در کنفرانس AWS re:Invent 2025، آمازون وب سرویسز (AWS) بر جدیدترین راهکارهای هوش مصنوعی AWS برای شرکت ها متمرکز بود. این رویداد، پیشرفت های قابل توجهی در عوامل هوش مصنوعی، تراشه های نسل بعدی مانند Graviton5 و Trainium3، و قابلیت های پیشرفته برای سفارشی سازی مدل های زبان بزرگ (LLM) از طریق Amazon Bedrock و SageMaker را به نمایش گذاشت. همچنین، مباحثی در مورد آینده مشاغل در عصر هوش مصنوعی و اهمیت حاکمیت داده ها مطرح شد.
کنفرانس فناوری سالانه آمازون وب سرویسز AWS re:Invent به پایان رسید. و در میان انبوهی از اخبار محصولات و سخنرانی های اصلی، پیام اصلی درباره راهکارهای هوش مصنوعی AWS برای شرکت ها بود.
امسال تمام تمرکز بر روی ارتقاهایی بود که به مشتریان کنترل بیشتری برای سفارشی سازی عوامل هوش مصنوعی می دهد، از جمله یکی که AWS ادعا می کند می تواند از شما یاد بگیرد و سپس برای روزها به طور مستقل کار کند. دکتر ورنر فوگلز، مدیر ارشد فناوری آمازون، شب پایانی را با یک سخنرانی کلیدی به پایان رساند که هدف آن حمایت از توسعه دهندگان و رفع هرگونه ترس از اینکه هوش مصنوعی به سراغ مشاغل مهندسی می آید، بود.
AWS re:Invent 2025، که تا 14 آذر ادامه دارد، با سخنرانی اصلی مت گارمن، مدیر عامل AWS، آغاز شد، که بر این ایده تاکید کرد که عوامل هوش مصنوعی می توانند «ارزش واقعی» هوش مصنوعی را آشکار کنند.
او در طول سخنرانی اصلی 11 آذر گفت: «دستیاران هوش مصنوعی در حال جایگزینی با عوامل هوش مصنوعی هستند که می توانند وظایف را انجام دهند و از طرف شما خودکارسازی کنند.» «اینجاست که ما شروع به دیدن بازدهی تجاری قابل توجهی از سرمایه گذاری های هوش مصنوعی شما می کنیم.»
در 12 آذر، کنفرانس با پیام رسانی عوامل هوش مصنوعی، و همچنین بررسی های عمیق تر داستان های مشتریان ادامه یافت. سوامی سیواسوبرامانیان، معاون رئیس هوش مصنوعی عاملیت گرا در AWS، یکی از سخنرانی های اصلی را ارائه داد. گفتن اینکه او بسیار مشتاق بود، شاید حال و هوا را دست کم گرفتن باشد.
سیواسوبرامانیان در طول سخنرانی گفت: «ما در زمان های تغییرات بزرگ زندگی می کنیم.» «برای اولین بار در تاریخ، ما می توانیم آنچه را که می خواهیم به زبان طبیعی توضیح دهیم، و عوامل برنامه را تولید می کنند. آن ها کد را می نویسند، ابزارهای لازم را فراخوانی می کنند، و راه حل کامل را اجرا می کنند. عوامل به شما آزادی می دهند تا بدون محدودیت بسازید، و سرعت تبدیل ایده به تاثیر را به طرز چشمگیری افزایش می دهند.»
در حالی که اخبار عوامل هوش مصنوعی نویدبخش حضوری پایدار در سراسر AWS re:Invent 2025 است، اطلاعیه های دیگری نیز وجود داشت. در اینجا خلاصه ای از مواردی که توجه ما را جلب کردند، آمده است.
ورنر رفت…
ورنر فوگلز، مدیر ارشد فناوری آمازون، سخنرانی پایانی کنفرانس را داشت و به نظر می رسد این آخرین سخنرانی او خواهد بود.
او گفت: «این آخرین سخنرانی اصلی من در re:Invent است»، سپس به سرعت اضافه کرد که او شرکت را ترک نمی کند. «من آمازون یا چیز دیگری را ترک نمی کنم، اما فکر می کنم پس از 14 رویداد re:Invent، شما سزاوار صداهای جوان، تازه و جدید هستید.»
فوگلز سپس بیش از یک ساعت با اتاقی پر از جمعیت صحبت کرد و در نهایت با گفتن «ورنر، تمام» و انداختن واقعی میکروفون به سخنرانی پایان داد.
آیا هوش مصنوعی شغل شما را خواهد گرفت؟
فوگلز بخش زیادی از سخنرانی پایانی را به صحبت درباره هوش مصنوعی و نقش آن در آینده، از جمله تهدید قریب الوقوع از دست دادن شغل ها، اختصاص داد.
فوگلز پرسید و پاسخ داد: «آیا هوش مصنوعی شغل من را می گیرد؟ شاید»، قبل از اینکه اشاره کند برخی وظایف خودکار می شوند و برخی مهارت ها منسوخ خواهند شد. «پس شاید باید این سوال را دوباره بیان و بازتعریف کنیم. آیا هوش مصنوعی من را منسوخ می کند؟ قطعا نه، اگر شما تکامل یابید.»
واحد پردازش مرکزی (CPU) نسل بعدی
AWS روز پنجشنبه از پردازنده Graviton5 خود رونمایی کرد، تراشه نسل بعدی که شرکت وعده می دهد بالاترین عملکرد و کارایی را تا کنون خواهد داشت. Graviton5 شامل 192 هسته پردازنده است، یک طراحی فشرده و کارآمد که AWS می گوید مسافتی را که داده ها باید بین هسته ها طی کنند، کاهش می دهد. این امر به کاهش تاخیر ارتباط بین هسته ای تا 33 درصد کمک می کند و در عین حال پهنای باند را افزایش می دهد، شرکت گفت.
تاکید مضاعف بر مدل های زبانی بزرگ و راهکارهای هوش مصنوعی AWS
AWS ابزارهای بیشتری را برای مشتریان سازمانی برای ایجاد مدل های خودشان معرفی کرد. این نشان دهنده تمرکز AWS بر ارائه راهکارهای هوش مصنوعی AWS پیشرفته برای سفارشی سازی است.
به طور خاص، AWS گفت که قابلیت های جدیدی را برای Amazon Bedrock و Amazon SageMaker AI اضافه می کند تا ساخت LLM های سفارشی را آسان تر کند. به عنوان مثال، AWS قابلیت سفارشی سازی مدل بدون سرور را به SageMaker می آورد، که به توسعه دهندگان اجازه می دهد بدون نیاز به فکر کردن درباره منابع محاسباتی یا زیرساخت، شروع به ساخت یک مدل کنند. سفارشی سازی مدل بدون سرور می تواند از طریق یک مسیر خودآموز یا با درخواست از یک عامل هوش مصنوعی قابل دسترسی باشد. AWS همچنین Reinforcement Fine Tuning را در Bedrock معرفی کرد، که به توسعه دهندگان اجازه می دهد یک گردش کار یا سیستم پاداش از پیش تعیین شده را انتخاب کنند و Bedrock فرآیند سفارشی سازی آن ها را به طور خودکار از ابتدا تا انتها اجرا کند.
اندی جسی تعدادی آمار را به اشتراک می گذارد
اندی جسی، مدیر عامل آمازون، برای توضیح سخنرانی اصلی مت گارمن، رئیس AWS، به پلتفرم رسانه اجتماعی X رفت. پیام: نسل فعلی تراشه هوش مصنوعی Trainium2 که رقیب Nvidia است، در حال حاضر درآمدهای زیادی به همراه دارد.
اظهارات او به رونمایی از تراشه نسل بعدی، Trainium3، مرتبط بود و هدف آن پیش بینی آینده ای امیدوارکننده برای درآمد این محصول بود.
صرفه جویی در پایگاه داده از راه می رسد
در میان ده ها اطلاعیه، یک مورد وجود دارد که از قبل مورد تشویق قرار گرفته است: تخفیف ها.
به طور خاص، AWS اعلام کرد که برنامه های صرفه جویی پایگاه داده را راه اندازی می کند، که به مشتریان کمک می کند تا هزینه های پایگاه داده را تا 35 درصد کاهش دهند، زمانی که به میزان ثابتی از مصرف (دلار بر ساعت) در طول یک دوره یک ساله متعهد شوند. این شرکت گفت که این صرفه جویی ها هر ساعت به طور خودکار به استفاده های واجد شرایط در سرویس های پایگاه داده پشتیبانی شده اعمال می شود، و هرگونه استفاده اضافی فراتر از تعهد با نرخ های درخواستی محاسبه می شود.
کوری کوین، اقتصاددان ارشد ابری در Duckbill، این موضوع را به خوبی در پست وبلاگ خود با عنوان «شش سال شکایت بالاخره نتیجه می دهد» خلاصه کرد.
آمازون امیدوار است که معامله ای بهتر از رایگان وجود نداشته باشد
آیا راهی وجود دارد که ابزار کدنویسی هوش مصنوعی دیگری بتواند دل بنیان گذاران استارت آپ را به دست آورد؟ آمازون امیدوار است که یک سال اعتبار رایگان، برای پیشنهاد خود یعنی Kiro، چاره ساز باشد. این شرکت اعتبار Kiro Pro+ را به استارت آپ های واجد شرایطی که تا پایان ماه جاری برای این پیشنهاد درخواست دهند، اهدا خواهد کرد. با این حال، فقط استارت آپ های اولیه در کشورهای خاص واجد شرایط هستند.
یک تراشه آموزش هوش مصنوعی و سازگاری با انویدیا
AWS نسخه جدیدی از تراشه آموزش هوش مصنوعی خود به نام Trainium3 را همراه با یک سیستم هوش مصنوعی به نام UltraServer که آن را اجرا می کند، معرفی کرد. خلاصه: این تراشه ارتقاء یافته دارای مشخصات چشمگیری است، از جمله وعده افزایش عملکرد تا 4 برابر برای آموزش و استنتاج هوش مصنوعی، در حالی که مصرف انرژی را تا 40 درصد کاهش می دهد.
AWS همچنین یک پیش نمایش ارائه داد. این شرکت قبلا Trainium4 را در دست توسعه دارد که قادر خواهد بود با تراشه های Nvidia کار کند.
قابلیت های توسعه یافته AgentCore در راهکارهای هوش مصنوعی AWS
AWS قابلیت های جدیدی را در پلتفرم ساخت عامل هوش مصنوعی AgentCore خود معرفی کرد. یکی از ویژگی های قابل توجه، Policy در AgentCore است، که به توسعه دهندگان امکان می دهد تا به راحتی مرزهایی را برای عوامل هوش مصنوعی تعیین کنند. این قابلیت ها به طور مستقیم به تقویت راهکارهای هوش مصنوعی AWS کمک می کنند.
AWS همچنین اعلام کرد که عوامل اکنون قادر خواهند بود اطلاعات مربوط به کاربران خود را ثبت و به خاطر بسپارند. علاوه بر این، اعلام کرد که به مشتریان خود کمک خواهد کرد تا عوامل را از طریق 13 سیستم ارزیابی از پیش ساخته شده، ارزیابی کنند.
یک عامل هوش مصنوعی کارگر بی وقفه
AWS سه عامل هوش مصنوعی جدید (دوباره این اصطلاح) به نام «عوامل مرزی» را معرفی کرد، از جمله یکی به نام «عامل خودران Kiro» که کد می نویسد و طراحی شده است تا یاد بگیرد یک تیم چگونه دوست دارد کار کند تا بتواند به طور عمده برای ساعت ها یا روزها به تنهایی عمل کند.
یکی دیگر از این عوامل جدید فرآیندهای امنیتی مانند بررسی کدها را مدیریت می کند، و سومی وظایف DevOps مانند جلوگیری از حوادث هنگام انتشار کد جدید را انجام می دهد. این نمونه ها نشان دهنده گستردگی راهکارهای هوش مصنوعی AWS در اتوماسیون وظایف مختلف هستند. نسخه های پیش نمایش این عوامل اکنون در دسترس هستند.
مدل ها و خدمات جدید Nova
AWS در حال عرضه چهار مدل هوش مصنوعی جدید در خانواده مدل های هوش مصنوعی Nova خود است که سه تای آن ها متن تولید می کنند و یکی می تواند متن و تصویر ایجاد کند.
این شرکت همچنین سرویس جدیدی به نام Nova Forge را معرفی کرد که به مشتریان ابری AWS امکان دسترسی به مدل های از پیش آموزش دیده، نیمه آموزش دیده یا پس از آموزش دیده را می دهد که سپس می توانند با آموزش بر روی داده های اختصاصی خود آن ها را تکمیل کنند. شعار بزرگ AWS انعطاف پذیری و سفارشی سازی است.
استدلال Lyft برای عوامل هوش مصنوعی
شرکت تاکسی آنلاین Lyft در میان بسیاری از مشتریان AWS بود که در طول این رویداد داستان های موفقیت و شواهدی از تاثیر محصولات بر کسب و کار خود را به اشتراک گذاشتند. Lyft از مدل Claude شرکت Anthropic از طریق Amazon Bedrock برای ایجاد یک عامل هوش مصنوعی استفاده می کند که به سوالات و مسائل رانندگان و مسافران رسیدگی می کند. این نمونه موفقیت آمیز، ارزش واقعی راهکارهای هوش مصنوعی AWS را به خوبی نشان می دهد.
این شرکت گفت که این عامل هوش مصنوعی میانگین زمان حل و فصل مسائل را تا 87 درصد کاهش داده است. Lyft همچنین اعلام کرد که امسال شاهد افزایش 70 درصدی استفاده رانندگان از عامل هوش مصنوعی بوده است.
یک کارخانه هوش مصنوعی برای مرکز داده خصوصی
آمازون همچنین «کارخانه های هوش مصنوعی» را معرفی کرد که به شرکت های بزرگ و دولت ها اجازه می دهد سیستم های هوش مصنوعی AWS را در مراکز داده خودشان اجرا کنند. این نوآوری از جمله برجسته ترین راهکارهای هوش مصنوعی AWS برای حاکمیت داده است.
این سیستم با مشارکت Nvidia طراحی شده و شامل فناوری Nvidia و AWS است. در حالی که شرکت هایی که از آن استفاده می کنند می توانند آن را با GPUهای Nvidia تجهیز کنند، همچنین می توانند تراشه هوش مصنوعی بومی جدید آمازون، Trainium3، را نیز انتخاب کنند. این سیستم راهی است که آمازون برای حل چالش های حاکمیت داده و قانون گذاری هوش مصنوعی، یا نیاز دولت ها و بسیاری از شرکت ها به کنترل داده های خود و عدم اشتراک گذاری آن ها، حتی برای استفاده از هوش مصنوعی، ارائه می دهد.
