至顶网软件频道消息: 亚马逊网络服务公司在AWS re:Invent大会上透露,在与媒体公司Turner Broadcasting System Inc.达成类似协议之后,该公司的云平台又增加了四家主要的企业客户。
今天早些时候,亚马逊表示已经与沃特.迪斯尼公司(Walt Disney Co.)、在线旅游公司Expedia Inc.、美国国家橄榄球联盟(National Football League)和财务管理软件提供商Intuit Inc.达成交易,将他们的一些IT基础设施迁移到云端,并使用其人工智能和机器学习服务。
已经成为亚马逊客户八年了的迪士尼表示,正在通过迁移更多生产工作负载到亚马逊的云平台,扩展其对AWS的使用。该公司表示,其沃特.迪士尼工作室(Walt Disney Studios)、媒体网络(Media Networks)和公园及度假村(Parks and Resorts)业务目前使用一系列亚马逊的服务,包括其机器学习技术。
迪士尼企业基础设施服务高级副总裁Charles Weiner表示:“扩大我们与AWS的战略合作关系,使AWS成为我们首选的公共云基础设施提供商,这是符合我们的整体技术战略的。”
与此同时,Expedia表示,通过在AWS上“全押(all-in)”,它将在这家云计算巨头的机器学习技术的基础上实现“标准化”。
该酒店和航班预订公司表示,正在将超过20年的业务工作量、移动应用程序和数字资产转移到AWS。该公司还表示,它正在将几个数据库从Oracle和微软的SQL Server迁移到亚马逊的Aurora数据库。
Expedia表示,决定全面采用AWS是一件容易的事情,该公司自2013年以来一直是亚马逊的客户。在过去几年将更多的工作量转移到AWS之前,Expedia最初使用AWS的服务来加速一些内部项目并整合其收购。该公司还一直在使用亚马逊的机器学习服务支持在预定后向客户提供的建议,以及其他一些用途。
Expedia的首席技术官Tony Donohoe表示,“我们以开发和测试工作负载开始了我们的云计算旅程,并且取得了如此巨大的成功,我们选择将我们的全球品牌、他们的网站和数字资产、分析、移动应用和关键业务工作负载都迁移到AWS上。”
Intuit也对亚马逊的机器学习专业知识表现出浓厚的兴趣。该公司在其产品中提供了大约40种人工智能和机器学习功能,并表示决定将这些工作负载转移到AWS以加快其规模部署。此外,Intuit还计划在AWS上运行全公司的数据湖。
Intuit的执行副总裁兼首席技术官H. Tayloe Stansbury表示:“我们扩展了与AWS的关系,以提升我们的旗舰产品和服务,包括QuickBooks、Mint和TurboTax,并推动了我们在业务中应用人工智能的工作。”
同样重要的是,美国国家橄榄球联盟(National Football League)采用了AWS的机器学习和数据分析服务来推动其下一代统计(Next Gen Stats)平台,也就是其运动员跟踪系统。该公司表示,他们的目标是“开发将现场活动可视化的新方法,通过提供更广泛的先进统计数据,加深对现场活动的见解,提升粉丝体验。”作为交易的一部分,AWS也将成为NFL的“官方技术提供商”。
利用在运动员装备和橄榄球中的无线射频识别标签,Next Gen Stats能够捕捉诸如实时位置、速度和加速度等数据。然后它在AWS上进行分析,针对每一场比赛为运动员和球队创建统计数据,例如接球手的能力以及进攻线保护四分卫的能力。
NFL新兴产品和技术副总裁Matt Swensson表示:“Next Gen Stats已经通过揭示各种先进的统计数据改变了我们的广播和其他业务,并且革新了橄榄球运动。”他表示,“通过使用AWS助力Next Gen Stats,我们将能够以更具影响力及更有意义的内容开启我们的2018赛季,并对橄榄球运动获得比以往任何时候都更加深刻的见解。”
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。