為突破而生

一起來了解Crypto.com如何透過建置尖端的生成式AI引擎，成功轉型其創意內容製作流程。在這場精彩的分享中，您將深入了解Crypto.com如何運用Amazon Bedrock、Amazon SageMaker以及其他AWS服務，打造一個可擴展的視覺內容工廠，徹底革新其行銷營運模式。團隊將分享他們從傳統內容創作到AI驅動工作流程的轉型歷程，展示如何大幅加快在全球市場中製作個人化圖像和影片的速度。這個成功案例充分展現了AWS在支援企業數位轉型方面的強大實力。

探索如何在Amazon EKS上部署DeepSeek大型語言模型，並運用Auto Mode功能。學習如何架構一個生產級的EKS叢集，利用Auto Mode來優化基礎設施管理。這對於希望在AWS基礎設施上大規模部署DeepSeek模型的DevOps工程師和機器學習平台團隊來說是完美的解決方案。在運行DeepSeek推理工作負載時，發掘關於高可用性、成本優化和性能調整的最佳實踐。這特別適合希望在AWS基礎設施上大規模部署DeepSeek模型的DevOps工程師和機器學習平台團隊。

各行各業的企業都面臨著如何有效利用生成式 AI 來提升運營效率和改善客戶體驗的挑戰。關鍵在於識別那些能夠帶來顯著效益的高影響力使用案例。本次會議將探討組織如何利用生成式 AI 開發創新解決方案，為其業務創造價值。

New York Life (NYL) 將其本地數據平台現代化，以增強分析能力、性能和自動化，支持其關鍵保險業務運營。為實現這些目標，NYL 在AWS 上構建了一個可擴展的數據湖和報告平台，利用了 AWS Lambda、AWS Glue、Amazon RDS 和 Amazon Redshift 等服務。在本次會議中，NYL 將分享如何從傳統平台遷移到現代數據湖的經驗教訓，以及現代化數據基礎如何加速其生成式 AI 的發展之旅。了解 NYL 如何使用 Amazon SageMaker 和 Amazon Bedrock 改善員工工作效率以及一線代理的體驗。

在 AWS，我們將保護客戶工作負載的安全性和機密性作為首要任務。AWS 的人工智慧 (AI) 基礎設施和服務內建了安全性和隱私功能，讓客戶能夠掌控自己的數據。參加此會議，了解 AWS 如何在生成式 AI 堆疊的三個層級中實現安全性：從最底層的基礎設施層，到中間層，該層提供對所有模型的便捷訪問，以及客戶構建和擴展生成式 AI 應用程式所需的工具；再到最上層，包含利用大型語言模型 (LLM) 和其他基礎模型 (FM) 的應用程式，以簡化工作流程。本次會議將幫助您了解 AWS 如何從基礎到應用全面確保生成式 AI 的安全性和數據隱私。

隨著生成式 AI 日益普及，構建高效且具成本效益的解決方案至關重要。本次會議將概述構建高效且具成本效益的生成式 AI 應用的七大指導原則。這些原則可以幫助企業和開發人員在充分發揮生成式 AI 潛力的同時，優化資源利用。確立目標、篩選高品質數據、優化架構、監控性能、堅守倫理原則以及進行迭代改進都是關鍵所在。通過這些原則，組織可以開發出具影響力的生成式 AI 應用，推動負責任的創新。加入本次會議，聆聽 Mark 分享實用見解，助您在生成式 AI 的發展旅程中取得成功！

大多數客戶從有針對性的POC開始其GenAI之旅，意識到他們需要提供對市場上最有能力的模型的訪問權限，並配備FM Hub和AI Gateway。當他們進展到生產和規模化時，他們會添加數據整合、RAG或代理的編排、可觀察性、模型定制、安全性、防護欄和治理等組件，並將負責任的AI實踐融入其中。在這次講話中，我們概述了一個成熟的GenAI平台的典型組件，深入探討選定的組件，如閘道、編排、可觀察性，並探討如何在AWS上負責任地構建這些組件。

了解如何通過經過驗證的架構模式和最佳實踐，在 AWS 上為 DeepSeek 實施企業級安全性。我們的專家將展示如何使用私有 VPC 設計、認證基礎設施和全面的防護措施進行安全部署。探索 Amazon Bedrock Guardrails 如何為 DeepSeek 創建多層次防禦策略，涵蓋網絡隔離、訪問控制和合規要求。

探索 AI 系統如何從基本生成模型演變為能夠自主規劃、推理和執行任務的智能代理。本次會議介紹智能代理 AI，它結合語言模型和決策能力，創建更有目標的 AI 解決方案。了解 AWS 在開發能夠理解上下文、保持記憶並協調多步驟以實現目標的 AI 代理方面的創新。我們將展示實際應用案例，並探討智能代理 AI 如何轉變各行各業，為智能、業務導向的 AI 應用設定新的標準。

隨著客戶構建、部署和擴展生成式AI應用程式，使用和管理適當的模型以達到他們所期望的結果變得至關重要。Amazon Bedrock 推出了多項功能，旨在幫助客戶找到合適的模型，同時提升成本效益，維持世界級的性能和準確性。參加本次會議，了解 Amazon Bedrock Marketplace、智能提示路由和蒸餾模型。

Amazon Nova 是一款新一代的基礎模型，提供前沿智能和行業領先的價格性能比。本次會議將深入探討 Amazon Nova 的文本和多模態理解模型，其基準性能和能力。了解這些模型在視覺推理、代理工作流程和檢索增強生成（RAG）方面的卓越表現。體驗 Amazon Bedrock 上的視頻理解，以及通過文本、圖像和視頻輸入進行微調和蒸餾的無與倫比的可定制性。加入我們，了解 Amazon Nova 如何轉變您的 AI 應用程式，從文件分析到 API 執行和 UI 操作。

Amazon Bedrock 提供一個受管理的檢索增強生成（RAG）功能，將基礎模型連接到您的數據。本次會議將探討最新的 Amazon Bedrock 知識庫（KBs）技術，以提高回應準確性和優化成本。利用 Amazon Bedrock KBs 的先進分塊、解析和減少幻覺的能力來提高準確性。學習如何構建可擴展的 RAG 解決方案，提供上下文回應，同時僅為您所使用的資源付費。

Amazon Bedrock 代理程式自主處理任務，簡化企業運營流程。在本次會議中，您將學習到 Amazon Bedrock 代理程式如何在我們的安全、完全受管理的服務上輕鬆構建代理程式和代理團隊。我們將展示如何構建解決方案，處理多步驟任務，自動化現有的 API 和數據庫，並輕鬆集成知識庫。看看代理程式如何使用戶能夠與支持聊天互動，獲取即時答案，並在外部平台上自動化操作。加入 Mark Roy 了解如何通過協調的 AI 代理程式，並配備防止濫用的護欄，提供下一代 AI 驅動的客戶互動。

AWS 推出了 Amazon Bedrock Guardrails 中的自動化推理（AR）檢查，使 AWS 成為第一個使用自動化推理來幫助構建透明、負責任的生成式 AI 應用程式的主要雲服務提供商。加入我們，了解 AR Check — 一項新的 Guardrails 政策，該政策使用可靠的數學技術來減少幻覺、驗證生成式 AI 回應，並以可審計的方式解釋它們。看看 Guardrails 政策如何幫助用戶在高度監管的主題（如操作工作流程、人力資源政策等）上生成更準確的大型語言模型（LLM）回應；了解 AR 檢查的不同用例；並學習如何立即開始使用。

App Studio 是一項由生成式 AI 驅動的服務，使用自然語言創建企業級應用程式。它賦能技術專業人士如 IT 項目經理、數據工程師和企業架構師，能夠在幾分鐘內構建高安全性、可擴展性和高性能的業務應用程式，解決關鍵問題，而無需專業開發人員的技能。

了解 Amazon QuickSight 中 Amazon Q 生成式 AI 的能力。學習分析師如何快速構建互動式儀表板，並發現商業用戶如何使用自然語言即時創建文件和簡報，解釋數據並提取超出儀表板所提供的見解，利用數據問答和執行摘要功能。聆聽Availity 分享如何 150 萬活躍用戶利用 Amazon QuickSight 即時從儀表板中提取見解，以及他們如何在內部使用 Amazon Q 提高業務效率。

了解 Amazon 如何向成千上萬的開發者推出 Amazon Q Developer，並在提示工程方面對他們進行培訓，測量其對生產力的變革性影響。在本次會議中，學習如何在您的組織中有效採用生成式 AI 的最佳實踐。獲取培訓策略、生產力指標和實際應用案例的見解，賦能您的開發者充分利用這項改變遊戲規則的技術。不要錯過這個機會，保持領先並推動團隊創新。

雖然現有的 AI 助手專注於在人類指導下進行代碼生成，但 Amazon Q Developer 擁有一項獨特的功能稱為「代理」，可以利用推理和計劃能力，在最少的人類干預下執行超越代碼生成的多步驟任務。其用於軟體開發的代理可以解決超越代碼建議的複雜任務，例如構建整個應用功能、重構代碼或生成文件。加入本次會議，了解新的代理功能，幫助開發者從計劃到將新功能呈現給客戶的速度更快。

生成式人工智慧的快速崛起正在改變企業處理數據和分析的方式，將傳統工作流程與分析和人工智慧應用案例融合在一起。本次會議將介紹下一代的 Amazon SageMaker，這是您所有數據、分析和人工智慧的中心，特別聚焦於 SageMaker Unified Studio。了解 Unified Studio 如何將 AWS 分析和人工智慧/機器學習服務中的熟悉工具整合在一起，用於數據處理、SQL 分析、機器學習模型開發以及生成式人工智慧應用開發，並將這些功能集成到單一環境中，以促進協作並幫助團隊更快地構建數據產品。

Amazon S3 Tables 是專為存儲 Apache Iceberg 表格數據而設計的。使用 Amazon S3
Tables，您可以在幾次點擊中在 Amazon S3 控制台中創建表格並設置表格級別的權限。這些表格由專為表格數據設計的存儲支持，導致每秒交易量更高且查詢吞吐量更好，相較於未經管理的存儲中的表格。參加本次會議，了解如何使用Amazon S3 自動化表格管理任務，如壓縮、快照管理等，以持續優化查詢性能並最小化成本。

探索 Amazon SageMaker Lakehouse 如何通過統一、開放且安全的數據湖庫簡化分析和人工智慧。本次會議將揭示 SageMaker Lakehouse 如何在不改變現有架構的情況下，提供對 Amazon S3 數據湖、Amazon Redshift 數據倉庫以及第三方來源的統一訪問。了解它如何打破數據孤島，並通過與 Apache Iceberg 的兼容性開放您的數據資產，提供靈活性以使用您喜好的查詢引擎和工具，加速您獲得洞察的時間。發現強大的安全功能，包括一致的細粒度訪問控制，這些功能有助於在不妥協的情況下民主化數據。

組織正在 AWS 上構建 PB 級別的數據湖，以民主化數據訪問，供成千上萬的最終用戶使用。隨著客戶設計數據湖架構以獲得正確的功能和性能，許多人轉向開放表格格式（OTF）來提高數據湖的性能，並採用增強功能，如時間旅行查詢和並發更新。在本次會議中，了解AWS 最近的創新，這些創新使構建、保護和管理數據湖變得更加容易。學習使用業內領先的 AWS、開源和第三方分析和機器學習工具來存儲、優化和使用數據湖的最佳實踐。

探索 Amazon SageMaker Catalog 如何在大規模上轉變數據和 AI 治理。這個高級會議將探討三個關鍵功能：集中化的工件管理、統一的訪問控制和全面的淵源追蹤。學習如何使用語義搜索和 AI 生成的元數據高效地組織數據和機器學習資產。我們將演示如何實施細粒度權限和設置協作工作流程。您還將看到 SageMaker Catalog 如何實現自動化數據質量監控和敏感數據檢測。加速數據分析和模型開發，確保合規性，並促進協作，最終加快您的分析和 AI 項目的上市時間，同時保持強大的治理。

探索 DeepSeek 的全面工程基礎及其在 AWS 上的實施。了解 DeepSeek 的核心架構、訓練管道以及架構和基礎設施組件的優化策略。通過技術演示，發現如何利用 AWS 服務來最大化 DeepSeek 的性能，同時優化成本和資源利用。這次高級技術深入討論非常適合 ML 工程師、DevOps 專業人員、架構師以及在 AWS 上實施 DeepSeek 的技術團隊。

了解如何通過 Amazon Bedrock 和 Amazon EC2 實例有效部署 DeepSeek 模型。通過實際演示，發現在大規模部署 DeepSeek-R1 及其 Distilled 變體時，優化成本和性能的最佳實踐。這次技術指南對於新手和有經驗的專業人士來說都非常有價值，特別是那些處理生成式 AI 的專業人士。

Amazon SageMaker AI 讓數據科學家和機器學習工程師能夠加速他們的生成式 AI 之旅，通過深度自定義公開可用的基礎模型（FMs）並將其部署到生產應用中。這段旅程始於 Amazon SageMaker JumpStart，這是一個 ML 中心，提供對數百個公開可用的 FMs 的訪問，例如 Llama 3、Falcon 和 Mistral。參加這次會議，了解如何評估 FMs、選擇一個 FM、使用先進技術進行自定義，並將其部署，同時實現 AI 責任、簡化訪問控制並增強透明度。

Amazon SageMaker AI 提供最高性能的 ML 基礎設施和高可靠的訓練環境，幫助您在數月內無中斷地訓練基礎模型（FMs）。從企業到初創公司，頂尖的 AI 公司都在 SageMaker AI上構建具有數十億參數的前沿模型。了解如何使用最新的訓練功能，如 Amazon SageMaker HyperPod、完全管理的訓練作業和優化的分佈式訓練框架，節省高達 40% 的訓練時間和成本。參加此次會議，學習如何在 SageMaker AI 上運行大規模且成本效益高的模型訓練，以加速生成式 AI 的開發。

生成式 AI 承諾將改變產業，但其巨大的計算需求和不斷升高的成本帶來了重大挑戰。為了克服這些障礙，AWS 設計了專門的 AI 晶片，AWS Trainium 和 Inferentia。在這次會議中，我們將深入了解從矽片到服務器和數據中心的創新，並聽取 AWS 客戶如何使用 AWS AI 晶片構建、部署和擴展基礎模型，應用於各種產品和服務。

Amazon SageMaker AI 是一項全面管理的服務，整合了廣泛的工具，以實現高性能、低成本的機器學習（ML），適用於任何用例。使用 SageMaker AI，您可以在規模上構建、訓練和部署機器學習模型，包括基礎模型（FMs），利用筆記本、調試器、分析器、管道、MLOps
等工具，這些都集成在一個統一的開發環境（IDE）中。在這次會議中，了解如何開始使用以及如何利用 AWS 生態系統的其他部分。

解鎖 Amazon SageMaker Studio 的強大功能，這是一個全面的 IDE，用於簡化機器學習（ML）生命週期。探索數據探索、轉換、自動特徵工程（AutoML）以及使用集成的 Jupyter Notebooks 進行協作編碼。發現 SageMaker Studio 和 MLOps 集成如何簡化模型部署、監控和治理。通過實時演示和最佳實踐，學習如何利用 SageMaker Studio 工具進行高效的特徵工程、模型開發、協作和數據安全。

在本次會議中，探索著名連鎖店如何通過行動應用提升客戶體驗。了解他們如何實施全面的分析解決方案，以優化庫存管理、提升客戶體驗，並在整個門店網絡中推動數據驅動的決策制定。透過展示和實際案例，您將探索 AWS 服務如何實現智慧店舖分析、需求預測和個人化行銷策略，從而提高營運效率和客戶滿意度。本課程特別適合零售營運商、業務分析師和技術領導者，幫助他們實現零售分析能力的現代化。

在今天的企業數據領域中，達成中央集權與自治之間的完美平衡既是一門藝術，也是一門科學。本次會議將展示如何構建複雜的數據解決方案，同時維持企業層級的治理和業務單位的獨立性。通過真實世界的實施案例，我們將探討兩個關鍵的平衡技巧：首先，如何設計向量數據庫RBAC 系統，實現中央管理的同時確保業務單位之間的數據隔離。其次，我們將展示如何利用生成式 AI 進行動態內容標註，同時維持可擴展到整個企業的標準化分類法。加入我們，學習實際策略，實施啟用而非限制的控制措施，確保創新和治理在現代數據架構中共存。您將獲得可操作的見解，構建靈活但受控的數據環境，推動業務價值的同時維持安全和合規性。

獲取部署端到端生成式 AI 應用程序所需的技能，使用您最有價值的數據。雖然本次會議重點介紹檢索增強生成（RAG）過程，但這些概念也適用於其他生成式 AI 應用程序的定制方法。發現最佳實踐架構，使用 AWS 數據庫服務如 Amazon Aurora、Amazon OpenSearch Service或 Amazon MemoryDB，以及數據處理服務如 AWS Glue 和流數據服務如 Amazon Kinesis。學習數據湖、治理和數據質量概念，以及 Amazon Bedrock Knowledge Bases、Amazon Bedrock Agents 和其他功能如何將解決方案組件聯繫在一起。

Amazon Aurora DSQL 是一種新型的關聯數據庫，結合了無服務器體驗、Amazon Aurora 的高性能和 Amazon DynamoDB 的規模。Aurora DSQL 的分佈式架構設計使得任何規模的組織都能輕鬆管理具有強一致性的分佈式工作負載。在這次會議中，我們將指導您了解 Aurora DSQL 的基礎知識。學習如何在您的架構中使用 Aurora DSQL，了解關鍵考量和權衡，探討應用架構的可能性，以及更多內容。

Amazon S3 是一種高度可擴展和持久的對象存儲服務，廣泛應用於數據存儲和管理。通過利用 Amazon S3 的元數據功能，您可以更好地組織、管理和利用您的數據。在這次會議中，我們將深入探討如何利用 Amazon S3 元數據來釋放數據的潛力，並展示其在實際應用中的強大功能。

AWS 正在通過端到端的管理和無服務器功能，重新定義數據流處理。這些功能涵蓋了核心基礎設施、系統操作、數據集成、數據處理和數據管理，幫助客戶現代化其數據平台。了解最新和最近的創新技術，這些技術用於收集、處理和分析流數據，包括改進的可擴展性、高可靠性、低延遲以及與許多AWS 和第三方服務的原生集成。參加本次會議，了解如何使用 AWS 的流處理解決方案來構建可擴展、可靠的數據流應用，以便更快獲取洞察並改進決策。

克服關聯數據庫的性能和規模限制：Amazon DynamoDB 的架構選擇為了克服關聯數據庫的性能和規模限制，AWS 開發了 Amazon DynamoDB，以提供一致的單位毫秒級性能，滿足全球最具挑戰性應用的需求。在本次會議中，您將了解 Amazon DynamoDB 的架構選擇，並更好地理解何時使用 DynamoDB，以及為什麼 DynamoDB 被超過一百萬 AWS 客戶用來支持每秒超過五十萬請求的數百個應用。您將獲得一個新的視角，了解如何設計自己的應用。