AWS 推出了 WhisperX 深度学习容器，将 Whisper、wav2vec2 强制对齐与说话人分离技术打包为 GPU 就绪镜像。开发者可将其部署至 Amazon SageMaker AI 的实时或异步端点，实现带发言人标识的词级别精确语音转录。该方案还涵盖了生产环境落地的关键细节，包括 GPU AMI 锁定配置、自动伸缩方案以及成本控制策略。
本文介绍了一种结合 Amazon Bedrock AgentCore Gateway 与 MCP（模型上下文协议）构建多账户 AI Agent 的架构方案。该架构将各业务团队的数据独立保存在各自的 AWS 账户中，并通过部署 MCP 服务器对外提供接口；中央平台账户则负责运行 AI Agent，既实现了跨部门数据的统筹查询，又保障了跨账户安全访问与细粒度授权控制。
软件服务商 Aderant 借助 Amazon Bedrock 平台上的 Amazon Nova Lite 模型，为其云运营团队打造了一套智能工单分诊处理系统。该系统实现了上下文信息收集、工单分类、路由分发以及知识库内容扩充的端到端自动化，有效帮助其云运维团队提高问题处理与流转效率，展示了轻量级大模型在企业日常运维场景中的落地实践。
荷兰百年零售巨头 HEMA 借助 Amazon Bedrock AgentCore 构建了名为 HAL 的内部 AI 助手，以解决员工频繁切换系统门户查找信息的痛点。HAL 采用模型上下文协议（MCP），直接在团队现有的日常工具内提供受治理的企业知识与即时解答。该方案强化了安全架构，客户端无需配置 AWS 凭证，而是统一由 Microsoft Entra ID 保障身份与访问安全。
该方案展示了如何在 AWS 上利用智能体架构构建对话式视频智能分析系统。系统通过 Strands Agents SDK 构建单一智能体，在运行时动态编排 Amazon Bedrock、Amazon Rekognition 和 Amazon Transcribe 等多项服务，自主决策调用对应模块，使用户能够通过自然语言对视频内容提问，并在数秒内获得精准解答。
本文介绍了如何将开源终端原生 AI 编码智能体 OpenCode 与 Amazon Bedrock 上的开放权重模型结合，打造安全、灵活且按需付费的代码助手。开发者可以配置多模型工作流，为不同任务匹配适合的模型，并在无需管理底层基础设施的情况下，将所有数据保留在自己的 AWS 账户内，兼顾开发效率与数据安全性。