AWS首席执行官Matt Garman在re:Invent年度大会的主题演讲中,以"十分钟内发布25项新服务"的方式结束了整场活动,这种类似篮球比赛倒计时的发布方式令人印象深刻。虽然前大部分演讲内容平淡无奇,充斥着乏味的嘉宾演讲和AI相关内容,但最后十分钟的密集发布让整场活动值得关注。
最具争议性的发布
S3现在支持50TB的对象存储,这项功能虽然只能解锁少数几个实用场景,但却为数千个糟糕的用例提供了可能。现在数据仓库可以是一个SQLite文件,这种简化让传统的复杂基础设施显得过度设计。
最典型的AWS风格发布
AWS将Security Hub推向正式可用版本,但这个名称听起来似曾相识。这是因为他们之前有一个名为"Security Hub"的不同服务,后来重命名为Security Hub CSPM,让客户在不知不觉中感到困惑。这再次体现了AWS在"用复杂的命名决策让客户困惑"这一核心竞争力上的强项。
最具DIY精神的发布
Step Functions多年来一直让用户感到困惑,现在通过Lambda Durable Functions,用户可以在本地获得类似功能。这使得用户可以使用SDK原语来实现函数等待事件、设置检查点、从检查点恢复等功能。虽然听起来枯燥,但它让无服务器架构能够构建我们在服务器上运行了至少四十年的功能。
最诚实的命名发布
X8aedz实例的发布因其诚实直接的命名而获得认可。这些实例提供高达6TB的RAM,当你看到价格时,会不自觉地大声说出实例名称。虽然价格昂贵,但对于那些必须同时运行两个Chrome或Slack实例的用户来说是必需的。
最令人费解的发布
AWS对于S3 Access Points for FSx NetApp ONTAP正式可用感到非常高兴,但很难确定这个发布的目标用户群体。相比之下,客户希望能够像访问文件一样访问S3对象的需求更容易理解,但这项服务的方向相反——将存储在NetApp服务中的文件像S3对象一样访问,这种需求场景并不常见。
最值得期待的发布
经过六年的等待,数据库节省计划终于推出。这项服务为九种AWS数据库服务提供折扣,包括无服务器版本,这是以前从未提供过折扣的服务。虽然折扣率比预留实例低,但历史上大多数客户的数据库预留实例覆盖率都很低。这更多的是心理因素而非数学计算,是一个巨大的胜利。
二十五项发布,十分钟时间,六年的等待,一场值得关注结尾的主题演讲。
Q&A
Q1:AWS re:Invent大会上发布了哪些重要服务?
A:AWS在re:Invent大会上发布了25项新服务,其中包括S3支持50TB对象存储、Security Hub正式版、Lambda Durable Functions、X8aedz大内存实例、S3 Access Points for FSx NetApp ONTAP,以及备受期待的数据库节省计划等。
Q2:数据库节省计划有什么特点?
A:数据库节省计划是AWS六年来最受客户请求的功能,为九种AWS数据库服务提供折扣,包括无服务器版本。虽然折扣率比预留实例稍低,但更容易使用,能够显著改善用户体验。
Q3:X8aedz实例适合什么场景使用?
A:X8aedz实例提供高达6TB的RAM,适合需要大量内存的应用场景。虽然价格昂贵,但对于需要运行内存密集型应用或需要同时运行多个大型应用程序的用户来说是必要的选择。
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。