AWS正在依靠其合作伙伴生态系统来加速主机现代化项目的实施。
该公司本月推出了AWS Transform Composability平台,旨在帮助服务提供商构建专门的智能体,处理主机到云迁移的特定部分。合作伙伴可以将领域专业知识编码为可重复使用的智能体工具,这些工具可插入平台中,在保持核心系统功能的同时自动化迁移过程。
该平台标志着这家云服务巨头为缩短现代化时间线从几年到几个月的最新努力。AWS Transform Composability在迁移过程中转换和重构代码、数据和业务规则,改进了传统的"先迁移,后修复"策略。
在新模式下,合作伙伴为特定行业或遗留环境设计智能体,例如基于COBOL的保险理赔系统或政府记录管理应用程序。每个智能体都体现了行业知识、法规要求和业务逻辑,AWS表示这些通常仅通过通用自动化难以捕获。
在操作层面,该过程的工作流程如下:合作伙伴在本地开发并容器化智能体,将其上传到AWS的弹性容器注册表,并在AWS Transform Composability框架内注册。一旦获得批准,智能体将参与针对特定行业需求的多智能体工作流程。
AWS表示,自动化特定领域的任务可以减少手动工作和返工,从而降低费用。根据该公司的数据,与传统现代化方法相比,客户通常可以看到30%至40%的成本减少,具体取决于工作负载复杂性和组织因素。
对于AWS合作伙伴——通常是大型托管服务提供商、系统集成商和咨询公司——Transform Composability提供了一种将现有专业知识转化为可重复使用的现代化工具的方法。
这家云服务巨头表示,合作伙伴可以通过自定义智能体将专有方法论和行业特定知识直接嵌入到现代化过程中。这允许托管服务提供商和其他供应商提供专门的服务,而不是一刀切的迁移。
合作伙伴还可以通过为特定行业或技术领域构建针对性解决方案来扩展其产品组合,例如医疗保健理赔处理或财务报告系统。随着时间推移,AWS预计智能体将在多个客户项目中被使用。
该平台还允许合作伙伴捕获和保留内部专业知识。曾经存在于个别专家身上的知识可以被编码到智能体中,减少变异性并将机构记忆转化为可重复使用的数据。
AWS将该平台定位为一个持续的项目,合作伙伴将随着需求的演变构建和添加智能体。该平台的早期贡献者包括埃森哲、凯捷、IBM、印孚瑟斯、德勤和塔塔咨询服务。
Q&A
Q1:AWS Transform Composability平台是什么?有什么作用?
A:AWS Transform Composability是AWS推出的一个平台,旨在帮助服务提供商构建专门的智能体,处理主机到云迁移的特定部分。该平台可以自动化迁移过程,将现代化时间线从几年缩短到几个月,同时保持核心系统功能。
Q2:使用AWS Transform Composability平台能节省多少成本?
A:根据AWS的数据,与传统现代化方法相比,客户通常可以看到30%至40%的成本减少。具体的节省程度取决于工作负载复杂性和组织因素。
Q3:哪些公司是AWS Transform Composability平台的早期合作伙伴?
A:该平台的早期贡献者包括埃森哲、凯捷、IBM、印孚瑟斯、德勤和塔塔咨询服务等知名的托管服务提供商、系统集成商和咨询公司。
好文章,需要你的鼓励
联想此次推出的推理加速引擎(Inference Acceleration Engine),是联想携手清华大学无问芯穹团队联合打造的本地AI加速解决方案。这款引擎将预装在联想年底发布的新一代AI PC产品线中,目标是让端侧推理性能直接看齐云端大模型水平。
香港中文大学等顶尖院校联合研究发现,当前最先进的AI视频生成技术已能制作出连顶级检测系统都无法识别的假视频。研究团队开发了Video Reality Test平台,测试结果显示最强生成模型Veo3.1-Fast的假视频仅有12.54%被识别,而最强检测系统Gemini 2.5-Pro准确率仅56%,远低于人类专家的81.25%。研究还发现检测系统过度依赖水印等表面特征,音频信息能提升检测准确性,但技术发展已对信息真实性判断带来严峻挑战。
Meta超级智能实验室推出的SAM 3D模型,通过创新的"模型在环"数据标注流程和多阶段训练策略,成功实现从单张图像重建完整3D物体的能力。该研究打破了3D领域的数据壁垒,在真实世界场景中展现出远超现有方法的性能,为机器人、AR/VR、游戏制作等应用开启新可能。
Google DeepMind团队提出了革命性的"扩散预览"模式,通过ConsistencySolver技术实现AI图像生成的"预览+精修"工作流程。该技术能在5-10步内生成高质量预览图像,与传统40步完整生成保持高度一致性,用户体验测试显示总体时间节省近50%,大大提高了创作效率和创意探索的自由度。