从Alexa到Strands:AWS如何把AI Agent推向云规模
在这场演讲中,AWS的Antje Barth用Alexa和Amazon Q的真实案例,展示了AI Agent如何从“单点智能”走向“云规模协作”。她不仅给出了AWS内部的实践数据,还首次系统讲述了Strands Agents与MCP背后的方法论。
在这场演讲中,AWS的Antje Barth用Alexa和Amazon Q的真实案例,展示了AI Agent如何从“单点智能”走向“云规模协作”。她不仅给出了AWS内部的实践数据,还首次系统讲述了Strands Agents与MCP背后的方法论。
AWS 的 Suman Debnath 在这场演示中介绍了 Strands Agents——一个刻意“反工程化”的开源 AI Agent SDK。它试图用极少的 scaffolding,把推理权真正交还给模型,并通过真实 Demo 展示:当你只保留模型与工具,Agent 反而能做得更多。
这是一次少见的、从代码细节出发讨论“生产级 AI Agent”的分享。AWS 开发者布道师 Mike Chambers 用一个极简 Demo,拆解了 AI Agent 的最小可行结构,并解释了为什么真正的难点不在模型,而在工程化与系统设计。
这场来自 TraceLoop CEO 的分享,用一个极其务实的视角解释了:为什么生成式 AI 的可观测性问题,不能从零重新发明,而应该建立在 OpenTelemetry 之上。你将理解日志、指标、追踪在 LLM 应用中的真实价值,以及 OpenLLMetry 如何把这些能力“自动”带入现有观测平台。
这是一场把大语言模型从聊天框带进真实世界的现场实验。演讲者展示了如何用Claude和Amazon Bedrock构建一个能“看、想、做”的Minecraft智能体,并分享了在架构选择、工具编排和可控性上的关键经验。
当外界还在争论AI是不是泡沫时,华尔街已经用真金白银投票了。贝莱德CEO拉里·芬克公开宣称:AI不仅提升效率,还能降通胀、涨工资;而另一边,数据中心、电力、算力正在引爆一场前所未有的资本竞赛。
OpenAI看似稳坐王座,但真正的威胁可能并不来自Google,而是Meta押注开源的“慢刀”。从Llama到Code Llama,Meta正在用免费、可定制、可私有化的模型,切开AI商业最赚钱的入口。
IBM宣布“用AI替代7800个岗位”,但真相比裁员更冷酷;亚马逊不满足于Bedrock,直接重做Alexa的大模型;而UT Austin的研究,已经能把脑电活动翻译成文字。更耐人寻味的是,这一切背后,AI教父Hinton选择了离开。
AI 正在吞噬整个科技行业,但最反直觉的是:最早喊出“不要被AI颠覆”的巨头,反而显得最焦虑。这支视频把五大科技公司拉到同一张牌桌上,你会发现它们的节奏、筹码和恐惧完全不同。