Code Velocity

AWS

نمونه‌های Amazon SageMaker AI G7e که استنتاج هوش مصنوعی مولد را با پردازنده‌های گرافیکی NVIDIA RTX PRO 6000 Blackwell شتاب می‌بخشند.
هوش مصنوعی سازمانی

استنتاج هوش مصنوعی مولد: شتاب‌بخشی در SageMaker با نمونه‌های G7e

استنتاج هوش مصنوعی مولد را در Amazon SageMaker AI با نمونه‌های جدید G7e که توسط پردازنده‌های گرافیکی NVIDIA RTX PRO 6000 Blackwell قدرت می‌گیرند، شتاب بخشید و عملکردی 2.3 برابر و صرفه‌جویی در هزینه را ارائه دهید.

·4 دقیقه مطالعه
هوش مصنوعی عاملیت‌محور گردش کار انتشار محتوا را ساده می‌کند، تلاش دستی را کاهش می‌دهد و کارایی را برای تیم‌های بازاریابی با AWS Bedrock بهبود می‌بخشد.
هوش مصنوعی سازمانی

هوش مصنوعی عاملیت‌محور بازاریابی را متحول می‌کند: از ساعت‌ها به دقایق

بیاموزید که چگونه هوش مصنوعی عاملیت‌محور، با پشتیبانی AWS Bedrock و Gradial، زمان انتشار محتوا را برای تیم‌های بازاریابی از ساعت‌ها به دقایق کاهش می‌دهد و بهره‌وری و کیفیت را افزایش می‌دهد.

·7 دقیقه مطالعه
نمودار معماری بدون سرور AWS که هوش مصنوعی مولد را برای پرو لباس مجازی در خرده‌فروشی نشان می‌دهد
هوش مصنوعی سازمانی

تحول خرده‌فروشی: هوش مصنوعی مولد AWS برای پرو لباس مجازی

بررسی کنید که چگونه سرویس‌های هوش مصنوعی مولد AWS مانند Amazon Nova Canvas و Rekognition در حال تحول خرده‌فروشی با راهکارهای پرو لباس مجازی و توصیه‌های هوشمند، بهبود تجربه مشتری و کاهش نرخ بازگشت کالا هستند.

·5 دقیقه مطالعه
نمودار چارچوب مسیر به ارزش (P2V) هوش مصنوعی مولد AWS که سفر از ایده پردازی تا ارزش پایدار را از طریق ستون‌ها و نقاط بازرسی متصل به هم نشان می‌دهد.
هوش مصنوعی سازمانی

هوش مصنوعی مولد: چارچوب مسیر به ارزش (P2V) AWS برای موفقیت سازمانی رونمایی شد

AWS چارچوب مسیر به ارزش (P2V) هوش مصنوعی مولد را رونمایی می‌کند، راهنمایی جامع برای سازمان‌ها جهت تبدیل اثبات‌کننده‌های مفهوم هوش مصنوعی به ارزش تجاری قابل اندازه‌گیری در مقیاس وسیع.

·5 دقیقه مطالعه
نموداری که قابلیت‌های کلاینت stateful MCP را در Amazon Bedrock AgentCore Runtime با جریان‌های عامل هوش مصنوعی تعاملی نشان می‌دهد.
هوش مصنوعی سازمانی

Amazon Bedrock: قابلیت‌های کلاینت Stateful MCP در AgentCore Runtime

قابلیت‌های جدید کلاینت stateful MCP را در Amazon Bedrock AgentCore Runtime کاوش کنید که گردش کارهای تعاملی عوامل هوش مصنوعی را با استخراج اطلاعات، نمونه‌برداری و اعلان‌های پیشرفت فعال می‌کند.

·7 دقیقه مطالعه
نمودار معماری Amazon Bedrock AgentCore که جریان داده‌ها را برای جاسازی یک عامل مرورگر هوش مصنوعی زنده در یک برنامه React نشان می‌دهد.
ابزارهای توسعه‌دهنده

Bedrock AgentCore: جاسازی عامل مرورگر زنده هوش مصنوعی در React

با استفاده از BrowserLiveView در Amazon Bedrock AgentCore، یک عامل مرورگر هوش مصنوعی زنده را در برنامه React خود جاسازی کنید و قابلیت دید و کنترل بلادرنگ را برای تعاملات خودکار وب ارائه دهید.

·5 دقیقه مطالعه
نموداری که سه وضعیت چرخه عمر مدل‌های Amazon Bedrock را نشان می‌دهد: فعال، قدیمی و پایان عمر (EOL).
هوش مصنوعی سازمانی

چرخه عمر مدل Amazon Bedrock: درک انتقال‌ها

چرخه عمر مدل Amazon Bedrock، شامل وضعیت‌های فعال، قدیمی و پایان عمر (EOL) را درک کنید. برنامه‌ریزی برای مهاجرت‌ها، مدیریت انتقال‌ها و اطمینان از عملکرد مداوم برنامه‌های هوش مصنوعی با بهترین شیوه‌ها را بیاموزید.

·4 دقیقه مطالعه
نموداری که جریان تخصیص هزینه پروژه‌های Amazon Bedrock را برای مدیریت هزینه‌های هوش مصنوعی در بارهای کاری مختلف نشان می‌دهد
هوش مصنوعی سازمانی

مدیریت هزینه هوش مصنوعی: پروژه‌های Amazon Bedrock برای تخصیص هزینه

با بهره‌گیری از پروژه‌های Bedrock برای تخصیص دقیق هزینه، برچسب‌گذاری قوی و ادغام بی‌وقفه با AWS Cost Explorer، بر مدیریت هزینه هوش مصنوعی در Amazon Bedrock مسلط شوید.

·5 دقیقه مطالعه
رابط کاربری Amazon SageMaker AI Studio که گزینه‌هایی برای سفارشی‌سازی مدل سرورلس و فراخوانی ابزار عامل‌محور را نشان می‌دهد.
ابزارهای توسعه‌دهنده

SageMaker AI: تسریع فراخوانی ابزار عامل‌محور با سفارشی‌سازی سرورلس

بیاموزید که چگونه Amazon SageMaker AI با سفارشی‌سازی مدل سرورلس، فراخوانی ابزار عامل‌محور را تسریع می‌کند و از RLVR برای افزایش قابلیت اطمینان و عملکرد عوامل هوش مصنوعی بهره می‌برد.

·5 دقیقه مطالعه
نموداری که معماری یک عامل هوش مصنوعی Amazon Quick برای ورود کارکنان را نشان می‌دهد که سیستم‌های منابع انسانی را یکپارچه می‌کند.
هوش مصنوعی سازمانی

آمازون کوییک: ساخت عوامل هوش مصنوعی برای بهبود کارایی منابع انسانی در فرایند ورود به سازمان

از Amazon Quick برای ساخت عوامل هوش مصنوعی جهت ساده‌سازی فرآیند ورود کارکنان به سازمان استفاده کنید. این عوامل وظایف منابع انسانی مانند پرسش و پاسخ، ردیابی اسناد و یکپارچه‌سازی سیستم‌ها را برای افزایش کارایی خودکار می‌کنند.

·6 دقیقه مطالعه
نمودار معماری نشان می‌دهد که چگونه سرویس‌های AWS و هوش مصنوعی مولد، تحلیل ناهنجاری‌های دریایی عاملیت‌محور Windward را برای هوشمندی زمینه‌محور تقویت می‌کنند.
هوش مصنوعی سازمانی

هوش مصنوعی عاملیت‌محور دریایی: تحلیل ناهنجاری‌های زمینه‌محور با هوش مصنوعی مولد

Windward و AWS از هوش مصنوعی مولد عاملیت‌محور برای متحول کردن تحلیل ناهنجاری‌های دریایی استفاده می‌کنند. این رویکرد، هوشمندی زمینه‌محور را از هشدارهای جداگانه فراهم کرده و امنیت و کارایی عملیاتی را افزایش می‌دهد.

·5 دقیقه مطالعه
نموداری که AWS Network Firewall را نشان می‌دهد که دسترسی عامل‌های هوش مصنوعی به وب را با فیلترینگ دامنه در یک محیط Amazon VPC کنترل می‌کند.
امنیت هوش مصنوعی

کنترل دامنه عامل‌های هوش مصنوعی: تأمین امنیت دسترسی به وب با AWS Network Firewall

دسترسی عامل‌های هوش مصنوعی به وب را با استفاده از AWS Network Firewall و Amazon Bedrock AgentCore امن کنید. برای افزایش امنیت و انطباق هوش مصنوعی سازمانی، فیلترینگ مبتنی بر دامنه را با لیست‌های مجاز پیاده‌سازی کنید و خطراتی مانند تزریق پرامپت را کاهش دهید.

·7 دقیقه مطالعه
دیاگرامی که معماری یک سیستم جمع‌آوری شواهد انطباق مبتنی بر هوش مصنوعی را با استفاده از سرویس‌های AWS مانند Amazon Bedrock و S3 نشان می‌دهد.
هوش مصنوعی سازمانی

رعایت مقررات مبتنی بر هوش مصنوعی: خودکارسازی جمع‌آوری شواهد با AWS

جمع‌آوری شواهد انطباق را با یک سیستم مبتنی بر هوش مصنوعی خودکار کنید. کشف کنید چگونه با استفاده از AWS، Amazon Bedrock و Nova 2 Lite یک راه حل برای حسابرسی‌های کارآمد و بدون خطا بسازید.

·5 دقیقه مطالعه
داشبورد هوش ریسک هوش مصنوعی که نمای کلی و جامعی از وضعیت سیستم عامل‌محور را نشان می‌دهد.
هوش مصنوعی سازمانی

حکمرانی هوش مصنوعی: هوش ریسک برای سیستم‌های عامل‌محور

کشف کنید چگونه هوش ریسک هوش مصنوعی (AIRI) از AWS، حکمرانی هوش مصنوعی را برای سیستم‌های عامل‌محور متحول می‌کند و امنیت و انطباق را در دوران هوش مصنوعی غیرقطعی تضمین می‌کند.

·5 دقیقه مطالعه
شرکت‌کنندگان AWS AI League در حال تنظیم دقیق LLMها با Amazon SageMaker برای آموزش پیشرفته هوش مصنوعی.
هوش مصنوعی سازمانی

AWS AI League: Atos آموزش هوش مصنوعی را با یادگیری گیمیفای‌شده بهینه می‌کند

Atos از AWS AI League برای بهینه‌سازی آموزش هوش مصنوعی نیروی کار خود استفاده می‌کند و مهارت‌های عملی را از طریق یادگیری گیمیفای‌شده و عملی با Amazon SageMaker برای کاربردهای هوش مصنوعی سازمانی تسریع می‌بخشد.

·5 دقیقه مطالعه
نمودار معماری ابری AWS که یک موتور تست A/B با قدرت هوش مصنوعی را نشان می‌دهد که از Amazon Bedrock برای تخصیص هوشمندانه واریانت‌ها بهره می‌برد.
هوش مصنوعی سازمانی

تست A/B با قدرت هوش مصنوعی: پایه و اساس آزمایش تطبیقی

کشف کنید چگونه یک موتور تست A/B با قدرت هوش مصنوعی را با استفاده از Amazon Bedrock بسازید، که بهینه‌سازی تجربه کاربری را بهبود بخشیده و نتایج سریع‌تر و دقیق‌تری به دست می‌آورد.

·7 دقیقه مطالعه
نمودار معماری Strands Evals که تعامل بین Cases، Experiments و Evaluators را برای ارزیابی جامع عامل هوش مصنوعی نشان می‌دهد.
ابزارهای توسعه‌دهنده

ارزیابی عامل‌های هوش مصنوعی: ارزیابی‌های Strands برای آمادگی تولید

Strands Evals، یک چارچوب عملی برای ارزیابی عامل‌های هوش مصنوعی در تولید را کشف کنید. بیاموزید که چگونه عملکرد عامل، آگاهی از زمینه و تصمیم‌گیری را برای استقرار قدرتمند به طور سیستماتیک ارزیابی کنید.

·7 دقیقه مطالعه
لوگوهای AWS و NVIDIA به وضوح نمایش داده شده‌اند که نماد همکاری استراتژیک گسترده آن‌ها برای تسریع و نوآوری هوش مصنوعی است.
هوش مصنوعی سازمانی

همکاری AWS و NVIDIA در زمینه هوش مصنوعی برای تسریع تولید تعمیق می‌بخشند

AWS و NVIDIA در GTC 2026 همکاری استراتژیک خود را تعمیق می‌بخشند و از ادغام‌های بزرگی برای تسریع هوش مصنوعی از فاز آزمایشی تا تولید خبر می‌دهند، از جمله استقرار گسترده GPU، نمونه‌های جدید EC2 و پشتیبانی از مدل Nemotron در Amazon Bedrock.

·5 دقیقه مطالعه
رابط کاربری Amazon Bedrock AgentCore که پیکربندی سیاست‌ها را برای عامل‌های هوش مصنوعی نشان می‌دهد.
هوش مصنوعی سازمانی

Amazon Bedrock AgentCore: تامین امنیت و مقیاس‌پذیری عامل‌های هوش مصنوعی

Amazon Bedrock AgentCore را کاوش کنید، سرویس قدرتمند AWS برای ساخت، تامین امنیت و استقرار عامل‌های هوش مصنوعی پیچیده با اجرای سیاست‌ها، حافظه و زمان اجرای مقیاس‌پذیر برای موارد استفاده سازمانی.

·6 دقیقه مطالعه
نموداری که معماری P-EAGLE را برای کدگشایی گمانه‌زن موازی نشان می‌دهد و سرعت استنتاج LLM بهبود یافته را نمایش می‌دهد.
تحقیقات هوش مصنوعی

P-EAGLE: استنتاج سریع‌تر LLM با کدگشایی گمانه‌زن موازی در vLLM

P-EAGLE با ادغام کدگشایی گمانه‌زن موازی در vLLM، استنتاج LLM را متحول می‌کند و تا ۱.۶۹ برابر سرعت بیشتری را در پردازنده‌های گرافیکی NVIDIA B200 به دست می‌آورد. کشف کنید که چگونه این رویکرد نوآورانه بر تنگناهای پیش‌نویس‌نویسی خودرگرسیو غلبه می‌کند تا هوش مصنوعی سریع‌تر و کارآمدتری داشته باشیم.

·7 دقیقه مطالعه
نموداری که معماری یک دریاچه داده هوش مصنوعی تعبیه‌سازی چندوجهی AWS را برای جستجوی ویدیو نشان می‌دهد و جریان داده را از S3 به OpenSearch از طریق Nova و Bedrock نمایش می‌دهد.
هوش مصنوعی سازمانی

مقیاس‌گذاری تعبیه‌سازی‌های چندوجهی: دریاچه داده هوش مصنوعی برای رسانه و سرگرمی

کشف کنید چگونه یک سیستم جستجوی ویدیوی چندوجهی مقیاس‌پذیر برای رسانه و سرگرمی با استفاده از AWS Nova، Bedrock و OpenSearch بسازید که جستجوی معنایی پیشرفته را در مجموعه داده‌های عظیم امکان‌پذیر می‌کند.

·5 دقیقه مطالعه
نموداری که گردش کار عملیاتی‌سازی هوش مصنوعی عامل‌محور در یک محیط سازمانی را نشان می‌دهد، با مراحل از استراتژی تا استقرار.
هوش مصنوعی سازمانی

عملیاتی‌سازی هوش مصنوعی عامل‌محور: راهنمای ذینفعان

بیاموزید چگونه هوش مصنوعی عامل‌محور را به طور مؤثر در سازمان خود عملیاتی کنید. این راهنما برای ذینفعان، تعریف کارهای 'عامل‌شکل'، رفع شکاف اجرایی و تضمین موفقیت قابل اندازه‌گیری هوش مصنوعی را پوشش می‌دهد.

·6 دقیقه مطالعه
لوگوهای OpenAI و آمازون در کنار هم، نمادی از مشارکت استراتژیک آن‌ها در زمینه هوش مصنوعی مولد
هوش مصنوعی سازمانی

مشارکت OpenAI و آمازون: تسریع نوآوری هوش مصنوعی سازمانی

OpenAI و آمازون از یک مشارکت استراتژیک ۵۰ میلیارد دلاری خبر دادند که هوش مصنوعی مولد پیشرفته، Stateful Runtime و OpenAI Frontier را از طریق AWS Bedrock و زیرساخت Trainium به شرکت‌ها می‌آورد.

·9 دقیقه مطالعه