Category: Industries

在 2020 年 AWS re:Invent 大会上，我们预览了 Amazon HealthLake，这是一项完全托管、符合 HIPAA 标准的服务。医疗保健和生命科学客户可以利用此服务将来自不同孤岛和不同格式的健康信息汇总到结构化的集中式 Amazon 数据湖，并通过分析和机器学习 (ML) 从这些数据中获取洞察。今天，我非常高兴地宣布，Amazon HealthLake 正式发布，可供所有 Amazon 客户使用。

借助Amazon SageMaker Autopilot，您只需要准备好您的数据，就可以轻松实现优化广告投放策略、预测玩家流失等优化运营的需求。

国内大部分半导体设计公司都面临缺少CAD工程师的局面。缺少CAD团队影响设计效率成为一个日益显著的问题。缺少CAD团队意味着缺少开发设计流程工具，缺乏流程管理，无法为作业失败后的日志分析提供良好的排查指导。本文以回归测试举例，阐述在回归测试过程中，当作业失败，需要针对异常状况进行分析时，提供一个简单的排查流程指导。各位可以根据公司自身的状况进行定制化设计，并通过异常分析流程在缺少CAD团队的情况下提升开发效率。

今天，我很高兴宣布推出 Amazon Lookout for Vision，这是一项新的机器学习 (ML) 服务，可帮助工业环境中的客户以简单且经济高效的方式检测生产单元和设备上的视觉缺陷。

Synopsys 和 AWS 意识到随着半导体技术的进步不断推高每个芯片的复杂性，客户数据中心面临着满足日益增长的资源需求的挑战。 OPC 很适合利用 AWS 云的无限计算规模，因为计算可以并行化。Synopsys 和 AWS 决定启动一项联合调查，以确定 Synopsys Preteus 如何在 AWS 上扩展。

使用电子设计自动化 (EDA) 应用程序的半导体和电子产品公司可以通过利用 AWS 上近乎无限的计算、存储和其他可用资源，大大加快其产品开发生命周期和上市时间。在这篇工作负载支持的博客文章中，我将提供架构(Scale-Out Computing on AWS)和系统级指导，以构建能够将 EDA 应用程序扩展到 30000 个或以上核心的环境。

本博客介绍了如何使用此参考架构构建自动驾驶数据湖。我们讨论的工作流范围从如何提取数据、为机器学习准备数据、将 ADAS 系统和车辆传感器的输出进行编目、对其进行标注、自动检测场景，到管理那些将其移动到有组织的数据湖构造所需的各种工作流。开发 AWS 自动驾驶和 ADAS 数据湖参考架构之前，我们曾与众多客户合作应对实现这一目标所面临的挑战。

本文主要介绍AWS如何与NetApp结合，在企业内部IT环境和公有云的EDA混合架构的场景下，提供高性能、高安全和可扩展的企业级统一数据存储，帮助客户更快更好的进行研发，随时随地从云上和云下的数据中发掘更多价值。

为EDA行业客户提供安全、高效、一致性的图形界面接入体验，解决用户在设计、开发和测试过程中对Linux 图形界面的需求。

欢迎阅读我们的第一篇半导体和电子的博客！这篇文章以及未来陆续发布的其他文章将帮助AWS客户和合作伙伴及时了解AWS半导体和电子团队的活动，并为在AWS上运行半导体和电子工作流程提供规范指导。我们的团队成员分布在全球各地，致力于帮助全球客户加速其关键的半导体工作流程，包括从前端设计和验证，到后端制造、封装和组装的全部流程。我们的团队由行业领导者组成，每个行业领导者在半导体和电子行业都有数十年的经验。我们利用这种经验来指导客户，从他们最初的AWS入门到运行他们的第一个生产工作负载。