全部文章

AI 实践

AWS AI 服务有哪些？常用人工智能产品功能与适用场景

AWS 提供了从“开箱即用的 AI API”到“完全自主训练的 ML 平台”的全栈人工智能服务体系。本文系统梳理了 AWS 常用 AI 服务的整体图景，按功能分类详细介绍了语言类 AI 服务（Amazon Polly 文本转语音、Transcribe 语音转文本、Lex 对话式 AI、Translate 机器翻译）、数据提取与分析类（Textract 文档提取、Comprehend 自然语言处理、A2I 人工审核）、计算机视觉类（Rekognition 图像视频分析）、企业专业服务类（Kendra 智能搜索、Personalize 个性化推荐）、代码与 DevOps 类（Q Developer 编程助手、DevOps Guru 异常检测），以及生成式 AI 核心平台 Bedrock 和机器学习平台 SageMaker。文章重点对比了 Bedrock 与 SageMaker 的核心区别，介绍了 AWS 自研 Nova 模型系列的特点与适用场景，并为读者提供了根据具体需求选择合适 AI 服务的决策指南，帮助读者快速建立对 AWS AI 产品体系的整体认知。

2026-07-22 阅读 5 分钟

AI 实践

AWS Bedrock 实践教程：如何调用大模型 API 完成智能应用开发

Amazon Bedrock 是 AWS 提供的完全托管大模型服务平台，通过统一的 API 即可调用来自 Anthropic、Meta、Amazon 等领先 AI 公司的高性能基础模型。本文是一篇以实践为导向的 Bedrock 入门教程，从准备工作开始，手把手指导读者完成模型访问权限申请、IAM 权限配置等前置步骤，然后通过 Python 代码（boto3）演示了最基础的 invoke_model API 调用，让大模型在 10 行代码内“开口说话”。在进阶部分，文章展示了如何通过工具调用（Tool Use）让 AI 具备使用外部函数的能力，并给出了五种集成模式（从 Converse API 到 AgentCore + LangGraph）的速览对比，帮助读者根据项目复杂度选择合适的开发路径。文章还提供了智能客服、多模态助手、语音 AI 酒店服务等三个实战案例参考，最后给出了资源清理建议。本文适合希望快速上手 Bedrock 并将大模型能力落地到实际应用中的开发者。

2026-07-22 阅读 5 分钟

AI 实践

AWS Claude 怎么使用？模型能力介绍、接入方式与应用场景

随着Claude Platform on AWS 的全面上线，AWS 客户现在可以通过三种不同的路径使用 Anthropic 的 Claude 模型：Amazon Bedrock（AWS 运营，数据留在 AWS 基础设施内）、Claude Platform on AWS（Anthropic 运营，享受 Claude 原生平台全部功能）和 Claude Code via Bedrock（开发者命令行 AI 编程助手）。本文系统介绍了这三种接入方式的核心特点、数据边界与适用场景。在模型能力方面，文章详细对比了 Claude 模型家族的各个版本：旗舰级 Opus 4.8（复杂推理与 Agentic Coding）、黄金平衡 Sonnet 5（日常编码与专业工作）、经济快速 Haiku（轻量高吞吐），以及新晋 Mythos-class 模型 Fable 5（长时间自主执行与高级视觉理解，内置安全防护）。文章还提供了通过 Bedrock API 和 Claude Platform API 调用模型的代码示例，以及 Claude Code 配置 Bedrock 后端的步骤，最后给出了不同场景下的模型选型建议，帮助读者根据实际需求选择合适的接入方式和模型版本。

2026-07-22 阅读 5 分钟

AI 实践

AWS GPU 服务器怎么选？适合 AI 训练和推理的实例使用指南

AWS 提供了丰富的 GPU 实例类型，涵盖 NVIDIA GPU（G 系列与 P 系列）和 AWS 自研芯片（Trainium/Inferentia）两大阵营。本文系统梳理了 GPU 实例的选择逻辑，从 G 系列（图形渲染与轻量推理）和 P 系列（高性能计算与大规模训练）的设计定位、GPU 型号与显存差异入手，详细对比了两大系列的适用场景与成本差异。文章逐一解析了主流实例的特点——G4dn/G5/G6/G6e 和 P3/P4/P5/P5en，并介绍了 2025 年 AWS GPU 实例 25%-45% 的降价利好。在自研芯片方面，文章重点介绍了 Trainium 和 Inferentia 在 Transformer 模型场景下的性价比优势（最高节省 50% 训练成本、40% 推理性价比提升），并给出了“何时优先自研芯片、何时继续用 NVIDIA GPU”的决策指南。文章还提供了购买模式（按需/Savings Plans/Spot/Capacity Blocks）的成本优化策略、完整的选型决策流程图，以及 GPU 实例环境配置和使用 ECS/EKS 运行 GPU 工作负载的注意事项，帮助读者在面对丰富选项时做出最优决策。

2026-07-22 阅读 5 分钟

AI 实践

AWS 大模型部署教程：从模型选择到推理服务上线

将大模型从选型到部署为可用的推理服务，是生成式 AI 落地过程中的关键一步。本文系统梳理了 AWS 上大模型部署的四条主流路径：Amazon Bedrock 托管模型（最快上手，零基础设施，按调用付费）、Bedrock 自定义模型导入（将自有微调模型部署为托管服务，统一 API 调用）、Amazon SageMaker（完整控制推理环境，支持实时/异步/批量/无服务器四种部署模式）、以及自建 EKS + vLLM（极致控制与成本优化，尤其适合搭配 AWS 自研芯片 Inferentia/Trainium 运行开源模型）。文章从“部署前先想清楚三件事”入手，通过横向对比帮助读者根据自身需求（模型来源、延迟要求、数据安全、技术门槛）选择合适路径。在每种路径下，文章都提供了具体的操作步骤和代码示例，包括 Bedrock API 调用、SageMaker Hugging Face 部署、SageMaker ezsmdeploy 快速部署、以及 EKS + vLLM + Inferentia2 的完整部署流程，并附有实际性能测试数据（Inf2 部署 DeepSeek-7B 达 25-30 tokens/秒）。最后提供了选型决策总结和资源清理建议，帮助读者从模型到上线走通全程。

2026-07-22 阅读 5 分钟

AI 实践

AWS 机器学习怎么入门？常用服务、开发流程与实战建议

AWS 提供了从“开箱即用的 AI 服务”到“完全自主训练的 ML 平台”的全栈人工智能服务体系，面对琳琅满目的产品列表，新手容易迷失方向。本文从“为什么要用云平台做机器学习”入手，梳理了 AWS AI/ML 服务体系的三层架构——顶层 AI 服务（Polly、Comprehend、Rekognition 等开箱即用 API）、中层 ML 服务（SageMaker 等托管平台）、底层 ML 基础设施（EC2 GPU、Deep Learning AMI），帮助读者建立整体认知。文章分类介绍了常用的 AI/ML 服务（开箱即用 AI 服务、机器学习平台、生成式 AI），给出了从数据摄入到模型监控的典型 ML 开发流程（共 6 个步骤），并详细介绍了 AWS 三级认证体系（AI Practitioner → ML Engineer Associate → ML Specialty）的定位与路径。针对不同角色（开发者、数据科学家、了解者），文章提供了差异化的实战建议和第一步指引，最后附有资源清理提醒，帮助新手在纷繁的选项中找到适合自己的入门起点。

2026-07-22 阅读 5 分钟

AI 实践

AWS 云服务新手指南：从计算、存储到 AI 产品如何选择？

WS 提供了超过 200 项云服务，面对琳琅满目的产品名称（EC2、S3、RDS、Lambda、VPC、Bedrock……），新手很容易陷入“该从哪里开始”的迷茫。本文是一篇面向 AWS 初学者的服务选型指南，从“为什么需要在云上做选择”入手，按服务类别系统梳理了 AWS 的核心产品矩阵：计算服务（EC2/Lambda/ECS/Elastic Beanstalk）、存储服务（S3/EBS/EFS）、数据库服务（RDS/Aurora/DynamoDB）、网络与内容分发（VPC/Route 53/CloudFront）、AI 与机器学习（Bedrock/SageMaker/开箱即用 AI 服务）。在每个类别中，文章通过“一句话定位 + 适用场景 + 新手建议”的结构，帮助读者快速理解各服务的核心价值与差异，并给出了从第 1 周到第 8 周以上的分阶段学习路径建议，最后附有资源清理提醒。本文适合对云计算有兴趣、希望系统了解 AWS 核心服务并建立全局认知的初学者。

2026-07-22 阅读 5 分钟