整应用程序开发和托管的轻量级替代方案。此举符合 AI 公司将其服务范围从核心模型扩展到包括类似云的功能这一更广泛的行业趋势，例如竞争对手 OpenAI 提供的 Codex 网站。
-
Anthropic 的 Claude Code 引入可共享的工件，模仿云服务提供商
Anthropic 为其 Claude Code 产品推出了一项名为“工件”（artifacts）的新功能，允许用户从编码会话中创建可共享的、可视化的网页。此举将 Anthropic 定位为一家小型云服务提供商，提供的服务超越了单纯的模型，还包括托管和管理功能。工件功能使用户能够构建和共享交互式内容，类似于一个独立的编码模块或可重用代码片段库，与传统应用程序相比，其管理需求更少。
-
Amazon SageMaker AI 通过容器缓存加速模型扩展
Amazon SageMaker AI 推出了容器缓存功能，以加速推理过程中的模型扩展。此新功能通过消除新实例预配时下载容器镜像的时间，将生成式 AI 模型的端到端延迟最多降低 51%。对于大型模型和复杂工作负载，此改进尤为显著，在测试案例中将启动时间从 525 秒缩短至 258 秒。
-
Gemma 12B 模型已部署到配备 NVIDIA L4 GPU 的 AWS EC2 上
本文详细介绍了在利用 NVIDIA L4 GPU 的 AWS EC2 实例上部署 Gemma 12B 语言模型的过程。它作为分步指南，为设置此配置的用户提供调试帮助。部署涉及使用特定的 Python MCP 工具来促进集成。
-
AWS SageMaker 支持使用 FHE 进行加密的机器学习推理
Amazon SageMaker AI 现在支持使用全同态加密 (FHE) 进行端到端加密的机器学习推理。这使得敏感数据（如医疗记录或专有业务信息）可以在云中进行处理，而无需解密，即使对 SageMaker 本身也是如此。这项新功能利用了 concrete-ml 库，与之前需要使用低级库手动实现的旧方法相比，它提供了更灵活、更高级别的方法。
-
Amazon Quick 集成 KDB-X，实现自然语言市场数据分析
Amazon Quick，一项由生成式 AI 驱动的商业智能服务，已与 KDB-X 的模型上下文协议 (MCP) 服务器集成。此次集成使金融分析师能够使用自然语言查询时间序列市场数据，无需复杂的数据库查询。该系统将对话式问题转换为 SQL 语句，然后通过 MCP 服务器在 KDB-X 数据库上执行。Amazon Bedrock AgentCore Gateway 作为身份验证和路由层，Amazon Cognito 处理用户身份。
-
CodeGraph AI 编码工具部署在 AWS 上，并附带 SQLite 同步解决方案
本文详细介绍了 AI 编码代理工具 CodeGraph 在 AWS EC2 和 EFS 上的实现。作者描述了 CodeGraph 如何使用基于 SQLite 的知识图谱来提高代码导航效率，与 grep 等传统方法相比，减少了工具调用和 token 使用量。文章概述了其架构、收益（如影响分析和精确代码片段检索）以及遇到的挑战，特别是关于共享 EFS 环境中 SQLite 的并发写操作。
-
Azercell 在 SageMaker 上训练阿塞拜疆语 LLM 并优化分词器
Azercell Telecom 与 AWS Generative AI Innovation Center 合作，开发了一个在 Amazon SageMaker AI 上训练阿塞拜疆语大型语言模型的框架。该项目专注于克服数据量有限的形态丰富语言所带来的挑战，通过内核优化实现了 23% 的训练吞吐量提升和 58% 的 GPU 内存使用量减少。该项目还引入了一个自定义分词器，通过将适合模型上下文窗口的阿塞拜疆语文本量加倍，提高了分词效率。
-
开发者集成 Claude AI 调试 AWS 部署
一位开发者找到了一种方法，可以直接在 Amazon Web Services (AWS) Elastic Compute Cloud (EC2) 实例中使用 Anthropic 的 Claude AI 模型。这种集成允许用户利用 Claude 的能力来调试和解决云部署问题，特别是当应用程序在本地环境中运行正常，但在部署到云端后出现故障时。
-
AWS 推出 AgentWatch 以进行主动式基础设施监控
AWS 推出了 AgentWatch，这是一种旨在主动监控 AWS 资源的新型环境代理。该系统旨在克服 CloudWatch 警报等反应式监控工具的局限性，这些工具通常触发过晚，导致团队不断地处理问题。AgentWatch 可持续观察基础设施、分析模式，并将可操作的见解直接提供给 Slack，同时还能响应有关基础设施状态的自然语言查询。
-
公司混沌测试LLM API调用，发现代价高昂的故障
一家公司在CI/CD管道中因非托管的LLM API调用而经历了显著的成本超支和构建时间延迟。向其Buildkite代理集群注入故障后发现，默认的SDK重试逻辑和缺乏断路器导致了过度的支出，尤其是在使用大型提示时。实施像Bifrost这样的网关解决方案，它位于代理和LLM提供商之间，通过启用回退到不同模型并提供每个管道的LLM支出可见性，帮助缓解了这些问题。
-
EC2 上的 Claude Code 认证问题通过配置修复解决
用户在使用 AWS EC2 实例上的 Claude Code 时遇到了认证问题。问题并非出在端口配置，而是需要调整某特定配置行。用户找到了解决方案并分享出来，以帮助其他遇到类似认证问题的用户。