北京——2025年9月10日 亚马逊云科技宣布,通过与光环新网和西云数据的紧密合作,在亚马逊云科技(北京)区域和亚马逊云科技(宁夏)区域推出基于新一代自研芯片Amazon Graviton4处理器的Amazon Elastic Compute Cloud(Amazon EC2)C8g、M8g和R8g实例,针对客户不同类型的工作负载进行优化。与Amazon Graviton3处理器相比,Amazon Graviton4性能提高约30%,独立核心数增加50%,内存带宽提升75%,为客户广泛的工作负载带来更佳性价比和更高能效。这些实例均构建在Amazon Nitro System之上,将CPU虚拟化、存储和网络功能卸载到专用硬件和软件上,提升客户工作负载的性能并增强安全性。
“我们很高兴将Amazon Graviton4处理器的创新突破带给中国的客户和合作伙伴”,亚马逊云科技大中华区产品部总经理陈晓建表示:“Graviton4相比上一代性能再提升30%,这延续了亚马逊云科技自研芯片战略的创新方向,每一代Graviton都在性能、核心数量、内存带宽等核心技术指标上实现显著提高。我们尤其关注实际应用场景,以真实的工作负载作为优化标准,确保从容器化工作负载到AI推理等各种应用都能获得更优的性能与能效表现。亚马逊云科技将持续根据中国客户的需求引入创新的云服务,助力企业在数字化和AI时代保持领先优势。”
目前,亚马逊云科技的众多客户如SAP、Epic Games、SmugMug、涂鸦、大宇无限等正使用基于Graviton的实例运行广泛的工作负载。Epic Games作为全球最大游戏之一的《堡垒之夜》运营商,其表示基于Gravtion4的Amazon EC2 R8g实例是他们“测试过的速度最快的EC2实例”,能够在竞争性和延迟敏感的游戏负载上提供卓越性能,为玩家带来更加快速和可靠的游戏体验。SAP作为全球领先的企业应用软件供应商,在SAP HANA Cloud上验证了Gravtion4的优势:初步测试结果显示,分析型工作负载性能提升高达25%,事务型工作负载性能提升高达40%,同时在能效和成本优化上实现突破。
Amazon Graviton处理器基于ARM架构,与同代x86处理器相比,Amazon Graviton实例可提供高达40%的性价比提升。自2018年首款Amazon Graviton芯片问世以来,亚马逊云科技在五年内已完成了四代Graviton自研芯片的迭代,每一代都带来显著的性能提升。目前,亚马逊云科技在全球规模化提供的基于Graviton的Amazon EC2实例种类已超过200个,几乎Amazon EC2排名前100的客户都在使用基于Graviton的实例。为了让客户更轻松、方便的获得Graviton带来的算力性价比优势,亚马逊云科技进一步将客户常用的托管服务运行在Graviton之上,包括Amazon Aurora、Amazon ElastiCache、Amazon Elastic MapReduce(Amazon EMR)、Amazon MemoryDB、Amazon OpenSearch、Amazon Relational Database Service(Amazon RDS)、Amazon Fargate以及Amazon Lambda等。
此外,Amazon Graviton处理器的规模化应用已经推动整个行业的广泛支持与适配。如今,大多数主流Linux操作系统均已支持Graviton;同时,亚马逊云科技及其合作伙伴为数据、人工智能/机器学习(AI/ML)、安全、监控与管理、容器以及持续集成与交付(CI/CD)等众多热门应用和服务均提供了针对Graviton实例的支持。亚马逊云科技越来越多的独立软件供应商(ISV),如PingCAP、StarRocks等完成了“Graviton Service Ready”认证,为有需要的企业提供兼具先进性能与显著成本效益的解决方案。凭借这一不断扩展的技术与合作支持体系,Amazon Graviton正在帮助包括中国在内的越来越多的客户更轻松地运行多样化工作负载,在数字化与AI驱动的新时代加速释放创新潜能。
关于亚马逊云科技
自2006年以来,亚马逊云科技(Amazon Web Services)一直以技术创新、服务丰富、应用广泛而享誉业界。亚马逊云科技一直不断扩展其服务组合以支持几乎云上任意工作负载,目前提供超过240项全功能的服务,涵盖计算、存储、数据库、网络、数据分析、机器学习与人工智能、物联网、移动、安全、混合云、媒体,以及应用开发、部署与管理等方面;基础设施遍及38个地理区域的120个可用区,并已公布计划在智利和沙特阿拉伯等新建3个区域、10个可用区。全球数百万客户,包括发展迅速的初创公司、大型企业和领先的政府机构,都信赖亚马逊云科技,通过亚马逊云科技的服务支撑其基础设施,提高敏捷性,降低成本。要了解更多关于亚马逊云科技的信息,请访问:www.amazonaws.cn。
好文章,需要你的鼓励
论文提出CAST框架,通过多智能体系统把任务成败的粗略反馈转化为逐步动作的详细批评理由,训练出更懂节制的批评模型,再用它优化执行策略,让8B小模型在可靠性指标上反超120B大模型,提升智能体在真实动态环境中的稳定表现。
论文提出NavMCP框架,用意图、观察、记忆三条通道把VLM推理与导航基础模型NFM结合,解决具身问答中长距离探索问题,在多个基准和真实机器狗测试中均取得最优效果。
研究发现教师模型批改学生生成内容时噪声率高达50%,但学生依然能进步。作者发现真正起作用的是压制学生自己低概率词,据此提出无需外部监督的OPSA方法,在AIME24等数学测试上带来最高307%的提升。
PaperGym提出一套把科研论文转化为AI训练环境的方法,解决科研计划生成缺乏可验证奖励的难题,通过问题答案分离降低评分标准泄露,结合自蒸馏与强化学习两阶段训练,让小模型在多个基准上超越更大规模的商业模型。