کارخانه‌های هوش مصنوعی راه‌اندازی می‌شود

اخبار توسعه- زهراسادات حسینی؛ در رویداد ری اینونت ۲۰۲۵، AWS از پردازنده Graviton5 خود رونمایی کرد که این شرکت قول داده بالاترین عملکرد و کارآمدترین تراشه که شامل ۱۹۲ هسته پردازنده است، باشد. این طراحی متراکم مسافتی را که داده‌ها باید بین هسته‌ها طی کنند را کاهش می‌دهد که این امر به کاهش تأخیر ارتباط بین هسته‌ها تا ۳۳ درصد و افزایش پهنای باند کمک می‌کند.

نسخه جدیدی از تراشه آموزش هوش مصنوعی خود به نام Trainium۳ را به همراه یک سیستم هوش مصنوعی به نام UltraServer که آن را اجرا می‌کند، معرفی کرد. خلاصه: این تراشه ارتقا یافته دارای مشخصات چشمگیری است، از جمله وعده تا ۴ برابر افزایش عملکرد برای آموزش و استنتاج هوش مصنوعی در حین کاهش مصرف انرژی تا ۴۰٪.

همچنین تیزری ارائه داد که در حال حاضر TRAINIUM4 را در دست توسعه دارد که قادر به کار با تراشه‌های انویدیا خواهد بود.

قابلیت‌های گسترده‌تر AgentCore

آمازون ویژگی‌های جدیدی را در پلتفرم ساخت عامل هوش مصنوعی AgentCore خود معرفی کرد. یکی از ویژگی‌های قابل توجه، Policy in AgentCore است که به توسعه‌دهندگان این امکان را می‌دهد تا راحت‌تر محدودیت‌هایی را برای عوامل هوش مصنوعی تعیین کنند.

آمازون همچنین اعلام کرد که عوامل اکنون می‌توانند چیزهایی را درباره کاربران خود ثبت و به خاطر بسپارند. به علاوه اعلام کرد که از طریق ۱۳ سیستم ارزیابی از پیش ساخته شده به مشتریان خود در ارزیابی عوامل کمک خواهد کرد.

زنبور کارگر عامل هوش مصنوعی بی‌وقفه

آمازون سه عامل هوش مصنوعی جدید به نام “عوامل Frontier” را معرفی کرد، از جمله یکی به نام “عامل خودمختار Kiro” که کد می‌نویسد و برای یادگیری نحوه کار یک تیم طراحی شده است تا بتواند تا حد زیادی به تنهایی برای ساعت‌ها یا روزها فعالیت کند.

یکی دیگر از این عوامل جدید فرآیندهای امنیتی مانند بررسی کد را انجام می‌دهد و سومی وظایف DevOps مانند جلوگیری از حوادث هنگام فشار دادن کد جدید به صورت زنده را انجام می‌دهد. نسخه‌های پیش‌نمایش این عوامل اکنون در دسترس هستند.

مدل‌ها و خدمات جدید نوا

آمازون در حال ارائه چهار مدل هوش مصنوعی جدید در خانواده مدل هوش مصنوعی Nova خود است – سه مورد از آن‌ها تولیدکننده متن هستند و یکی می‌تواند متن و تصویر ایجاد کند.

این شرکت همچنین سرویس جدیدی به نام Nova Forge را معرفی کرد که به مشتریان ابر AWS امکان می‌دهد به مدل‌های از پیش آموزش دیده، نیمه آموزش دیده یا پس از آموزش دسترسی داشته باشند که سپس می‌توانند با آموزش بر روی داده‌های اختصاصی خود، آن‌ها را تکمیل کنند. هدف بزرگ AWS انعطاف‌پذیری و سفارشی‌سازی است.

استدلال Lyft برای عوامل هوش مصنوعی

این شرکت خدمات درخواست خودرو یکی از بسیاری از مشتریان AWS بود که در طول این رویداد برای به اشتراک گذاشتن داستان‌های موفقیت خود و شواهدی از تأثیر محصولات بر تجارت خود، صحبت کرد. Lyft از مدل Claude Anthropic از طریق Amazon Bedrock برای ایجاد یک عامل هوش مصنوعی استفاده می‌کند که به سوالات و مسائل رانندگان و مسافران رسیدگی می‌کند.

این شرکت گفت که این عامل هوش مصنوعی میانگین زمان حل مسئله را ۸۷٪ کاهش داده است. Lyft همچنین گفت که امسال شاهد افزایش ۷۰ درصدی استفاده رانندگان از عامل هوش مصنوعی بوده‌ است.

کارخانه هوش مصنوعی برای مرکز داده خصوصی

آمازون همچنین “کارخانه‌های هوش مصنوعی” را معرفی کرد که به شرکت‌های بزرگ و دولت‌ها اجازه می‌دهد سیستم‌های هوش مصنوعی AWS را در مراکز داده خود اجرا کنند.

این سیستم با مشارکت Nvidia طراحی شده است و شامل فناوری Nvidia و AWS است. در حالی که شرکت‌هایی که از آن استفاده می‌کنند می‌توانند آن را با پردازنده‌های گرافیکی Nvidia پر کنند، اما می‌توانند تراشه هوش مصنوعی خانگی جدید آمازون، Trainium3 را نیز انتخاب کنند. این سیستم راهی است که آمازون برای رسیدگی به حاکمیت داده‌ها یا نیاز دولت‌ها و بسیاری از شرکت‌ها برای کنترل داده‌های خود و عدم اشتراک‌گذاری آن، حتی برای استفاده از هوش مصنوعی، در نظر گرفته است.