在2024年的re:Invent大会上，亚马逊Web服务(AWS)宣布对其人工智能平台进行了一系列重大的更新，特别是在Amazon SageMaker和Amazon Bedrock平台的改进上。此次更新将大大提高人工智能模型的训练效率，并为企业用户提供更便捷的方式来构建和部署AI应用服务。
首先，Amazon SageMaker迎来了重大的技术升级。作为AWS的一项重要机器学习平台，SageMaker此次增强了用户在创建、训练和部署人工智能模型时的整体体验。通过统一的接口，SageMaker能够帮助用户更轻松地选择适合的AI模型并进行定制。此平台的更新还包含了Amazon SageMaker HyperPod的引入，旨在通过更高效的计算资源加速AI模型的训练过程。该技术支持高达90%的效率提升，能够在不影响现有服务运行的前提下，确保AI模型的持续训练和微调。
为了进一步优化训练过程，SageMaker HyperPod新增了任务治理功能。这项功能使得模型训练可以在动态执行的同时，保持现有服务的正常运作，从而降低成本并提高生产力。除此之外，AWS还通过引入更多合作伙伴的应用服务来增强SageMaker平台的功能，包括Comet、deepchecks、fiddler AI等公司，致力于为用户提供更全面的AI应用工具。
除了SageMaker的更新，AWS还对Amazon Bedrock进行了增强。Bedrock平台继续纳入来自多个顶级AI公司的模型资源，如AI21labs、Anthropic、Cohere、Meta、Mistral AI等。这些人工智能模型将通过Bedrock平台提供，帮助企业用户在更短的时间内构建和部署各类AI应用。此外，AWS还推出了自家开发的AI模型Nova，并与Poolside合作，整合其人工智能数字助理应用资源至Bedrock平台，为大型企业提供编程AI模型支持。
为了提高AI模型的执行效率，AWS在Amazon Bedrock中加入了指令快取功能。这一新特性能够加速API调用的响应时间，减少高达85%的延迟，并大幅降低运行成本。此外，Bedrock还加入了智能化指令执行路径功能，确保系统能够自动选择最优的API调用方式，从而提升整体处理效率。
在增强AI平台性能的同时，AWS还关注如何加速数据检索和处理。为此，AWS在Amazon Kendra中增加了Generative AI Index功能，允许用户将微软SharePoint、OneDrive以及Salesforce等平台的数据整合到AWS中，从而为AI应用提供更加全面的数据支持。通过GraphRAG技术，AWS还在RAG(检索增强生成)处理中引入了知识图表(knowledge graphs)，提高了非结构化数据的检索和生成效率。
为了应对非结构化数据的挑战，AWS推出了Data Automation功能，使得视频、图像等非结构化内容能够自动生成描述标签。用户也可以根据业务需求自定义标签生成方式，确保符合行业法规要求。同时，Amazon Bedrock还引入了Guardrails功能，帮助防止AI在运作过程中产生不当结果，确保输出内容的合规性和准确性。
