生而不凡，开创未来

一起来了解 Crypto.com 如何通过建置尖端的生成式 AI 引擎，成功转型其创意内容制作流程。在这场精彩的分享中，您将深入了解 Crypto.com 如何运用 HAQM Bedrock、HAQM SageMaker 以及其他 AWS 服务，打造一个可扩展的视觉内容工厂，彻底革新其营销运营模式。团队将分享他们从传统内容创作到 AI 驱动工作流程的转型历程，展示如何大幅加快在全球市场中制作个性化图像和视频的速度。这个成功案例充分展现了 AWS 在支持企业数字转型方面的强大实力。

探索如何在 HAQM EKS 上部署 DeepSeek 大型语言模型，并运用 Auto Mode 功能。学习如何架构一个生产级的EKS集群，利用 Auto Mode 来优化基础设施管理。对于希望在 AWS 基础设施上大规模部署 DeepSeek 模型的 DevOps 工程师和机器学习平台团队来说是完美的解决方案。在运行 DeepSeek 推理工作负载时，发掘关于高可用性、成本优化和性能调整的最佳实践。

各行各业的企业都面临着如何有效利用生成式 AI 来提升运营效率和改善客户体验的挑战。关键在于识别那些能够带来显著效益的高影响力使用案例。本次会议将探讨组织如何利用生成式 AI 开发创新解决方案，为其业务创造价值。

New York Life (NYL) 将其本地数据平台现代化，以增强分析能力、性能和自动化，支持其关键保险业务运营。为实现这些目标，NYL 在 AWS上构建了一个可扩展的数据湖和报告平台，利用了 AWS Lambda、AWS Glue、HAQM RDS 和 HAQM Redshift 等服务。在本次会议中，NYL 将分享如何从传统平台迁移到现代数据湖的经验教训，以及现代化数据基础如何加速其生成式 AI 的发展之旅。了解 NYL 如何使用 HAQM SageMaker 和 HAQM Bedrock 改善员工工作效率以及一线代理的体验。

在 AWS，我们将保护客户工作负载的安全性和机密性作为首要任务。AWS 的人工智能 (AI) 基础设施和服务内建了安全性和隐私功能，让客户能够掌控自己的数据。参加此会议，了解 AWS 如何在生成式 AI 堆栈的三个层级中实现安全性：从最底层的基础设施层，到中间层，该层提供对所有模型的便捷访问，以及客户构建和扩展生成式 AI 应用程序所需的工具；再到最上层，包含利用大型语言模型 (LLM) 和其他基础模型 (FM) 的应用程序，以简化工作流程。本次会议将帮助您了解 AWS 如何从基础到应用全面确保生成式 AI 的安全性和数据隐私。

随着生成式 AI 日益普及，构建高效且具成本效益的解决方案至关重要。本次会议将概述构建高效且具成本效益的生成式 AI 应用的七大指导原则。这些原则可以帮助企业和开发人员在充分发挥生成式 AI 潜力的同时，优化资源利用。确立目标、筛选高质量数据、优化架构、监控性能、坚守伦理原则以及进行迭代改进都是关键所在。通过这些原则，组织可以开发出具影响力的生成式 AI 应用，推动负责任的创新。加入本次会议，聆听 Mark 分享实用见解，助您在生成式 AI 的发展旅程中取得成功！

大多数客户从有针对性的 POC 开始其 GenAI 之旅，意识到他们需要提供对市场上最有能力的模型的访问权限，并配备 FM Hub 和 AI Gateway。当他们进展到生产和规模化时，他们会添加数据整合、RAG 或代理的编排、可观察性、模型定制、安全性、防护栏和治理等组件，并将负责任的 AI 实践融入其中。在这次讲话中，我们概述了一个成熟的 GenAI 平台的典型组件，深入探讨选定的组件，如闸道、编排、可观察性，并探讨如何在 AWS 上负责任地构建这些组件。

了解如何通过经过验证的架构模式和最佳实践，在 AWS 上为 DeepSeek 实施企业级安全性。我们的专家将展示如何使用私有 VPC 设计、认证基础设施和全面的防护措施进行安全部署。探索 HAQM Bedrock Guardrails 如何为 DeepSeek 创建多层次防御策略，涵盖网络隔离、访问控制和合规要求。

探索 AI 系统如何从基本生成模型演变为能够自主规划、推理和执行任务的智能代理。本次会议介绍智能代理 AI，它结合语言模型和决策能力，创建更有目标的 AI 解决方案。了解 AWS 在开发能够理解上下文、保持记忆并协调多步骤以实现目标的 AI 代理方面的创新。我们将展示实际应用案例，并探讨智能代理 AI 如何转变各行各业，为智能、业务导向的 AI 应用设定新的标准。

随着客户构建、部署和扩展生成式 AI 应用程序，使用和管理适当的模型以达到他们所期望的结果变得至关重要。HAQM Bedrock 推出了多项功能，旨在帮助客户找到合适的模型，同时提升成本效益，维持世界级的性能和准确性。参加本次会议，了解 HAQM Bedrock Marketplace、智能提示路由和蒸馏模型。

HAQM Nova 是一款新一代的基础模型，提供前沿智能和行业领先的价格性能比。本次会议将深入探讨 HAQM Nova 的文本和多模态理解模型，其基准性能和能力。了解这些模型在视觉推理、代理工作流程和检索增强生成（RAG）方面的卓越表现。体验 HAQM Bedrock 上的视频理解，以及通过文本、图像和视频输入进行微调和蒸馏的无与伦比的可定制性。加入我们，了解 HAQM Nova 如何转变您的 AI 应用程序，从文件分析到 API 执行和 UI 操作。

HAQM Bedrock 提供一个受管理的检索增强生成 (RAG) 功能，将基础模型连接到您的数据。本次会议将探讨最新的 HAQM Bedrock 知识库 (KBs) 技术，以提高响应准确性和优化成本。利用 HAQM Bedrock KBs 的先进分块、解析和减少幻觉的能力来提高准确性。学习如何构建可扩展的 RAG 解决方案，提供上下文响应，同时仅为您所使用的资源付费。

HAQM Bedrock 代理程序自主处理任务，简化企业运营流程。在本次会议中，您将学习到 HAQM Bedrock 代理程序如何在我们的安全、完全受管理的服务上轻松构建代理程序和代理团队。我们将展示如何构建解决方案，处理多步骤任务，自动化现有的 API 和数据库，并轻松集成知识库。看看代理程序如何使用户能够与支持聊天互动，获取即时答案，并在外部平台上自动化操作。加入 Mark Roy 了解如何通过协调的 AI 代理程序，并配备防止滥用的护栏，提供下一代 AI 驱动的客户互动。

AWS 推出了 HAQM Bedrock Guardrails 中的自动化推理 (AR) 检查，使 AWS 成为第一个使用自动化推理来帮助构建透明、负责任的生成式 AI 应用程序的主要云服务提供商。加入我们，了解 AR Check — 一项新的 Guardrails 政策，该政策使用可靠的数学技术来减少幻觉、验证生成式 AI 响应，并以可审计的方式解释它们。看看 Guardrails 政策如何帮助用户在高度监管的主题（如操作工作流程、人力资源政策等）上生成更准确的大型语言模型 (LLM) 响应；了解 AR 检查的不同用例；并学习如何立即开始使用。

在这个快速课程中，探索如何使用 AWS AI 和数据服务，通过人工智能和机器人技术革新店内体验。了解他们如何通过实施物联网传感器进行库存管理、智能商品发现系统和个性化健康建议，实现客户体验现代化。通过演示和实际案例，您将探索 AWS 服务如何实现自动化处方跟踪、智能零售分析以及实体店与数字平台之间的无缝整合。

App Studio 是一项由生成式 AI 驱动的服务，使用自然语言创建企业级应用程序。它赋能技术专业人士如 IT 项目经理、数据工程师和企业架构师，能够在几分钟内构建高安全性、可扩展性和高性能的业务应用程序，解决关键问题，而无需专业开发人员的技能。

了解 HAQM QuickSight 中 HAQM Q 生成式 AI 的能力。学习分析师如何快速构建互动式仪表板，并发现商业用户如何使用自然语言即时创建文件和简报，解释数据并提取超出仪表板所提供的见解，利用数据问答和执行摘要功能。聆听 Availity 分享如何 150 万活跃用户利用 HAQM QuickSight 即时从仪表板中提取见解，以及他们如何在内部使用 HAQM Q 提高业务效率。

了解 HAQM 如何向成千上万的开发者推出 HAQM Q Developer，并在提示工程方面对他们进行培训，测量其对生产力的变革性影响。在本次会议中，学习如何在您的组织中有效采用生成式 AI 的最佳实践。获取培训策略、生产力指标和实际应用案例的见解，赋能您的开发者充分利用这项改变游戏规则的技术。不要错过这个机会，保持领先并推动团队创新。

虽然现有的 AI 助手专注于在人类指导下进行代码生成，但 HAQM Q Developer 拥有一项独特的功能称为 "代理"，可以利用推理和计划能力，在最少的人类干预下执行超越代码生成的多步骤任务。其用于软件开发的代理可以解决超越代码建议的复杂任务，例如构建整个应用功能、重构代码或生成文件。加入本次会议，了解新的代理功能，帮助开发者从计划到将新功能呈现给客户的速度更快。

生成式人工智能的快速崛起正在改变企业处理数据和分析的方式，将传统工作流程与分析和人工智能应用案例融合在一起。本次会议将介绍下一代的 HAQM SageMaker，这是您所有数据、分析和人工智能的中心，特别聚焦于 SageMaker Unified Studio。了解 Unified Studio 如何将 AWS 分析和人工智能 / 机器学习服务中的熟悉工具整合在一起，用于数据处理、SQL 分析、机器学习模型开发以及生成式人工智能应用开发，并将这些功能集成到单一环境中，以促进协作并帮助团队更快地构建数据产品。

HAQM S3 Tables 是专为存储 Apache Iceberg 表格数据而设计的。使用 HAQM S3 Tables，您可以在几次点击中在 HAQM S3 控制台中创建表格并设置表格级别的权限。这些表格由专为表格数据设计的存储支持，导致每秒交易量更高且查询吞吐量更好，相较于未经管理的存储中的表格。参加本次会议，了解如何使用 HAQM S3 自动化表格管理任务，如压缩、快照管理等，以持续优化查询性能并最小化成本。

探索 HAQM SageMaker Lakehouse 如何通过统一、开放且安全的数据湖库简化分析和人工智能。本次会议将揭示 SageMaker Lakehouse 如何在不改变现有架构的情况下，提供对 HAQM S3 数据湖、HAQM Redshift 数据仓库以及第三方来源的统一访问。了解它如何打破数据孤岛，并通过与 Apache Iceberg 的兼容性开放您的数据资产，提供灵活性以使用您喜好的查询引擎和工具，加速您获得洞察的时间。发现强大的安全功能，包括一致的细粒度访问控制，这些功能有助于在不妥协的情况下民主化数据。

组织正在 AWS 上构建 PB 级别的数据湖，以民主化数据访问，供成千上万的最终用户使用。随着客户设计数据湖架构以获得正确的功能和性能，许多人转向开放表格格式 (OTF) 来提高数据湖的性能，并采用增强功能，如时间旅行查询和并发更新。在本次会议中，了解 AWS 最近的创新，这些创新使构建、保护和管理数据湖变得更加容易。学习使用业内领先的 AWS、开源和第三方分析和机器学习工具来存储、优化和使用数据湖的最佳实践。

探索 HAQM SageMaker Catalog 如何在大规模上转变数据和 AI 治理。这个高级会议将探讨三个关键功能：集中化的工件管理、统一的访问控制和全面的渊源追踪。学习如何使用语义搜索和 AI 生成的元数据高效地组织数据和机器学习资产。我们将演示如何实施细粒度权限和设置协作工作流程。您还将看到 SageMaker Catalog 如何实现自动化数据质量监控和敏感数据检测。加速数据分析和模型开发，确保合规性，并促进协作，最终加快您的分析和 AI 项目的上市时间，同时保持强大的治理。

探索 DeepSeek 的全面工程基础及其在 AWS 上的实施。了解 DeepSeek 的核心架构、训练管道以及架构和基础设施组件的优化策略。通过技术演示，发现如何利用 AWS 服务来最大化 DeepSeek 的性能，同时优化成本和资源利用。这次高级技术深入讨论非常适合 ML 工程师、DevOps 专业人员、架构师以及在 AWS 上实施 DeepSeek 的技术团队。

了解如何通过 HAQM Bedrock 和 HAQM EC2 实例有效部署 DeepSeek 模型。通过实际演示，发现在大规模部署 DeepSeek-R1 及其 Distilled 变体时，优化成本和性能的最佳实践。这次技术指南对于新手和有经验的专业人士来说都非常有价值，特别是那些处理生成式 AI 的专业人士。

HAQM SageMaker AI 让数据科学家和机器学习工程师能够加速他们的生成式 AI 之旅，通过深度自定义公开可用的基础模型 (FMs) 并将其部署到生产应用中。这段旅程始于 HAQM SageMaker JumpStart，这是一个 ML 中心，提供对数百个公开可用的 FMs 的访问，例如 Llama 3、Falcon 和 Mistral。参加这次会议，了解如何评估 FMs、选择一个 FM、使用先进技术进行自定义，并将其部署，同时实现 AI 责任、简化访问控制并增强透明度。

HAQM SageMaker AI 提供最高性能的 ML 基础设施和高可靠的训练环境，帮助您在数月内无中断地训练基础模型 (FMs)。从企业到创业公司，顶尖的 AI 公司都在 SageMaker AI 上构建具有数十亿参数的前沿模型。了解如何使用最新的训练功能，如 HAQM SageMaker HyperPod、完全管理的训练作业和优化的分布式训练框架，节省高达 40% 的训练时间和成本。参加此次会议，学习如何在 SageMaker AI 上运行大规模且成本效益高的模型训练，以加速生成式 AI 的开发。

生成式 AI 承诺将改变产业，但其巨大的计算需求和不断升高的成本带来了重大挑战。为了克服这些障碍，AWS 设计了专门的 AI 芯片，AWS Trainium 和 Inferentia。在这次会议中，我们将深入了解从硅片到服务器和数据中心的创新，并听取 AWS 客户如何使用 AWS AI 芯片构建、部署和扩展基础模型，应用于各种产品和服务。

HAQM SageMaker AI 是一项全面管理的服务，整合了广泛的工具，以实现高性能、低成本的机器学习 (ML)，适用于任何用例。使用 SageMaker AI，您可以在规模上构建、训练和部署机器学习模型，包括基础模型 (FMs)，利用笔记本、调试器、分析器、管道、MLOps 等工具，这些都集成在一个统一的开发环境 (IDE) 中。在这次会议中，了解如何开始使用以及如何利用 AWS 生态系统的其他部分。

使用 HAQM SageMaker Studio 加速机器学习工作流程 (Level 300) 解锁 HAQM SageMaker Studio 的强大功能，这是一个全面的 IDE，用于简化机器学习 (ML) 生命周期。探索数据探索、转换、自动特征工程 (AutoML) 以及使用集成的 Jupyter Notebooks 进行协作编码。发现 SageMaker Studio 和 MLOps 集成如何简化模型部署、监控和治理。通过实时演示和最佳实践，学习如何利用 SageMaker Studio 工具进行高效的特征工程、模型开发、协作和数据安全。

在本次会议中，探索著名连锁店如何通过移动应用提升客户体验。了解他们如何实施全面的分析解决方案，以优化库存管理、提升客户体验，并在整个门店网络中推动数据驱动的决策制定。通过演示和实际案例，您将探索 AWS 服务如何实现智能店铺分析、需求预测和个性化营销策略，从而提高运营效率和客户满意度。本课程特别适合零售运营商、业务分析师和技术领导者，帮助他们实现零售分析能力的现代化。

在今天的企业数据领域中，达成中央集权与自治之间的完美平衡既是一门艺术，也是一门科学。本次会议将展示如何构建复杂的数据解决方案，同时维持企业层级的治理和业务单位的独立性。通过真实世界的实施案例，我们将探讨两个关键的平衡技巧：首先，如何设计向量数据库 RBAC 系统，实现中央管理的同时确保业务单位之间的数据隔离。其次，我们将展示如何利用生成式 AI 进行动态内容标注，同时维持可扩展到整个企业的标准化分类法。加入我们，学习实际策略，实施启用而非限制的控制措施，确保创新和治理在现代数据架构中共存。您将获得可操作的见解，构建灵活但受控的数据环境，推动业务价值的同时维持安全和合规性。

获取部署端到端生成式 AI 应用程序所需的技能，使用您最有价值的数据。虽然本次会议重点介绍检索增强生成 (RAG) 过程，但这些概念也适用于其他生成式 AI 应用程序的定制方法。发现最佳实践架构，使用 AWS 数据库服务如 HAQM Aurora、HAQM OpenSearch Service 或 HAQM MemoryDB，以及数据处理服务如 AWS Glue 和流数据服务如 HAQM Kinesis。学习数据湖、治理和数据质量概念，以及 HAQM Bedrock Knowledge Bases、HAQM Bedrock Agents 和其他功能如何将解决方案组件联系在一起。

HAQM Aurora DSQL 是一种新型的关联数据库，结合了无服务器体验、HAQM Aurora 的高性能和 HAQM DynamoDB 的规模。Aurora DSQL 的分布式架构设计使得任何规模的组织都能轻松管理具有强一致性的分布式工作负载。在这次会议中，我们将指导您了解 Aurora DSQL 的基础知识。学习如何在您的架构中使用 Aurora DSQL，了解关键考量和权衡，探讨应用架构的可能性，以及更多内容。

HAQM S3 是一种高度可扩展和持久的对象存储服务，广泛应用于数据存储和管理。通过利用 HAQM S3 的元数据功能，您可以更好地组织、管理和利用您的数据。在这次会议中，我们将深入探讨如何利用 HAQM S3 元数据来释放数据的潜力，并展示其在实际应用中的强大功能。

AWS 正在通过端到端的管理和无服务器功能，重新定义数据流处理。这些功能涵盖了核心基础设施、系统操作、数据集成、数据处理和数据管理，帮助客户现代化其数据平台。了解最新和最近的创新技术，这些技术用于收集、处理和分析流数据，包括改进的可扩展性、高可靠性、低延迟以及与许多 AWS 和第三方服务的原生集成。参加本次会议，了解如何使用 AWS 的流处理解决方案来构建可扩展、可靠的数据流应用，以便更快获取洞察并改进决策。

克服关联数据库的性能和规模限制：HAQM DynamoDB 的架构选择为了克服关联数据库的性能和规模限制，AWS 开发了 HAQM DynamoDB，以提供一致的单位毫秒级性能，满足全球最具挑战性应用的需求。在本次会议中，您将了解 HAQM DynamoDB 的架构选择，并更好地理解何时使用 DynamoDB，以及为什么 DynamoDB 被超过一百万 AWS 客户用来支持每秒超过五十万请求的数百个应用。您将获得一个新的视角，了解如何设计自己的应用。