Amazon SageMaker無伺服器客製化功能 讓AI開發更快速更經濟 在企業數位轉型的浪潮中，人工智能技術扮演著越來越重要的角色。然而，傳統的AI模型開發和部署過程往往需要大量的基礎設施投資和專業技術人才，這對許多企業來說是一個巨大的挑戰。亞馬遜雲端服務（AWS）近日宣布，在其Amazon SageMaker AI平台上推出無伺服器客製化（Serverless Customization）功能，徹底改變了企業進行AI模型微調的方式。這項創新服務讓企業能夠在完全不需要管理基礎設施的情況下，快速完成AI模型的客製化和部署，大幅降低了AI應用的技術門檻和成本。 傳統AI開發模式的痛點 在傳統的AI模型開發流程中，企業面臨著多重挑戰。首先是基礎設施的配置和管理問題。企業需要根據模型訓練的需求，選擇合適的運算資源，包括CPU、GPU或專用的AI加速器。這個過程不僅需要專業的技術知識，還需要花費大量時間進行環境配置、軟體安裝和參數調整。對於許多企業來說，光是建立一個可用的訓練環境，就可能需要數天甚至數週的時間。 其次是資源利用效率的問題。傳統模式下，企

開源工具與雲端平台深度整合 簡化機器學習工作流程管理 機器學習專案的成功往往需要數百次甚至數千次的實驗。調整超參數、嘗試不同的模型架構、測試各種特徵工程方法，每次實驗都產生大量的數據和結果。如何有效追蹤這些實驗、比較不同版本的效能、重現成功的結果，是數據科學團隊面臨的重大挑戰。許多團隊使用試算表或筆記本手動記錄實驗，這不僅效率低下，也容易出錯。亞馬遜雲端服務（AWS）將開源的MLflow實驗追蹤工具整合到Amazon SageMaker AI平台中，並提供無伺服器的託管服務，讓數據科學團隊能夠輕鬆管理機器學習實驗的完整生命週期，加速AI開發進程。 機器學習實驗管理的痛點 在機器學習開發過程中，實驗管理是一個常被忽視但至關重要的環節。數據科學家需要追蹤每次實驗使用的數據集版本、模型架構、超參數設定、訓練過程的指標變化，以及最終的模型效能。當團隊規模擴大，多人同時進行實驗時，協作和知識共享變得更加困難。一個常見的場景是，某位數據科學家獲得了很好的實驗結果，但幾週後想要重現時，卻發現記不清當時使用的確切配置。或者團隊成員各自進行類似的實驗，卻因為缺乏有

Amazon SageMaker HyperPod新增免檢查點與彈性訓練功能 重新定義大規模AI模型開發 在人工智能技術快速發展的今天，訓練大型AI模型已成為企業創新的關鍵環節。然而，傳統的模型訓練方式面臨著諸多挑戰，包括訓練中斷導致的時間浪費、資源利用效率低下、以及高昂的運算成本。亞馬遜雲端服務（AWS）近日宣布，在其Amazon SageMaker HyperPod平台上推出兩項突破性功能：免檢查點訓練（Checkpointless Training）和彈性訓練（Elastic Training）。這兩項創新技術從根本上改變了大規模AI模型的訓練方式，讓企業能夠以更高的效率、更低的成本，完成複雜AI模型的開發工作。 傳統AI訓練面臨的困境 在傳統的AI模型訓練過程中，檢查點（Checkpoint）機制扮演著至關重要的角色。所謂檢查點，就是在訓練過程中定期保存模型的狀態，以便在訓練中斷時能夠從最近的檢查點恢復，而不需要從頭開始。然而，這個看似必要的機制，實際上帶來了許多問題。 首先是時間成本的問題。在訓練大型語言模型或深度學習模型時，每次保存檢

模型選擇更自由、數據融合更深入　企業 AI 能力全面提速 AWS 在 re:Invent 2025 主題演講中宣布 Amazon Bedrock 與 Nova 系列的重大升級，進一步強化企業在生成式 AI 與推理領域的選擇自由與成本效益。行政總裁 Matt Garman 表示，AI 的真正競爭力，不僅來自強大的算力，更在於「模型的靈活性與數據的專屬性」。 Amazon Bedrock 全面升級：企業生成式 AI 的新標準 Amazon Bedrock 作為 AWS 的核心推理平台，今年進行了規模前所未有的升級。這項服務讓企業能快速從原型開發走向生產部署，並以統一介面存取各類型生成式 AI 模型。 AWS 公布的最新數據顯示，Bedrock 用戶數量  同比增長一倍以上 ，目前已有  逾 10 萬家企業  在使用，超過  50 個客戶  的 Token 處理量已突破  一兆 。 Bedrock 的最大特色在於延續 AWS 的理念—— 「Choice Matters」 。平台提供多樣模型選擇，方便企業根據場景需求選擇最理想的人工智能基礎模型。 加

從運算核心到私有AI區域　AWS重塑全球AI生產力版圖 在今年 AWS re:Invent 的主題演講中，行政總裁 Matt Garman 率先從 AI 基礎設施切入，勾勒企業級人工智能的下一階段：從晶片、伺服器到私有雲部署，AWS 正以全新形態的算力體系，為全球客戶開啟 AI 模型訓練與推理的新紀元。 Trainium3 UltraServers 問世：性能與能效同步躍升 AWS 發佈最新一代 Amazon Trainium3 UltraServers ，標誌 AI 算力正式進入 3 納米世代。這款伺服器搭載高達 144 顆定制化 AI 晶片，具備驚人的  362 PFLOPS FP8 運算能力 ，比前一代 Trainium2 系列在能效、頻寬及輸出能力上均有重大突破： 運算效能提升  4.4 倍 記憶體頻寬增強  3.9 倍 每兆瓦處理 Token 數量上升至 5 倍以上 在實際應用上，Trainium3 為訓練大型語言模型提供最佳效能。測試顯示，運行 OpenAI GPT-OSS-120B 模型時的能源效率，遙遙領先上一代平台。 Gar

代碼自動生成、安全強化與運維自愈　三位一體定義企業 AI 新生產力 在 2025 AWS re:Invent 大會第二天的壓軸環節，行政總裁 Matt Garman 隆重宣布三大「前沿 Agent」正式亮相。這三款具革命性意義的智能代理 —— Kiro Autonomous Agent 、 Amazon Security Agent 及  Amazon DevOps Agent ，標誌着企業級生成式 AI 正從輔助層邁向 自主運算時代 。 Garman 表示：「改變每個行業的最大機遇，就是 Agent。因為它們不僅懂思考，更能主動行動。」 Kiro Autonomous Agent：變革軟件開發工作流 Kiro Autonomous Agent 重新定義開發團隊與代碼的互動方式。這個 Agent 能理解大型代碼庫脈絡，自主推理、生成與測試代碼，並與開發工具（如 Jira、GitHub、Slack）深度整合。 過往開發人員需在多個微服務庫中手動修改代碼、開啟拉取請求（pull request）、再逐一審查與測試。而在 Kiro 框架下，開發者

四大核心亮點揭示企業級 Agentic AI 新時代 香港時間 12 月 3 日凌晨，AWS re:Invent 全球年度大會踏入第二天。AWS 行政總裁  Matt Garman 登台發表重磅主題演講，題為《AWS 如何重塑雲端技術未來》，全面揭示雲端與 AI 的融合方向，並定義建構 AI Agent 的四大核心要素 —— AI 基礎設施、推理系統、數據以及建構工具 。 這場長達一小時的演說不僅是一場技術展示，更是 AWS 在生成式 AI 時代的戰略宣言。Garman 同場隆重發佈  Amazon Nova2 系列基礎模型 及三大「 前沿 Agent 」： Kiro Autonomous Agent 、 Amazon Security Agent 及  Amazon DevOps Agent ，並宣佈  25 項雲端核心服務重大創新 。AWS 以此形成從晶片到模型、從平台到應用的全棧整合優勢，標誌着 Agentic AI 進入生產力落地的關鍵階段。 四大核心要素：AI Agent 的技術基石 Garman 開場即提到，「AI Agent.

隨著企業數碼轉型及生成式 AI 應用普及，Amazon 最新推出 Amazon Quick Suite，目標是成為用戶「Agentic AI 智能拍檔」，將研究、商業智能（BI）、流程自動化等多項功能整合於單一工作平台，助你輕鬆查找答案、分析數據，甚至自動執行複雜業務流程，真正提升日常工作效率。 多合一 AI 工作平台　問答、分析、行動即時到位 傳統上，商業用戶需要在多個應用中拉數據、查指標、整合報告，甚至要找專業團隊協助分析，流程繁瑣且經常需要重複操作。Quick Suite 以 AI 助手概念出發，把數據搜尋、BI 報告自動化、跨部門流程協作全部納入一個平台，無論你是經理、分析師還是 IT，同樣可以透過自然語言查詢、獲取洞見，並即時轉化為行動。 主要三大核心能力 Quick Research：集企業知識、第三方數據與網絡資訊於一身，快速協助複雜商業研究，提供全面分析，解答業務難題。 Quick Sight：AI 驅動 BI（原 QuickSight），支援自然語言查詢、互動數據視覺化，讓各部門快速獲得可行性洞見，提升決策效率。 Quick F

在最近的 AWS Security Day 活動中，Jamf 的 Sales Engineer – Cyrus 介紹了其公司的主要業務及與 AWS 在安全領域上的緊密合作。Jamf 自成立以來便專注於為 Apple 用戶提供最全面的設備管理和安全解決方案。 Cyrus 強調，Jamf 的解決方案能夠為企業提供更高的能見度和更簡便的管理方式。例如，Jamf 的產品能夠實現零接觸部署 (Zero Touch Deployment)，即用戶在一開箱時便能即刻獲得符合 CIS 基準的合規環境。這種高效的管理方式大大提升了企業對裝置的控制能力，減少了人力成本，提高了工作效率。 Jamf 部署雲端首選 AWS 客戶安全獲充足保障 對於 Jamf 與 AWS 的合作，Cyrus 表示，Jamf 是一家雲端優先的企業，其核心產品如 Jamf Pro、Jamf Protect，以至其 Security Cloud 均建立在 AWS 的伺服器上。這種雲端架構不僅提高了靈活性，也讓客戶能夠選擇更高安全級別的 Premium Cloud Service。 Cyrus 進

隨著雲端技術成為企業 IT 發展主流，越來越多 IT 同業、開發者、技術顧問都希望考取 AWS Certified Solutions Architect – Associate（SAA）認證，提升個人專業價值與競爭力。下面為大家整理一份最實用的備考資源，以及官方建議學習路線，讓你準備 SAA 認證更有方向。 AWS SAA 認證適合哪些人？ AWS SAA 證書主要針對有志於設計、部署、管理 AWS 雲端方案的人士。一般建議報考者具備一年以上 AWS 雲端架構經驗，或有 1-3 年 IT 背景並希望轉型雲端。即使不是資深開發者，只要懂基本程式概念亦可上手，特別適合雲端新手、IT 專才、架構師、顧問等。 認證對職涯的幫助 根據 2023 年 Skillsoft IT 技能薪酬報告，AWS SAA 是全球十大熱門 IT 證書之一。持證者普遍表示：除了信心明顯提升，技術認受性亦更高，客戶對你更有信心。無論想升職、轉工或規劃未來雲端職涯，SAA 認證都是極佳的加分項。 官方備考四步曲（AWS Skill Builder） Step 1：了解考試結構及題

隨著雲端服務普及，越來越多人希望用 AWS（Amazon Web Services）建設個人或作品網站。不過，許多人一聽到「雲端」就以為一定成本高昂。其實，原文出自 unwire.hk， 只要善用 AWS Free Tier 免費額度，完全可以用極低甚至接近零成本，架設一個具備專業級體驗的個人網站。Ajit N K 最近參加 AWS Builder Challenge #2，親身實踐「零成本起網站」的目標。實際上，整個網站只因自訂網域而產生每月 $0.5 美金（約 $4 港元）的開支，其他部分一律免費！ 建站設計：Serverless 架構＋全球覆蓋＋高安全 網站架構採用現代 serverless 方案，結合多個 AWS 服務達至高效能與高安全。流量由 Route 53 DNS 進入，經 CloudFront 全球 CDN 加速，最終到達 S3 儲存靜態網站內容。後端聯絡表單則透過 API Gateway 及 Lambda 無伺服器運算，配合 SNS 自動發送電郵通知，完全無需暴露個人電郵。整體方案不僅實現全球高速存取，更保障資料私隱與網站安全。

從數小時到 15 秒，這不是科幻電影，而是紐約人壽保險公司真實達成的業務轉型成果。全球金融巨頭正在經歷一場前所未有的數據平台革命，而這場變革的催化劑，正是 AWS  雲端服務。西班牙對外銀行（BBVA）正如「飛行中換引擎」般完成數據平台遷移；巴西 Itau 銀行透過數據網格架構重新定義數據協作模式；而紐約人壽則將索賠處理時間壓縮至原來的百分之一。本文深入剖析這些頂尖金融機構如何借助 AWS 雲端服務，實現數據平台的革命性跨越，製作 AI 驅動的決策引擎。 數據平台的演進歷程：從本地部署到雲端智能 BBVA 的「飛行中換引擎」挑戰 西班牙對外銀行（Banco Bilbao Vizcaya Argentaria，BBVA）作為業務遍及 25 個國家的金融巨頭，原文出自 unwire.hk， 其數據架構經歷了從分散式數據庫、企業數據倉儲到大數據平台的發展階段。然而，當面對每年 40% 的數據增長速度時，BBVA 意識到傳統架構已難以為繼。 BBVA 全球架構師 Federico Esteban 將其數據平台現代化過程形容為「飛行中換引擎」的艱鉅挑戰。透

想像一架飛機正高速飛行於高空中，載著數百名乘客穿越雲層，機組人員卻必須在不著陸、不停航的情況下，更換引擎。這聽起來近乎不可能，但在金融世界裡，大型機構進行數據平台轉型，面臨的挑戰與此如出一轍。 西班牙對外銀行（Banco Bilbao Vizcaya Argentaria，BBVA）正是完成這項壯舉的代表。他們在不中斷業務運作的情況下，與 Amazon Web Services（AWS）攜手，建構出 ADA——一座支撐超過 6,000 名進階使用者與40,000 名數據消費者的全球數據平台。數據量爆炸成長、即時分析需求飆升，讓傳統系統難以為繼，而 BBVA 透過這場近乎無聲的轉型，不僅確保了業務連續性，也為金融業的數碼現代化設下了新標準。 金融巨頭的數據轉型挑戰與解決方案 BBVA 作為一家業務遍及 25 個國家、擁有超過 7,000 萬客戶和 12 萬名員工的全球金融機構，其數據平台演進歷程反映了許多企業的共同挑戰。BBVA 全球架構師 Federico Esteban 在 AWS re:Invent 2024 分享時指出，原文出自 unwir

在數碼轉型加速的今日，企業面臨著如何處理遺留大型主機系統的重大挑戰。百年金融機構 Transamerica 成功展示了如何運用 AWS Blu Age 與生成式 AI （Generative AI）技術，將 90% 的大型主機工作負載在短短 14 個月內成功轉型至 AWS 上。本文將深入探討這項轉型之旅，從策略選擇到實施方法，以及 AI 技術如何加速整個過程。 大型主機現代化的策略抉擇 面對大型主機系統，企業通常有三種選擇：維持現狀並繼續承擔高成本、將應用程式重新平台化，或進行自動化重構。Transamerica 作為一家擁有超過一世紀歷史的保險、投資和退休解決方案公司，其系統環境龐大而複雜，服務著近 1,原文出自 unwire.hk， 070 萬客戶。 Transamerica 的技術架構工程與 AI 服務主管 Srinivas Upadhyaya 指出：「我們的退休解決方案生態系統由超過 450 個應用程式和業務服務組成，包含約 4,000 個批次工作流程，其中 900 個是大型主機批次處理。」這些系統支援著公司的 401k、403B 和 I

NBA（美國職業籃球聯盟）宣布與全球領先的雲端服務提供商 AWS（Amazon Web Services）達成多年合作協議，AWS 將成為 NBA 的官方雲端與 AI 合作夥伴。這次合作將結合雲端技術與人工智慧（AI），為全球籃球迷提供嶄新的觀賽體驗。 AI 支援的「NBA 深度賽場」平台：重新定義比賽數據 作為合作的一大亮點，NBA 和 AWS 將推出全新的 AI 驅動數據平台「NBA 深度賽場」（NBA Inside the Game）。該平台將結合 NBA 的數據資產與 AWS 的 AI 能力，為球迷提供實時的比賽數據和深入分析。這些功能將通過 NBA App、NBA.com 和聯盟的社交媒體平台提供，幫助球迷更深入地了解球員表現和比賽策略。 AWS 的 AI 技術將為球迷帶來以下創新數據功能： 防守數據：重新定義 Box Score AI 技術將追蹤比賽中 29 個身體部位的動態，實時判斷防守球員的貢獻，例如球壓、雙人包夾和防守換位等。 投籃難度：進階數據的精細化 「投籃難度」統計將結合球員的動作、場地位置及防守壓力等因素，計算期望命中率

2025 年 AWS Tech Fest 活動邀請到 Pulse AI 的負責人 Vicki 分享 Pulse AI 的背景與發展。Pulse AI 專注提供數碼營銷服務，並結合先進 AI 技術，幫助客戶提升營銷效果。Vicki 表示，Pulse AI 的團隊中雲集各行各業的專家，包括技術團隊和大學教授，使公司在技術上具有優勢。 利用 AWS 技術推動社會責任項目 助聾人翻譯手語 Vicki 在訪談中分享到 Pulse AI 如何利用 Amazon Bedrock 和 SageMaker 開發雙語手語溝通的項目。該項目旨在幫助聽障人士溝通，透過預訓練 (pre-train) 大模型把中文字分拆，並訓練其理解手語獨有的語法，以及培訓手語影像庫的龐大語料。Pulse AI 的模型能夠分析手語，促進手語口語雙語溝通。這個創新的解決方案不但展現了 Pulse AI 的技術實力，亦體現公司肩負社會責任的決心。 展望 Agentic AI 在數碼營銷潛力無限 展望未來，Vicki 表示，Agentic AI 的發展將對數碼營銷行業產生深遠影響。她特別指出，A

當 AI 成為業務營運的骨幹，我們是否準備好迎接它帶來的風險？AI 的確為企業帶來效率提升與決策加速，正如 Trend Micro 產品管理總監 Fernando Cardozo 在 AWS re:Invent 2024 所言：「AI 已經完全改變了雲端運算的局面，提高了效率、可擴展性和性能，但這種新技術的普及也為企業帶來了各種風險。」 問題不在於是否該用 AI，而在於如何「安全地」用 AI。在雲端環境中，建構一套防禦周全、可調整、具可觀測性的 AI 安全體系，已成為企業不得不面對的課題。這正是 AWS 雲端架構的優勢所在——將安全融入 AI 系統的每一個節點。 AI 安全：數碼轉型中的英雄與惡棍之戰 全球 AI 採用趨勢與安全風險概述 企業對 AI 技術的採用正以前所未有的速度增長。從金融、醫療到製造業，AI 正重塑各行各業的營運模式。然而，隨著採用率提升，安全挑戰也隨之增加。根據 Cardozo 的分析，雲端 AI 部署面臨的風險不僅限於傳統雲端安全問題，還包括 AI 特有的威脅向量，例如模型劫持、數據中毒和深偽攻擊。 企業面臨的五大 AI

若說企業的數碼核心是成就的象徵，那大型主機（Mainframe）無疑是過去幾十年最閃耀的存在。然而，當世界進入雲端與生成式人工智能（Generative Artificial Intelligence, GenAI）驅動的年代，曾經的榮耀逐漸變成了無形的桎梏。 這場從「穩定」到「敏捷」的變革，正在 Transamerica、高盛集團（Goldman Sachs）、Visma Enterprise 與Allianz Technology 等全球領導企業之中悄悄上演。他們如何拆解舊有系統、重塑未來版圖？Amazon Web Services (AWS) 正是這場轉型背後的重要推手。 本文將以這四個世界級案例為引，深入剖析大型主機現代化的真實旅程，並解析 AWS 如何成為企業重啟成長引擎的關鍵力量。 高盛：從 30 年技術債到雲端彈性擴展 高盛資產管理部門累積超過 30 年的技術債，核心系統依賴 FIS InvestOne 與自建的 COBOL 編排層。然而，隨著交易量與數據需求爆炸式成長，單一大型主機環境無法再滿足擴展需求。 經過審慎評估，高盛選擇透

當交易暫停的每一秒都可能牽動數十億資金，系統中斷早已不只是技術問題，而是信任的破口。全球金融巨擘富達投資（Fidelity Investments）將關鍵交易數據庫的診斷時間，從 9 小時壓縮到僅 70 分鐘，他們靠的秘密武器是什麼？本文將揭開 AWS 雲端彈性架構如何為金融業帶來近乎零故障的新標準。 零容忍世界中的金融交易平台 在企業 IT 架構的世界裡，零級（Tier 0）工作負載代表著組織的核心神經系統—那些絕對不能失敗的關鍵業務系統。對金融交易平台而言，這意味著需要近乎即時的恢復能力（恢復時間目標，Recovery Time Objective, RTO）與零資料損失（恢復點目標，Recovery Point Objective, RPO）。 根據 IDC 的研究，企業平均每年經歷 29 次非計劃性中斷，每次平均需要 5 小時修復，相關成本高達 1,原文出自 unwire.hk， 350 萬美元。對富達投資這樣服務數百萬客戶的金融服務提供者而言，系統中斷不僅代表財務損失，更可能動搖客戶對品牌的核心信任。 「這回歸到我們的客戶至上原則，確保

阿里巴巴最新一代 Qwen3 AI 大型語言模型（Foundation Models）現已全面登陸 Amazon Bedrock。今次一口氣支援四款 Qwen3 型號，涵蓋 AI 編程、推理、分析等多種應用場景，同時提供強大的 Mixture-of-Experts（MoE）及 Dense 架構選擇，方便開發者根據實際需求，平衡效能與成本。 Qwen3 系列：集合 MoE + Dense 架構 四款 Qwen3 模型已可在 Amazon Bedrock 上使用： Qwen3-Coder-480B-A35B-Instruct：MoE 架構，總參數高達 480B，主攻 AI 編程與 Agentic 多步推理，適合大型程式碼庫及流程自動化。 Qwen3-Coder-30B-A3B-Instruct：MoE 架構，原文出自 unwire.hk， 具 30B 參數，針對多語言程式寫作、分析與除錯，兼顧效能及成本。 Qwen3-235B-A22B-Instruct-2507：MoE 架構，具 235B 參數，支援編碼、數學及邏輯推理等多元場景。 Qwen3-3