代理式人工智能：開啟自主協作的新紀元 Agentic AI: Unlocking the Next Frontier in Autonomy and Collaboration | 7 月 29 日 13:00-13:40 | Classroom 1 (701 B/C ) | Level 200
- Shih-Yong Wang, Senior Solutions Architect, AWS
- Scott Chang, CEO, MaiAgent AI
代理型人工智能代表人工智慧領域的一次變革性躍進，它不再僅僅是被動的工具，而是能夠自主規劃、行動與調適，並以目標為導向的協作夥伴。本次分享將介紹人工智能的未來不僅在於更強大的模型，更在於能與人類協同合作、創造持久價值的實用型代理系統。與會者可以瞭解如何以負責任且具策略性的方式，運用代理型人工智能於實際場域中以發揮深遠影響。
AWS 助力企業 GenAI 從技術架構到創新應用場景落地 | 7 月 29 日 14:50-15:30 | Classroom 1 (701 B/C ) | Level 200
- Matt Yang, Sr. AIML Specialist BD, AWS
- 高秋蓉, 協理, 國泰金控暨國泰世華商業銀行 數據生態營運部
隨著技術不斷演進，客戶也從概念驗證階段邁向實際業務應用。在本次演講中，我們將分享 AWS 的 GenAI 服務，如何在不同的階段滿足各式各樣的 GenAI 開發以及營運需求，面對生成式 AI 帶來的新一波轉型浪潮，國泰以 AWS 為合作夥伴，打造企業級 GenAI 架構。本場分享將聚焦國泰如何以 GenAI 技術架構 - GAIA 為核心，推動創新場景的落地，並有效轉化技術能量為實際業務價值，加速生成式 AI 在金融服務中的應用成效。
以生成式 AI 重塑企業流程：GO Survey 的 AI 革命 | 7 月 29 日 16:50-17:30 | Classroom 1 (701 B/C ) | Level 200
- Eunice Tsao, ML Specialist Solutions Architect, AWS
- Bruce Huang, CDO, HAPPY GO 快樂購
傳統報價流程繁複且仰賴人工判斷，HAPPY GO 運用 AWS 的生成式 AI 及 RAG 架構，為旗下市調品牌 GO Survey 打造出能快速回應客戶詢問，並自動生成報價單的智能系統。
使用 Amazon Q Developer 加速應用開發、重構與部署 | 7 月 30 日 13:00-13:40 | Classroom 4 (701A) | Level 200
- Micheal Lin, Senior Solutions Architect, AWS
本場聚焦如何利用 Amazon Q Developer 在軟體開發生命週期提供 AI 智能輔助。 內容涵蓋最新 agentic coding， MCP，定製化模型，.NET 與舊系統重構，與雲端部署。 過程中會展示不同面向的用戶體驗， 包括 IDE，CLI，以及最新發布的 Kiro 對於開發人員提升生產力與程式碼品質，將有實質性幫助。
啟動 AI 生產力引擎：Amazon SageMaker Studio 助你高效打造 ML 解決方案 | 7 月 30 日 15:50-16:30 | Classroom 5 (701 B ) | Level 200
- Josh Chiu, Solutions Architect, AWS
- Maik Liu 劉彥伯, 產品長, Clickforce 域動行銷
本場聚焦如何運用 Amazon SageMaker Studio 加速機器學習專案從概念到生產的完整流程，幫助企業縮短開發週期、降低技術門檻並提升模型品質。內容將深入探討從開發到部署的常見挑戰與解決方案。此外，將透過實際案例分享，展示客戶如何運用 SageMaker Studio 將原本數月的專案縮短至數週完成。
Responsible Generative AI: 生成式 AI 風險管理 | 7 月 30 日 15:50-16:30 | Classroom 4 (701A) | Level 200
- Shanger Lin, Sr. Delivery Cnslt, AWS
- Richard Peng, General Manager, KKCompany
生成式 AI 帶來創新與便利，的同時，其技術特性也伴隨偏差、失真等風險。為確保應用安全可靠，進行充分評、設定檢查標準，並進行測試對企業而言是必要的環節，持續追蹤表現，並在必要時進行調整以建置一個值得信賴的 AI 系統。值得信賴的 AI 系統不僅表現穩定，更要兼顧公平、安全、隱私與透明，讓使用者能安心依賴。唯有從規劃到執行都面納入風險與責任思維，才能真正發揮 AI 的價值。
看得到的 AI：運用 Bedrock 與 SageMaker 刻劃出高顏值虛擬人對話體驗 | 7 月 30 日 14:50-15:30 | Classroom 6 (701 C) | Level 200
- Ginny Huang, Solutions Architect, AWS
- Joseph Wang, Founder & CEO, OSENSE 光禾感知
在生成式 AI 快速發展的時代，要如何將機器學習技術轉化為視覺體驗。本次分享將探討如何運用 Amazon Bedrock 的大型語言模型生成個人化台詞內容，並結合 Amazon SageMaker 部署虛擬人模型。透過 AWS AIML 服務的整合，我們將展示從內容生成到視覺渲染的技術架構，並邀請 OSENSE 展示虛擬人影片生成的解決方案 - OVideo。與會者將學習如何利用 AWS 的 AI/ML 工具鏈，打造生成式 AI 視覺化的互動應用。
運用 AWS Bedrock 與 RAG 技術打造智能技術支援系統 | 7 月 30 日 14:50-15:30 | Classroom 4 (701A) | Level 200
- Howard Su, Solutions Architect, AWS
- Sonia Wu, Cloud Support Engineer, AWS
- Borg Chen 陳世峯, 專案經理, 原相科技
在使用 Amazon Bedrock 的基礎模型與知識庫功能，就會遭遇如何在開發過程中優化生成式 AI 應用程式的品質、成本與延遲。本場會探討在開發生成是AI應用的過程中如何透過 Amazon Bedrock 的模型與檢索增強生成 (RAG) 評估功能，協助改進最後產出的準確度並評估 RAG 系統的效能。
原相團隊將詳細剖析他們的 AI 實踐歷程：從初期面臨的技術文件繁複、客戶查詢回應時間長的痛點，到如何透過 AWS 雲端基礎設施建立知識庫，並結合 RAG 技術確保 AI 回答的準確性與相關性。特別值得關注的是，他們將分享如何解決傳統大語言模型在處理專業技術領域時的局限性，以及如何優化 AI 代理人的上下文理解能力，使其能精準掌握客戶的技術問題。
此外，原相將展示他們如何利用 Amazon Bedrock 的多模型支援特性，為不同類型的技術支援需求選擇最適合的基礎模型，並透過自定義提示工程 (Prompt Engineering) 技術，大幅提升回答的精準度。演講中還將分享實施前後的關鍵績效指標對比，包括客戶問題解決時間縮短了多少、技術支援團隊效率提升的程度，以及整體使用者滿意度的變化。
聯合學習打造客製化模型使用 Amazon SageMaker | 7 月 29 日 16:50-17:30 | Classroom 3 (701D) | Level 300
- Ray Wang, Senior Solutions Architect, AWS
- James Chan, Solutions Architect, AWS
隨著開源資料逐漸被大量使用，模型效能的提升越來越仰賴具備領域知識的專屬數據，例如醫療、保險等產業資料。然而，這些資料通常是企業的核心資產，難以對外分享。聯合學習結合 Amazon SageMaker，提供企業一種在不暴露數據前提下，共同訓練模型的方式，兼顧隱私與效能。本章將透過星光人壽的案例，說明他們如何利用聯合學習，整合來自不同單位的資料，進一步優化預測模型，最終在保險風險評估上達到顯著的表現提升。
運用 Amazon Bedrock 探索 AI 模型生態系：1111 開創 AI 時代的職涯新機 | 7 月 30 日 14:50-15:30 | Classroom 5 (701 B ) | Level 300
- Bucky Lee, Solutions Architect, AWS
- 顏碩均, 資料科學部工程師, 1111
1111 人力銀行運用 AWS 生成式 AI 技術雙向提升平台價值。對廠商端，提供 AI 職缺內容優化、精準人才畫像分析、招募流程自動化篩選、智能面試評估及客製化廣告投放等服務，降低招募成本並提高效率。對求職者，提供個人化職缺推薦、履歷健診優化、面試模擬訓練、薪資情報分析等智能工具。透過整合大數據分析、優化推薦演算法、提升使用者體驗並持續創新迭代，本次分享將說明 1111 如何打造更智慧高效的徵才求職平台，同時吸引更多廠商刊登職缺和求職者使用服務，強化市場領先地位。
從關鍵字到多模態 AI：Gogolook 打詐系統的進化之路 | 7 月 30 日 14:50-15:30 | Classroom 7 (701 D ) | Level 300
- Roger Huang, Solutions Architect, AWS
- Monken Wu, Senior Engineer, Gogolook
隨著詐騙手法日益進化，Gogolook 在 Whoscall 中推動一套可漸進式演進的詐騙偵測架構。本場分享將說明我們如何從基礎的關鍵字比對起步，結合 AWS OpenSearch 打造偽冒資料庫系統，並進一步使用 AWS Bedrock 實現自動標註，提升語意理解基礎，為後續多模態 AI 與向量查詢應用奠定基礎。這段旅程展現了我們如何依賴 AWS 雲端服務，在真實防詐應用中逐步實踐 AI 驅動的內容理解與查核能力。
開啟 AI 新篇章：Trend Micro 模型客製化創新旅程 | 7 月 30 日 14:00-14:40 | Classroom 7 (701 D ) | Level 300
- Wayne Huang, Senior Solutions Architect, AWS
- Liam Huang, AI Lab Tech Lead, Trend Micro
Amazon SageMaker HyperPod 是專為基礎模型訓練打造的高效平台，能協助各種規模與產業的組織加速模型訓練流程。本場分享將深入介紹如何運用 SageMaker HyperPod 的分散式訓練能力與高韌性架構，實現數月不中斷的模型訓練。Trend Micro 也將分享他們在訓練專為資安應用設計的 AI 語言模型 Primus 的實務經驗，涵蓋模型開發流程中的最佳實踐，以及如何透過 HyperPod 有效縮短訓練週期、提升資源使用效率，避免成本浪費。