新加坡航空以 OpenAI 技術改善客戶服務、旅遊探索及員工工作流程
新加坡航空在客戶服務、旅遊探索及員工工作流程中採用 OpenAI API 和模型,Kris 聊天機械人的客戶滿意度提升至原來的 2 倍。客服平均處理時間減少約 10%,Flight Recommender 過去一年每月用戶增至近 3 倍;部分軟件開發生命週期活動的生產力提升最高達 20%。超過 60% 的員工每月使用由 OpenAI 模型支援的內部平台 Jarvis。
新加坡航空在客戶服務、旅遊探索及員工工作流程中採用 OpenAI API 和模型,Kris 聊天機械人的客戶滿意度提升至原來的 2 倍。客服平均處理時間減少約 10%,Flight Recommender 過去一年每月用戶增至近 3 倍;部分軟件開發生命週期活動的生產力提升最高達 20%。超過 60% 的員工每月使用由 OpenAI 模型支援的內部平台 Jarvis。
Kimi K3.1 Pro Highspeed 現已可在 Amazon Bedrock 使用;它是 Kimi K3 的後訓練版本,採用相同的 3T-class 開放權重架構及 1-million-token 上下文窗口,Moonshot AI 稱其輸出速度是 Kimi K3.1 Pro 的 2–3 倍。
Trovata 在 Amazon Bedrock 和 Amazon Bedrock AgentCore 上構建自主財資智能體,將財資作業轉為可持續執行的工作流程。智能體可按排程、觸發條件或規則監察活動、解釋差異、偵測異常及自動提供更新,並透過角色型存取控制(RBAC)在企業權限範圍內運作。用戶可透過自然語言查詢多銀行數據,系統則經 Trovata 已驗證的 API 層擷取數據並在安全環境中作答。
Hugging Face 現允許組織管理員將 Hugging Face 組織連結至 Google Cloud 帳戶,讓使用費用列入 Google Cloud 帳單,而非信用卡扣款。適用範圍包括 Team 或 Enterprise 訂閲、按用量付費的運算服務及額外儲存空間。訂閲須經 Hugging Face 團隊審核;審核期間,費用仍按原有付款方式收取。
AWS 介紹 Amazon Bedrock 呼叫觀測數據湖方案,將多個帳戶的模型呼叫記錄集中整理,供 Athena 跨帳戶查詢。方案透過 CloudWatch、Lambda 和 Amazon Data Firehose 將記錄轉為 Parquet 存入 S3;每次呼叫可查閲提示詞、回應、token 數、模型及 IAM 身份。
Hugging Face 將決策模型支援整合至 Transformers,並以共通介面讓模型根據狀態、問題及允許答案輸出結構化決策和機率。
推薦理由:文章比較決策模型與傳統分類、零樣本分類的定位差異,並展示 Transformers 與 llama.cpp 如何透過共通介面處理選項、序位評分及是非判斷。
工業場地可利用 AI 影片分析監察周界,偵測符合已設定規則的入侵事件,並向保安團隊發出通知。方案可配合現有 CCTV,按擷取、偵測、通知及應對四個階段運作。部署前須評估場地風險及 CCTV 設施,妥善安排鏡頭位置和設定偵測區域。
OpenAI 建立並已在研究基礎設施部署 Control Room,集中追蹤模型工作負載,並可在出現安全或保安疑慮時停止模型輸出。收到停止指令後,系統最多需 35 秒阻止工作繼續產生輸出;若 Control Room 服務故障,推理請求會一律被拒絕,直至服務恢復。
Kuken Industries 與日本 AI 初創公司 Recursive 合作,利用 OpenAI API 建立搜尋工具,協助工程師從涵蓋 70 年安裝紀錄的工程圖檔案中尋找更換零件所需的圖紙。工程師可輸入圖號或零件編號,亦可上載圖片或 PDF;尋找一張圖紙的時間由近一小時縮短至 4.5 分鐘。Kuken 預計工具每年可減少約 90% 搜尋圖紙所耗的工時。
CrossnoKaye 透過 Amazon Bedrock AgentCore,讓 ATLAS 工業自動化平台上的 AURA AI 智能體利用工廠狀態,支援設備閉環控制。平台覆蓋逾 100 個工業設施及 13,000 項受控資產;AURA 亦透過 AgentCore 的程式碼解譯器,在隔離的 AWS 管理 microVM 沙盒中執行 Python,為數值答案提供實際計算依據。
HOPE(Higher-Order Pruning of Experts)以二階方法考慮專家之間的成對互動,改善 MoE 模型的專家剪枝。在 50% 剪枝率下,HOPE 的平均排名最佳,在智能體編碼任務上的表現較次佳剪枝方法最多高 +6.1%。
NVIDIA 在 MSIT-NVIDIA AI Startup Partnership Forum 上宣佈投資韓國初創企業 Point2,並計劃追加投資 Motif Technologies、RLWRLD 和 Upstage。
NVIDIA 發佈為韓國四款領先開源模型優化的 NVIDIA Dynamo 部署方案,涵蓋 SK Telecom 的 A.X K2、LG AI Research 的 K-EXAONE 2.0、Upstage 的 Solar Open 2 和 Motif Technologies 的 Motif-3。
NVIDIA 與韓國科學技術資訊通信部擴大合作,涵蓋 AI 半導體、數據中心基建、人才、初創企業、模型、智能體及安全。合作將讓韓國 NPU 和 XPU 公司探索加入 NVIDIA NVLink Fusion 生態系統,並透過培訓、認證、黑客松及技術研討會提升 GPU 運用。NVIDIA 亦會與三個入選聯盟及四家韓國基礎模型開發商合作,運用 NVIDIA Dynamo 優化及擴展 AI 推理。
NVIDIA 正協助韓國跨行業推進實體 AI,涵蓋半導體製造、機械人及自動駕駛,並推動相關技術由開發走向實際生產。Samsung 使用 NVIDIA cuEST 加速部分量子化學計算,端到端速度最高提升 5x;一項 AI 均質化案例的模擬速度則提升約 1,600x。
Amazon 團隊在 Amazon ECS Fargate 上構建無伺服器 MCP 伺服器,作為 AI 智能體連接企業資料湖的集中式閘道。新增資料集只需提供描述結構、業務背景及欄位語義的 JSON 元資料檔,索引後即可供已連接的智能體使用,伺服器則在 MCP 層集中執行存取控制。
Amazon SageMaker Inference 現支援 NVIDIA Multi-Instance GPU(MIG)分區,讓多個模型可在同一 GPU 上獲得硬件隔離。
推薦理由:文章以 H100 的 mig-3g.40gb 對比完整 A100,呈現 GPU 分區的效能與成本差異如何隨流量形態改變。
AWS 示範如何把 Claude Code 編碼任務交由 Amazon Bedrock AgentCore 的隔離工作階段執行,並以 GitHub pull request 交回人工審核。
推薦理由:文章將遠端編碼流程與安全控制放在同一套實作中,具體呈現隔離執行、短期憑證、網絡限制和人工審核如何共同構成部署方案。
Taxbit 在 Amazon Bedrock AgentCore 上構建 Taxbit Assist,讓合規團隊可在產品儀錶板使用附有來源連結、並按用戶角色及組織權限提供答案的 AI 助手。
Greenlight Financial 在 Amazon Bedrock AgentCore 上構建 Luna 自主安全營運中心(SOC),每月處理 3,000–4,000 宗安全及風險個案,超過 90% 無須人工介入即可解決。
推薦理由:文章拆解 Luna 的分層多智能體、記憶及人工升級設計,並以自主處理率由 83% 升至超過 90% 説明其在受監管金融場景的實作路徑。
AWS 示範以 Amazon Bedrock AgentCore 和 Okta Cross App Access,透過 AgentCore Gateway 統一管理多個 AI 智能體的工具存取。
Amazon Marketplace 以 Amazon SageMaker AI 建立 A+ Content 質素評估流程,整體評估商品詳情頁並提供改善建議。系統把完整頁面渲染成單一快照,結合 VLM 評分、OCR 可讀性訊號、CatBoost 分類器及 SHAP 解釋結果,再由 LLM 整理改善建議。
Mistral 擴展 Mistral Studio,新增託管智能體和應用等功能,讓團隊可用 Mistral Large 4(Le Chonk)建置企業 AI 系統。更新亦加入工作流程、企業上下文、智能體可觀測性及評估功能;平台可部署於雲端、VPC 或本地環境,並支援權限控制和人工審批。文中舉例,產品營運團隊的工作流程每週節省約 35 小時,事故調查智能體則每月為團隊節省數百小時。
推薦理由:文章具體拆解智能體、工作流程與應用如何共用 Studio 基礎設施,並把權限、人工審批及追蹤評估納入企業部署流程。
U Mobile 與 AWS 及其合作夥伴 Axrail 合作,以 Amazon Bedrock AgentCore 建構 AiDaH,由 8 個專責智能體協作處理六個業務部門逾 150 個已記錄的營運情境。
Indegene 在 AWS 上的 NEXT Unified Data Platform(NEXT UDP)中,建構由 LLM 驅動、可投入生產的 Data Quality Agent,以支援生命科學企業擴展數據質素管理。Agent 可生成符合情境的數據質素規則、驗證規則,並產生可直接執行的 SQL 和 Python 程式碼;整個流程由集中式人機協作治理。
AWS 團隊以 Deep Insight 示範生產環境 AI 智能體的四層上下文工程,涵蓋架構隔離、提示詞控制、檔案外置及獨立驗證。
推薦理由:文章將生產環境智能體的上下文管理整理為四層,並用 Deep Insight 的程式示例展示隔離、提示詞控制、檔案外置及獨立驗證如何互相補足。
Cisco 結合網絡情報與 OpenAI 模型,建立更具適應性的防禦,並以機器規模關聯訊號,協助安全團隊調查及應對威脅。Cisco 指 Daybreak 和 GPT-6 Astra 有助更有效率地發現及修補漏洞,縮短調查、回應和補救所需時間。
OpenAI 分享其模型支援工程師設計、模擬及製造實體產品的進展,涵蓋機械、電子工程與端到端系統設計。兩名團隊成員以副項目形式在不足一週內與 Astra 設計可供用戶與 Codex 對話的裝置,合約製造商不足一個月便製作出小批原型,但投產前仍須多輪審核和修改。
推薦理由:文章以硬件團隊使用、Astra 裝置原型及業界合作為例,交代模型可介入的工程流程,以及投產前仍須審核和反覆修改的環節。
Cartesia 的 Sonic 文字轉語音及 Ink 語音轉文字模型均針對低於 100ms 首字節延遲作優化,文章並詳述 Sonic 在 AWS 的部署方式。Sonic 可透過 AWS Marketplace 的 SageMaker AI 模型套件部署至 VPC 內端點,亦可在 EC2 GPU 上自行管理;Ink 則透過 Cartesia API 提供。
文章示範如何在 EDB Postgres AI 的 Postgres 資料庫內建立語義層,並讓 Amazon Bedrock AgentCore 上的智能體透過 MCP 查詢 C360 客戶資料。
AWS 示範如何設定 Amazon Bedrock AgentCore Gateway,透過 Microsoft Entra ID 的 OBO token exchange,讓 AI agent 呼叫 ServiceNow REST API 時保留原用戶身份。
推薦理由:文章依次交代 Microsoft Entra ID、ServiceNow 與 AgentCore Gateway 的設定,呈現 OBO token 交換如何保留用戶身份並套用 ServiceNow 權限。
Amazon Bedrock 現已支援 Kimi K3 在印度境內推理,透過 in.moonshotai.kimi-k3 inference profile,推理處理會留在 Mumbai 和 Hyderabad 區域內,以符合嚴格的資料駐留要求。文章提供 Python 範例,示範讀取印地語電費單、抽取結構化資料,並以 Hinglish 回答後續問題;亦説明跨區推理選項、權限設定及提示詞快取。
NVIDIA 正以加速運算、物理 AI、AI agents 和數碼孿生改變半導體製造,協助工程師更快分析製程、預測材料與流程表現,並在實體試驗前測試改動。COMSOL、Applied Materials 和 Siemens 等公司的模擬工具,部分工作速度提升最高達 10x、35x 和 17x;Advantest 則以 AI agents 將模型選擇的回應時間由數小時縮短至數分鐘。
CUGA 團隊以同一 GLM-5.3-flash 比較 CUGA、Hermes 和 Deep Agents,三者在 90 項 AppWorld 任務中的完成率分別為 81.1%、46.7% 和 30.0%。
Heimstaden 正運用 OpenAI 工具改造住宅物業管理,將 AI 用於出租流程、環境風險評估,並逐步推出跨系統採購平台。在荷蘭,虛擬佈置物業圖片的製作成本由約 €50 降至低於 €0.10,降幅超過 99%;Codex 協助評估 20,112 項物業資產,估算工作量由 5 人一年減至 2 人兩個月。
Hugging Face 提出 transformers-mic,將縮小版模型、可執行的使用路徑及人工審核基線組成 Model Integration Contract,用於在 PR 中檢查模型整合回歸。
推薦理由:文章交代如何以縮小版模型、可執行的使用路徑及人工審核基線建立測試契約,並展示其在 CPU 上重現 UMT5 回歸的過程。
OpenAI 建成 Pando,作為 Git 倉庫的新後端,現已支援 OpenAI monorepo 的全部開發工作。Pando 保留 Git 協議和用戶端相容性,透過分支級並行更新及重用 packfile 擴展寫入和讀取能力。官方表示,Pando 將中位數推送延遲降低近 80%,每日可傳輸近一 petabyte Git 數據。
推薦理由:文章拆解 Pando 如何以分支級因果一致性及重用 packfile 支援並行寫入與大規模讀取,並交代放寬全倉庫一致性的取捨。
Circle K 使用 Amazon Bedrock 建立自動化 DevOps 事故排查系統,將平均排查時間由 45–60 分鐘縮短至 15 分鐘內。系統整合 AWS 資源、OpenSearch 日誌、GitHub 程式碼及知識庫資料,並將結構化摘要送到 Slack;按團隊內部事故應對指標,排查時間減少 67–75 percent。
推薦理由:文章呈現 Circle K 將事故排查由 Amazon Bedrock Flows 遷移至 AgentCore Runtime 的架構調整,並整理日誌預查詢、按線索縮窄程式碼搜尋等實作方法。
AWS 文章示範如何運用 Amazon Nova Multimodal Embeddings、Amazon Bedrock AgentCore 和 Strands Agents SDK,建立協助工程師評估零件替代方案的多智能體助理。
AWS 示範以 Crawl4AI 預備授權公開網頁內容並匯入 Amazon Bedrock Knowledge Bases 的定時工作流程。一般公開網站可先用 Amazon Bedrock Web Crawler;需要篩選頁面主體、清除樣板內容或附加自訂中繼資料時,則可用 Crawl4AI。