Уже более 20 лет миллионы клиентов доверяют AWS в предоставлении безопасных, надежных и масштабируемых облачных сервисов с лучшим в отрасли соотношением цены и качества. Ниже описано, как AWS поддерживает ваш фундамент данных для агентного ИИ.
Архитектура открытых данных
AWS делает ставку на открытые стандарты, поскольку они обеспечивают клиентам необходимую гибкость и максимальную пользу. Сюда входят PostgreSQL через Amazon Aurora и Amazon Relational Database Service (Amazon RDS), Apache Kafka через Amazon Managed Streaming для Apache Kafka (Amazon MSK), OpenSearch через Amazon OpenSearch Service, Apache Spark через Amazon EMR, а также Trino через Amazon Athena. AWS предлагает встроенную поддержку Apache Iceberg во всем стеке аналитики AWS, включая полностью управляемое табличное хранилище данных через Amazon S3 Tables. Благодаря этому ИИ-агенты получают интероперабельный доступ к аналитическим данным без необходимости переформатирования или дублирования. Кроме того, AWS поддерживает открытые протоколы агентов, такие как MCP и A2A, что позволяет ИИ-агентам устанавливать соединения с источниками данных, инструментами и друг с другом.
«Мысль о том, что за продуктом с открытым исходным кодом стоит такая компания, как Amazon Web Services, которая берет на себя решение важных задач, таких как высокая доступность, масштабирование и управление данными в целом, просто великолепна».
– Радж Черуву, AVP R&D, Helix ITSM в BMC
Специализированные сервисы для каждого уровня стека агентного ИИ
Функции, рассматриваемые в этом руководстве — от подготовки данных и хранения до обеспечения производительности с низкой задержкой — требуют инфраструктуры, которая демонстрирует стабильную работу даже при больших масштабах. AWS предлагает проверенную надежность, масштабируемость и выгодное соотношение цены и качества, позволяя вам строить решения на прочном фундаменте.
Чтобы данные были должным образом подготовлены для ИИ-агентов, AWS Glue предлагает бессерверную интеграцию и преобразование данных в больших масштабах. Это упрощает обнаружение, подготовку, перемещение и интеграцию данных из различных источников. С помощью AWS Glue Data Quality, бессерверного компонента с открытым исходным кодом от AWS Glue, вы можете измерять и контролировать качество данных, а также внедрять правила качества непосредственно в конвейеры данных.
Для данных, работающих в режиме реального времени, AWS предлагает различные управляемые сервисы, которые обеспечивают сквозные конвейеры потоковой передачи данных. Amazon Kinesis Data Streams и Amazon MSK отвечают за сбор данных с высокой пропускной способностью, Amazon Managed Service для Apache Flink обеспечивает потоковую обработку, а Amazon Data Firehose доставляет данные к соответствующим пунктам назначения. Таким образом, ИИ-агенты могут делать выводы на основе качественных и актуальных данных при изменении условий.
Для поддержки контекста базы данных AWS, включая Amazon Aurora, Amazon RDS, Amazon Neptune и Amazon ElastiCache для Valkey, предлагают встроенную векторную поддержку для поиска RAG. Благодаря этому ИИ-агенты быстро получают релевантный контекст при выполнении запросов. Amazon OpenSearch Service предоставляет управляемый поисковый движок с открытым исходным кодом для агентного ИИ, поиска и аналитики. Он объединяет векторный, лексический, гибридный и агентный поиск в единую систему, обеспечивая высокорелевантные результаты с низкой задержкой в масштабах петабайтов.
В качестве альтернативы, ориентированной на хранение, Amazon S3 Vectors может снизить общие затраты на загрузку, хранение и запрос векторов до 90 %. Это делает создание и хранение больших наборов векторных данных, которые улучшают память и контекст ИИ-агентов, экономически выгодным.
«Благодаря инфраструктуре AWS мы смогли сосредоточиться на главном. Мы разработали видео-ИИ, который мыслит как человек: он понимает не только то, что происходит, но и почему это важно и как моменты связаны друг с другом с течением времени». – Джэ Ли, генеральный директор и соучредитель, TwelveLabs
Видеть — значит понимать: TwelveLabs раскрывает весь потенциал видео для всех с помощью S3 Vectors
Портфель баз данных AWS охватывает три области континуума хранения. Amazon ElastiCache для Valkey обеспечивает задержку на уровне микросекунд, необходимую агентному ИИ для кэширования результатов инструментов, сохранения контекста сеанса и поддержания кратковременной рабочей памяти, что позволяет осуществлять последовательное многоэтапное рассуждение. Amazon DynamoDB справляется с интенсивными шаблонами записи, характерными для эпизодического логирования и отслеживания состояния сеанса, обеспечивая чтение с задержкой в единицы миллисекунд при любой пропускной способности. Amazon Aurora и Amazon RDS идеально подходят для долгосрочного хранения, особенно для постоянного сохранения прогресса многоэтапных задач. Amazon Neptune поддерживает графовое семантическое и эпизодическое хранилище для навигации по связям.
Для поддержки общего состояния ИИ-агентов Amazon S3 Files предоставляет файловый доступ с низкой задержкой к данным в Amazon S3. Это позволяет агентам обмениваться промежуточными результатами и управлять контрольными точками в конвейерах с несколькими агентами. В совокупности эти сервисы охватывают все уровни задержки, шаблоны записи и требования к долговечности во всем континууме хранения. Это позволяет создавать архитектуры хранения, которые масштабируются без компромиссов. Узнайте, как Trend Micro с помощью Amazon Neptune разработала ИИ-помощника по безопасности с кратковременной и долговременной памятью.
Сервисы баз данных AWS спроектированы таким образом, чтобы автоматически масштабироваться и адаптироваться к изменениям рабочих нагрузок в реальном времени. Поэтому они отлично подходят для переменных, сильно колеблющихся нагрузок, генерируемых ИИ-агентами. Amazon DynamoDB и Amazon ElastiCache могут реагировать на сотни миллионов запросов в секунду, обеспечивая при этом задержки от микросекунд до единиц миллисекунд. Amazon Aurora мгновенно масштабируется при полной совместимости с PostgreSQL и MySQL, предлагая производительность, доступность и масштабируемость коммерческих баз данных за десятую часть стоимости.
Если ваша компания использует коммерческие базы данных, такие как SQL Server или Oracle, локально или самостоятельно управляет ими в Amazon EC2, ваш путь к фундаменту данных, готовому к ИИ, начинается с миграции методом lift-and-shift в Amazon RDS. В электронной книге «Winning Agentic AI With Your Commercial Data Estates» описывается, как Amazon RDS обеспечивает автоматическое управление, производительность, надежность и безопасность, необходимые для приложений агентного ИИ. Исследования IDC в техническом документе The Business Value of Amazon RDS показывают финансовый эффект от миграции в RDS: окупаемость инвестиций (ROI) в размере 258 % за три года и измеримо лучшее качество обслуживания во всех опрошенных компаниях.
Надёжная основа для ИИ
ИИ‑агенты, которые динамически определяют данные и получают к ним доступ для принятия автономных решений, требуют управленческих и безопасных мер, которые могут масштабироваться соответственно. AWS разработан как максимально безопасная облачная инфраструктура и предоставляет стандартное шифрование данных, а также подробные механизмы контроля доступа, которые применимы и к ИИ‑агентам. С помощью управления данными AWS обеспечивается, что только правильные пользователи получают доступ к правильным данным, при этом механизмы контроля доступа согласованы с соответствующими политиками и стандартами безопасности. Встроенные функции соответствия поддерживают развивающиеся глобальные регуляции, в то время как систематические процессы проверки обеспечивают надёжное управление данными и надёжный ИИ. AWS делает всё возможное, чтобы предоставлять надёжные и контекстно насыщенные данные, которые безопасно обмениваются между людьми, ИИ‑агентами и приложениями – даже при самых чувствительных рабочих нагрузках.
