进入2022年,云巨头AWS展现出了对数据服务和无服务器计算的热切关注。
去年11月在美国拉斯维加斯举行的年度re:Invent大会上,AWS发布了一系列公告揭晓围这两个领域所做的一些基础工作。近日,AWS在美国旧金山举行的AWS Summit上进行了一系列发布和多项新的产品。
最新消息还表明,AWS在发布新的云功能方面没有任何放缓的迹象。
AWS数据库、分析和机器学习副总裁Swami Sivasubramanian在峰会主题演讲中表示:“仅在2021年,我们就新增了3084项重要服务和功能,AWS的重点就是支持云中的所有应用,现在我们实际才刚刚开始。”

交互式数据处理
启用每个应用都需要能够提供支持微服务所需的数据访问能力。AWS一直专注于为数据集成、探索和分布式处理提供相关工具。
今天AWS发布的AWS Glue Interactive Sessions,让数据分析师和工程师可以使用基于Jupyter的笔记本电脑或者所选的集成开发环境,以交互式的方法处理信息。AWS同时还推出了Glue Autoscaling,以及一项名为Glue Sensitive Data Detection的新功能,后者用于识别敏感数据类型。
除了AWS Glue的多个增强功能之外,AWS还继续推行一系列举措,让用户更轻松地查询数据存储。Amazon QuickSight是AWS在2016年推出的一种使用自然语言探索数据的商业智能工具。去年AWS新增了机器学习驱动的QuickSight Q,可以接收准确答案和实现相关可视化。
AWS还公布了QuickSight 1-Click Public Embedding的预览版,该版本允许用户将仪表板嵌入到公共应用中而无需额外编写代码。Sivasubramanian说:“开发人员希望将分析引入他们使用的每个应用,但由于需要转向另一种工具而被暂缓了。”
增强无服务器功能
AWS还专注于加强无服务器产品组合。去年11月,AWS宣布可能会以无服务器服务的形式提供四款云分析平台,这引起了无服务器领域的关注。
这个产品组合中包括Amazon Kinesis、EMR、Redshift和MSK,一些分析师认为这可以作为无服务器和容器之间的一个桥梁。
此外,今天AWS还宣布全面供货Amazon Aurora Serverless v2,这个增强版的Aurora是一个兼容MySQL以及PostgreSQL的完全托管型关系数据库引擎,可减少纵向扩展或者缩减的延迟,而且对于那些不想操心数据库配置问题的开发者来说也很有吸引力。
Sivasubramanian指出:“Aurora仍然是AWS增长最快的服务,我们希望各种规模的客户都能体验到无服务器的好处。”
AWS还通过改进了SageMaker机器学习平台让客户获得无服务器的体验。AWS宣布推出了SageMaker Serverless Inference,Sivasubramanian称其是一项用于部署机器学习模型的按需付费服务,将为用户提供诸如针对工作负载的实时推理以及针对处理大批量数据集的批量转换等选项。
就在Sivasubramanian发表AWS Summit主题演讲的一个月之前,他刚刚被美国商务部任命为国家人工智能咨询委员会成员,该委员会获准围绕人工智能相关的广泛问题向白宫提供建议。除了AWS之外,咨询委员会的成员还来自于Salesforce、微软、谷歌和IBM。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。