亚马逊AWS官方博客

M9g 实例已正式推出，新的 M9gd 实例可供需要高速、低延迟本地 NVMe SSD 存储的客户使用。两者均由 Graviton5 提供支持，Graviton5 是 AWS 有史以来最强大、最节能的处理器。

目前Network Firewall没有规则配置冲突检测的能力，用户借助此方案可以对编辑的规则进行实时的冲突检测，并借助AI提供智能分析与修改建议。

Amazon RDS for SQL Server 的 BYOM、适用于 Swift 的 AWS IoT 设备 SDK 等

今天，我们宣布在 Amazon Bedrock 中推出新的控制台体验，您可以在 Amazon Bedrock 为实现高性能、可靠性和安全性而构建的下一代推理引擎上，使用最新的人工智能模型进行实验、迭代和扩展。该控制台刷新了工作流程，针对 bedrock-mantle 端点进行了优化，支持最新的 GPT、Claude 和开放权重模型，包括 OpenAI Responses API、OpenAI Chat Completions API 和 Anthropic Messages API。

AI Agent 从实验走向生产，企业需要让不同团队各跑独立实例且互不可见。本文介绍基于 Amazon ECS Fargate + Graviton 的轻量级多租户方案，同时部署 OpenClaw（开箱即用 Web Agent）与 Hermes（自进化 AI 助手），四层隔离机制保障企业级安全，并演示 Hermes 通过自然语言驱动 Spark on EKS 数据分析。

本文是”解决 Agentic AI 应用 Token 爆炸问题”系列的第三篇，系统讨论 Agent 记忆系统在生产环境的工程税:从写入纪律、Prompt Cache 冲突、跨模型容量、Embedding 迁移到 Agent 自产 Skill 治理,以及 S3 Files / S3 Vectors / AgentCore Memory 在亚马逊云科技上的落地路径。

OpenAI 前沿模型 GPT-5.5 和 GPT-5.4，以及 OpenAI 编码代理 Codex 现已在 Amazon Bedrock 上正式发布。您可以在 Bedrock 的高性能推理引擎上部署前沿模型，该引擎内置安全机制、治理功能和按代币付费定价模式。

AI 编程助手如 Kiro CLI 能力日益强大，但使用场景局限于开发者本地终端。本文介绍 Kiro Job Scheduler——一个完全基于 AWS 无服务器架构的 AI 任务调度平台。它让团队中的任何人（包括非技术人员）都能通过 Web 界面配置定时 AI 任务：自定义 Agent 角色、挂载 MCP 工具服务器、编排 Skills 技能包，实现从「每日新闻摘要」到「定期代码审计」的各类自动化场景。任务结果自动推送到飞书或 Telegram，真正实现 AI 助手的 7×24 小时无人值守运行。

Valkey 是 Amazon ElastiCache 的核心引擎，作为一款高性能的开源内存数据库，Valkey自诞生以来，在性能方面实现了惊人的突破：单节点吞吐量可达 119 万 RPS，集群规模可扩展到 2000 节点，从而实现 10 亿规模的RPS。随着今年5月份Valkey 9.0的发布，它的性能再一次得到提升，你可以在Amazon ElastiCache体验它的速度。Valkey是怎么做到这么快的呢？本文将带领读者，一起深入剖析成就了这个性能怪兽背后的那些“黑科技”。

Amazon Quick 作为新一代企业办公助手所能解决的，正是这一类问题。它的特别之处在于：你不需要懂代码、不需要写公式、也不需要会 SQL——你只要像跟同事交代任务一样，用大白话把需求说清楚，剩下的它来做。 本文将结合企业日常数据处理工作，介绍如何使用 Amazon Quick 提升效率。并探讨未来数据流程的进化方向。