亚马逊AWS官方博客

在 Amazon SageMaker HyperPod 上推出无检查点和弹性训练

今天,我们宣布在 Amazon SageMaker HyperPod 中推出两项全新的 AI 模型训练功能:无检查点训练 和 弹性训练。前者通过启用点对点状态恢复,减少了对传统基于检查点的恢复方式的依赖;后者则使 AI 工作负载能够基于资源可用性自动扩展。

Amazon SageMaker AI 中的新无服务器定制加速模型微调

今天,我很高兴宣布,Amazon SageMaker AI 针对 Amazon Nova、DeepSeek、GPT-OSS、Llama、Qwen 等热门 AI 模型,推出了全新的无服务器模型定制功能。这项新的定制能力提供了易于使用的界面,支持强化学习等最新的微调技术,使您能够将 AI 模型定制流程从数月缩短至数天。

Amazon Bedrock 增加了强化微调功能,简化了开发人员构建更智能、更准确的 AI 模型的方式

今天,我们宣布在 Amazon Bedrock 中推出强化微调功能。这是一项全新的模型定制能力,可创建更智能、更具成本效益的模型。这些模型能够从反馈中学习,并为特定业务需求提供更高质量的输出。强化微调采用反馈驱动的方法,模型根据奖励信号进行迭代改进,其准确率平均比基础模型提升 66%。

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。

Amazon GuardDuty 新增了针对 Amazon EC2 和 Amazon ECS 的扩展威胁检测

今天,我们宣布对 Amazon GuardDuty 扩展威胁检测进行了新的增强,增加了针对 Amazon Elastic Compute Cloud(Amazon EC2)实例和 Amazon Elastic Container Service(Amazon ECS)任务的两项攻击序列调查发现。这些新的调查发现建立在现有的扩展威胁检测功能之上,这些功能已经结合了涉及 AWS Identity and Access Management(IAM)凭证滥用、异常 Amazon Simple Storage Service(Amazon S3)存储桶活动以及 Amazon Elastic Kubernetes Service(Amazon EKS)集群泄露的序列。通过增加对 EC2 实例组和 ECS 集群的覆盖范围,此次发布将序列级别的可见性扩展到支持相同应用程序的虚拟机和容器环境。这些功能共同为检测不同 Amazon Web Services(AWS)工作负载中的多阶段活动提供了一种更加一致和统一的方法。

AWS Security Hub 现已正式推出,具有近乎实时的分析和风险优先级排序功能

如今,AWS Security Hub 已正式发布,改变了安全团队识别和应对 AWS 环境中的关键安全风险的方式。这些新功能首次在 AWS re:Inforce 2025 的 预览版中公布。Security Hub 会优先处理您的关键安全问题并统一安全操作,通过关联和丰富多项 AWS 安全服务之间的信号来帮助您进行大规模响应。Security Hub 提供近乎实时的风险分析、趋势、统一支持、简化的定价和自动关联功能,可将安全信号转换为切实可行的洞察。

适用于 NetApp ONTAP 的 Amazon FSx 现已与 Amazon S3 集成,实现无缝数据访问

今天我们宣布推出通过 Amazon Simple Storage Service(Amazon S3)访问适用于 NetApp ONTAP 的 Amazon FSx 文件系统中数据的功能。借助此功能,您可利用企业文件数据增强生成式人工智能应用,通过 Amazon Bedrock 知识库实现检索增强生成(RAG);运用 Amazon SageMaker 训练机器学习(ML)模型;通过 Amazon S3 集成的第三方服务生成洞察;在 Amazon Quick Suite 等人工智能驱动的商业智能(BI)工具中使用全面研究功能;并基于 Amazon S3 运行云原生应用程序分析。所有这些操作均可在文件数据持续驻留于适用于 NetApp ONTAP 的 FSx 文件系统的同时完成。