Уже более 20 лет миллионы клиентов доверяют AWS в предоставлении безопасных, надежных и масштабируемых облачных сервисов с лучшим в отрасли соотношением цены и производительности. Вот как AWS поддерживает ваш фундамент данных для агентного ИИ.
Архитектура открытых данных
AWS придерживается открытых стандартов, поскольку они обеспечивают клиентам гибкость и максимальную ценность. Это включает PostgreSQL через Amazon Aurora и Amazon Relational Database Service (Amazon RDS), Apache Kafka через Amazon Managed Streaming for Apache Kafka (Amazon MSK), OpenSearch через Amazon OpenSearch Service, Apache Spark через Amazon EMR и Trino через Amazon Athena. AWS обеспечивает встроенную поддержку Apache Iceberg во всем стеке AWS Analytics, включая полностью управляемое хранилище табличных данных через Amazon S3 Tables, что дает ИИ-агентам интероперабельный доступ к аналитическим данным без переформатирования или дублирования. AWS также поддерживает открытые агентные протоколы, включая MCP и A2A, позволяя ИИ-агентам подключаться к источникам данных, инструментам и друг к другу.
«Идея о том, что такая компания, как Amazon Web Services, поддерживает продукт с открытым исходным кодом и берет на себя важные аспекты, такие как высокая доступность, масштабирование и общее управление данными, — это колоссально».
— Радж Черуву, вице-президент по исследованиям и разработкам, Helix ITSM в BMC
Специализированные сервисы для каждого уровня стека агентного ИИ
Возможности, описанные в этом руководстве — от подготовки данных до памяти и производительности с низкой задержкой — требуют инфраструктуры, которая стабильно работает в масштабе. AWS обеспечивает проверенную надежность, масштабируемость и соотношение цены и производительности, чтобы вы могли строить решения на основе фундаментального совершенства.
Чтобы помочь обеспечить надлежащую подготовку данных для ИИ-агентов, AWS Glue предоставляет бессерверную интеграцию и преобразование данных в масштабе, упрощая обнаружение, подготовку, перемещение и интеграцию данных из нескольких источников. AWS Glue Data Quality, бессерверный компонент AWS Glue с открытым исходным кодом, позволяет измерять и контролировать качество данных, а также применять правила качества непосредственно внутри конвейеров данных.
Для работы с данными, близкими к реальному времени, AWS предлагает набор управляемых сервисов, которые обеспечивают сквозные конвейеры потоковой передачи данных. Amazon Kinesis Data Streams и Amazon MSK обрабатывают высокопроизводительный прием данных, Amazon Managed Service for Apache Flink обеспечивает потоковую обработку, а Amazon Data Firehose доставляет данные к местам назначения, помогая ИИ-агентам рассуждать на основе высококачественных и актуальных данных по мере изменения условий.
Для поддержки контекста базы данных AWS, включая Amazon Aurora, Amazon RDS, Amazon Neptune и Amazon ElastiCache for Valkey, предоставляют встроенную векторную поддержку для поиска RAG, обеспечивая ИИ-агентам быстрый и релевантный контекст во время запроса. 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 единой системе, обеспечивая низкую задержку и высокую релевантность результатов в петабайтном масштабе.
В качестве альтернативы, ориентированной на хранение, Amazon S3 Vectors может снизить общую стоимость загрузки, хранения и запроса векторов на величину до 90%, что делает экономически целесообразным создание и хранение больших векторных наборов данных, которые улучшают память и контекст ИИ-агентов.
«Инфраструктура AWS дала нам фундамент, чтобы сосредоточиться на том, что важно. Мы создали видео-ИИ, который рассуждает как человек: понимая не только то, что происходит, но и почему это важно и как моменты связаны во времени». — Чжэ Ли, генеральный директор и соучредитель TwelveLabs
Видеть — значит понимать: TwelveLabs раскрывает весь потенциал видео для мира с помощью S3 Vectors
Портфель баз данных AWS охватывает три зоны континуума памяти. Amazon ElastiCache for Valkey обеспечивает микросекундную задержку, необходимую агентному ИИ для кэширования результатов инструментов, сохранения контекста сессии и поддержания кратковременной рабочей памяти, которая управляет последовательным многошаговым рассуждением. Amazon DynamoDB обрабатывает интенсивные шаблоны записи для эпизодического логирования и отслеживания состояния сессии с чтением за единицы миллисекунд при любой пропускной способности. Amazon Aurora и Amazon RDS идеально подходят для долговременной памяти, особенно для сохранения прогресса многошаговых задач. Amazon Neptune обеспечивает графовую семантическую и эпизодическую память для обхода связей.
Для поддержки общего состояния между ИИ-агентами Amazon S3 Files предоставляет доступ к файловой системе с низкой задержкой к данным в Amazon S3, позволяя агентам обмениваться промежуточными результатами и поддерживать контрольные точки в многоагентных конвейерах. Вместе эти сервисы охватывают каждый уровень задержки, шаблон записи и требование к долговечности во всем континууме памяти, поэтому вы можете создавать архитектуры памяти, которые масштабируются без компромиссов. Узнайте, как Trend Micro создала ИИ-помощника по безопасности с возможностями кратковременной и долговременной памяти с использованием Amazon Neptune.
Сервисы баз данных AWS разработаны для автоматического масштабирования и адаптации к изменениям рабочей нагрузки в реальном времени, что делает их хорошо подходящими для переменных, импульсных нагрузок, которые генерируют ИИ-агенты. Amazon DynamoDB и Amazon ElastiCache могут отвечать на сотни миллионов запросов в секунду, достигая задержек от микросекунд до единиц миллисекунд, в то время как Amazon Aurora мгновенно масштабируется с полной совместимостью с PostgreSQL и MySQL, обеспечивая производительность, доступность и масштабируемость коммерческих баз данных за одну десятую стоимости.
Если ваша организация использует коммерческие базы данных, такие как SQL Server или Oracle, локально или на собственных серверах Amazon EC2, ваш путь к фундаменту данных, готовому к ИИ, начинается с миграции методом lift-and-shift в Amazon RDS. Победа в агентном ИИ с вашими коммерческими данными описывает, как Amazon RDS обеспечивает автоматизированное управление, производительность, надежность и безопасность, необходимые приложениям агентного ИИ, в то время как исследование IDC в Бизнес-ценность Amazon RDS демонстрирует финансовый эффект от миграции в RDS: 258% окупаемости инвестиций за три года и заметно лучшее качество обслуживания в опрошенных организациях.
Надежный фундамент для ИИ
ИИ-агентам, которые динамически обнаруживают данные и получают к ним доступ для принятия автономных решений, требуется управление и безопасность, которые масштабируются вместе с ними. AWS спроектирована как самая безопасная облачная инфраструктура с шифрованием данных по умолчанию и детализированным контролем доступа, который распространяется на ИИ-агентов. Управление данными в AWS гарантирует, что только нужные пользователи получают доступ к нужным данным, при этом контроль доступа соответствует политике и стандартам безопасности. Встроенные функции соответствия требованиям поддерживают развивающиеся глобальные нормы, а систематические процессы проверки обеспечивают хорошо управляемое хранение данных для надежного ИИ. AWS стремится предоставлять надежные и контекстно-обогащенные данные, которые безопасно передаются между людьми, ИИ-агентами и приложениями, даже для самых конфиденциальных рабочих нагрузок.










