AWS и эра Frontier Agents: как победить техдолг на $500 млрд

«Технический долг обходится мировому бизнесу в 500 миллиардов долларов — и мы решили, что обязаны это исправить», — заявляет глава AWS Мэтт Гарман, анонсируя масштабную автоматизацию кодинга. Отказавшись от зависимости от сторонних чипов в пользу собственного 3-нанометрового кремния, Amazon превращает облако в сеть автономных «AI-фабрик», где Frontier-агенты самостоятельно пишут софт, проводят пентесты и управляют инфраструктурой.

🚀 Масштаб инноваций: финансовые рекорды и новая эра вычислительных мощностей 2:52

Конференция AWS re:Invent 2025 открылась в атмосфере невероятного энергетического подъема. Под приветственные крики многотысячной толпы на сцену вышел Мэтт Гарман (Matt Garman), CEO AWS, чтобы подвести итоги года и задать вектор развития облачных технологий на ближайшее десятилетие . Его выступление началось не просто с приветствия, а с констатации факта: мы находимся в эпицентре крупнейшей технологической трансформации в истории, где темпы внедрения инноваций превышают любые самые смелые ожидания .

Экономика облачного гиганта: рост и глобальное доминирование 3:20

Мэтт Гарман (Matt Garman) представил впечатляющие финансовые результаты, которые подчеркивают устойчивость и динамику развития компании. Годовой доход AWS достиг отметки в 132 миллиарда долларов, при этом темпы роста ускорились до 20% в годовом исчислении . Этот рост подкреплен беспрецедентным масштабом инфраструктуры: на текущий момент облако AWS включает 120 зон доступности, и компания уже анонсировала планы по запуску еще десятков новых локаций .

Важнейшие показатели развития бизнеса в 2025 году:

• Более половины всех мощностей CPU, добавленных в инфраструктуру AWS за последние три года, работают на собственных чипах компании .
• Инфраструктура используется более чем 100 000 клиентов для самых разных задач — от квантовых вычислений до управления государственными агентствами .
• Сеть AWS настолько обширна, что её оптоволоконные линии могли бы несколько раз достичь Луны и вернуться обратно .

Гарман отметил, что AWS остается выбором номер один для стартапов: подавляющее большинство «единорогов» строят свой бизнес именно здесь . Вкратце упомянув успех инструментария AgentCore SDK, он подчеркнул, что компания стремится максимально снизить порог входа для разработчиков, предоставляя им готовую среду для экспериментов .

Альянс с Nvidia: инстансы P6e и мощь Blackwell 15:32

Центральным анонсом аппаратной части выступления стало расширение сотрудничества с Nvidia. Мэтт Гарман (Matt Garman) официально представил новые инстансы P6e-GB300, работающие на базе архитектуры Blackwell . Эти системы разработаны специально для обучения самых крупных и сложных языковых моделей, а также для работы с агентными ИИ-системами, требующими колоссальных вычислительных ресурсов.

Новые инстансы P6e обеспечивают более чем 20-кратное увеличение производительности вычислений по сравнению с предыдущим поколением P5en . Клиенты уже используют кластеры EC2 UltraServers, объединяющие сотни тысяч чипов GB200, а переход на GB300 позволит масштабировать рабочие нагрузки до десятков миллионов CPU для управления сложными автономными рабочими процессами . Такое тесное сотрудничество позволяет AWS предоставлять самую глубокую интеграцию со стеком Nvidia, оптимизируя всё: от драйверов до сетевых протоколов .

AWS AI Factories: частное облако внутри корпоративного периметра 17:47

Для клиентов, работающих в жестко регулируемых отраслях или имеющих специфические требования к суверенитету данных, Гарман анонсировал запуск AWS AI Factories . Это уникальное предложение, которое позволяет компаниям развертывать выделенную инфраструктуру AWS непосредственно в своих собственных центрах обработки данных.

Фактически, AWS AI Factory функционирует как «частный регион AWS», предоставляя клиентам:

• Эксклюзивный доступ к ведущим ИИ-технологиям AWS в изолированной среде .
• Полное соответствие строгим требованиям безопасности и национальным стандартам суверенитета данных .
• Тот же уровень надежности и удобства управления, что и в публичном облаке, но на собственных мощностях заказчика.

Этот сервис призван стереть грань между безопасностью частного ЦОД и гибкостью глобального облака, позволяя корпорациям масштабировать свои ИИ-амбиции без компромиссов в вопросах комплаенса.

Революция собственных чипов: Trainium 3 и взгляд в будущее 18:52

Особое внимание в докладе было уделено кремниевым инновациям самой AWS. Мэтт Гарман (Matt Garman) сообщил, что бизнес по разработке чипов Trainium уже стал многомиллиардным и продолжает расти экспоненциально . Более того, большая часть инференса в сервисе Amazon Bedrock сегодня выполняется именно на чипах Trainium, что доказывает их эффективность в реальных задачах .

Главной новостью в этой категории стала общая доступность чипов Trainium3 UltraServers . Построенный на базе передового 3-нанометрового техпроцесса, Trainium3 демонстрирует невероятные показатели производительности:

• В 4 раза выше пропускная способность памяти по сравнению с предыдущим поколением .
• Способность обрабатывать в 5 раз больше токенов ИИ на одну систему .
• Объединение 144 чипов в одну вычислительную единицу с агрегированной пропускной способностью 1,6 петабита в секунду .

Гарман подчеркнул, что эффективность Trn3 позволяет достичь нового уровня интерактивности в ИИ-приложениях . В завершение первой части своего выступления он сделал важный анонс: AWS уже ведет активную разработку следующего поколения чипов — Trainium4, обещая еще более впечатляющий скачок мощностей в ближайшем будущем .

🚀 Экосистема выбора: Amazon Bedrock и триумф моделей Nova 2 27:46

После обсуждения масштабных вычислительных мощностей и специализированных ИИ-фабрик (ранее в выступлении шла речь о кейсе стартапа Lila ), Мэтт Гарман (Matt Garman) переключил внимание на программный слой, который делает эти мощности доступными для бизнеса. По мнению CEO AWS, индустрия вступает в фазу, когда инференс (исполнение моделей) становится неотъемлемой частью любого приложения . Ключевой платформой для этой трансформации остается Amazon Bedrock, которая сегодня насчитывает десятки тысяч активных клиентов, включая такие бренды, как BMW, GoDaddy и Strava .

Демократия моделей: Mistral AI и Google в Bedrock 27:46

Центральная философия Amazon Bedrock заключается в предоставлении клиентам максимальной свободы выбора. Мэтт Гарман подчеркнул, что в мире ИИ не существует «одной модели для всего», и зачастую оптимальным решением для конкретной задачи является небольшая, специализированная модель, а не громоздкий флагман . За последний год AWS почти удвоила количество доступных моделей на платформе .

Важным этапом расширения ассортимента стало включение открытых весов от ведущих игроков рынка. Мэтт Гарман официально объявил о доступности в Bedrock новейших моделей от Mistral AI и Google . Это дает разработчикам возможность использовать лучшие достижения open-source сообщества и разработки Google в защищенном облачном контуре AWS с привычными инструментами интеграции и безопасности .

Amazon Nova 2: Новое поколение «фронтирного» интеллекта 31:08

Главной сенсацией главы стал запуск второго поколения собственных моделей AWS — Amazon Nova 2. Всего за несколько недель с момента первого анонса оригинальной линейки Nova её начали использовать десятки тысяч компаний, от маркетингового гиганта dentsu до технологического лидера Infosys . Однако Nova 2 поднимает планку на уровень «фронтирных» моделей самого высокого класса.

Линейка Nova 2 включает три ключевых направления:

• Nova 2 Lite: Быстрая и экономичная модель для простых задач . По данным тестов, она превосходит GPT-5 mini и Gemini Flash 2.5 в задачах следования инструкциям, вызова инструментов и генерации кода .
• Nova 2 Sonic: Сбалансированное решение следующего поколения для задач, требующих высокой скорости при сохранении глубокого понимания контекста .
• Nova 2 Pro: Самая мощная модель для сложнейших рабочих нагрузок. В тестах на использование агентных инструментов Nova 2 Pro показывает результаты на 20% лучше, чем GPT 5.1, Gemini 3 Pro и Claude 4.5 Sonnet .

Особое место в анонсе заняла модель Nova 2 Omni. Это мультимодальная система, способная одновременно обрабатывать и анализировать текст, изображения, видео и аудио . Вместо того чтобы использовать цепочку из разных моделей для разных типов данных, Omni объединяет их в едином пространстве рассуждений, что кардинально упрощает разработку сложных ИИ-агентов. Примером такой интеграции стал кейс компании Gradial, чей оркестрационный агент на базе Bedrock и Nova автоматизирует работу дизайнеров и инженеров, анализируя контент во всех форматах .

Nova Forge: Глубокое обучение без потери «рассудка» 41:50

Завершая блок о моделях, Мэтт Гарман затронул фундаментальную проблему корпоративного ИИ: как обучить модель специфическим знаниям компании, не разрушив её базовые когнитивные способности? Стандартные методы вроде RAG (поиск по данным) или простое fine-tuning (дообучение) часто оказываются недостаточными для глубоко специализированных доменов, таких как сложное проектирование или специфическое производство . Обучение модели с нуля слишком дорого, а интенсивное дообучение часто ведет к тому, что модель «забывает» общие навыки логического вывода — это Мэтт сравнил с процессом обучения человека, который, погружаясь в узкую тему, теряет здравый смысл .

Решением стал сервис Nova Forge, который позволяет компаниям создавать проприетарные базовые модели на основе Nova . Работа в Forge строится по следующему алгоритму:

1. Компания берет «чекпоинт» модели Nova, прошедший пре-тренинг на 80% .
2. С помощью готовых рецептов AWS клиент добавляет свои уникальные данные (чертежи, заметки, специфические регламенты) .
3. Завершается процесс обучения, в результате чего получается модель, которая глубоко понимает внутренние процессы бизнеса, но сохраняет мощь рассуждений базовой модели Nova .

Этот подход позволяет получить «интегрированные представления» (integrated representations), где безопасность и специфические знания естественным образом вплетены в архитектуру модели . Подобные инновации открывают путь к созданию по-настоящему кастомного интеллекта, что Мэтт Гарман назвал «трансформацией того, что компании могут изобрести с помощью ИИ» .

В завершение этой части выступления на сцену был приглашен представитель Sony, чтобы рассказать о том, как компания использует облако для создания новых впечатлений (Kando) . Хотя основная часть стратегии Sony по созданию «океана данных» будет раскрыта позже (в главе 3), Мэтт отметил важность интеграции данных для успеха любых моделей, обученных через Nova Forge.

🤖 Эпоха ИИ-агентов: от океана данных Sony до контроля с Bedrock AgentCore 50:10

Переход от простых чат-ботов к полноценным автономным агентам требует не только продвинутых моделей, но и фундаментальной перестройки работы с данными и безопасностью. В рамках re:Invent 2025 Мэтт Гарман (Matt Garman) представил видение того, как крупнейшие корпорации превращают свои массивы информации в «интеллектуальное действие», используя новую платформу Amazon Bedrock AgentCore.

Кейс Sony: «Океан данных» и стратегия Kando 50:10

Одной из самых ярких иллюстраций цифровой трансформации стало выступление представителей Sony. Компания, традиционно известная как производитель электроники, сегодня позиционирует себя как глобальный медиагигант, чья экосистема охватывает музыку, кино, игры и технологии. Главный вызов для такого масштаба — фрагментация данных.

Для реализации своей стратегии Sony создала единую платформу, объединившую более 500 разрозненных источников данных в так называемый «океан данных» . Это позволило компании анализировать интересы миллионов фанатов по всему миру как единое целое, а не через призму отдельных продуктов. Внутри Sony уже активно работает собственный корпоративный LLM-помощник на базе Amazon Bedrock, которым пользуются более 57 000 сотрудников . Ежедневно система обрабатывает около 150 000 запросов, помогая персоналу быстрее ориентироваться в бизнес-процессах.

Цель Sony — достижение состояния «Kando» (японский термин, означающий глубокое эмоциональное сопереживание). Чтобы усилить связь между фанатами и контентом, компания интегрирует AgentCore в свои ИИ-системы . В Sony подчеркивают, что использование специализированных моделей (таких как дообученная Nova 2 Lite, о которой говорилось ранее) в связке с AgentCore позволяет добиться высокой точности в задачах, требующих строгой консистентности ссылок и глубокого понимания контекста интеллектуальной собственности .

Платформа Bedrock AgentCore: модульный фундамент для агентов 55:21

Мэтт Гарман (Matt Garman) подчеркнул, что ИИ-агенты — это не просто «умные чаты», а системы, способные выполнять реальную работу в корпоративной среде без постоянного контроля со стороны человека . Однако создание таких агентов с нуля — задача крайне сложная. Именно для этого была представлена платформа Bedrock AgentCore.

AgentCore — это модульная среда, предоставляющая разработчикам готовые блоки для создания агентов корпоративного уровня. Платформа включает в себя:

• AgentCore Memory: позволяет агентам сохранять контекст и историю взаимодействий, обучаясь на опыте предыдущих задач .
• AgentCore Identity: обеспечивает безопасную аутентификацию и управление правами доступа агента к корпоративным ресурсам .
• Управляемая среда исполнения: позволяет запускать агентов в защищенной инфраструктуре AWS, не беспокоясь о масштабировании .

Важнейшей особенностью AgentCore является его открытость. Система позволяет использовать не только модели семейства Amazon Nova или Anthropic Claude, доступные в Bedrock, но и подключать внешние модели, например, от OpenAI через API . Это дает компаниям гибкость в выборе лучшего инструмента для конкретной задачи.

Эффективность платформы подтверждается кейсом биотехнологического стартапа Recursion Pharmaceuticals. Используя Code Interpreter внутри AgentCore, компания смогла автоматизировать проверку гипотез для более чем 10 000 химических соединений . Это сэкономило команде разработчиков около ста часов рабочего времени на ранних этапах проекта, позволив сосредоточиться на научной деятельности, а не на написании инфраструктурного кода .

Policy в AgentCore: детерминированный контроль действий 1:01:31

Одной из главных проблем при внедрении автономных агентов остается вопрос доверия: как гарантировать, что ИИ не совершит критическую ошибку или не превысит свои полномочия? Мэтт Гарман отметил, что традиционные методы «вдалбливания» правил в промпт (prompt engineering) дают лишь слабые гарантии и крайне сложны в аудите .

Решением стала функция AgentCore Policy. Это инструмент, позволяющий задавать строгие правила поведения агентов на естественном языке, которые затем преобразуются в программно проверяемые политики .

Ключевые преимущества Policy:

• Мгновенная проверка: все действия агента (обращения к API, вызовы инструментов) проходят через AgentCore Gateway и проверяются за миллисекунды .
• Детерминизм: в отличие от вероятностной природы LLM, политики работают как жесткий фильтр. Если правилом запрещено возвращать более 500 долларов, агент физически не сможет выполнить транзакцию на большую сумму, даже если модель решит иначе .
• Простота управления: правила описываются понятным языком, что позволяет специалистам по безопасности и бизнес-менеджерам контролировать ИИ без глубоких навыков программирования .

AgentCore Evaluations: автоматическая оценка качества 1:05:59

Финальным элементом в цикле разработки агента является его оценка. Раньше для этого требовалась целая команда дата-сайентистов, которые вручную создавали пайплайны проверки и подбирали критерии качества . AgentCore Evaluations автоматизирует этот процесс.

Сервис позволяет разработчикам тестировать агентов по специфическим критериям, таким как полезность ответа, корректность выполнения действий и соблюдение протоколов безопасности . Теперь проверку, которая раньше занимала недели и требовала узкоспециализированных знаний, можно запустить нажатием одной кнопки в консоли AWS .

Мэтт Гарман резюмировал, что AgentCore становится фундаментом для следующей волны корпоративной автоматизации. Платформа уже находит применение в крупнейших компаниях: например, команда Adobe Commerce использует AgentCore для прототипирования новых инструментов управления продажами , что открывает новую главу в партнерстве AWS и Adobe.

🤖 Генеративный ИИ для бизнеса: от творчества до борьбы с техдолгом 1:15:23

Adobe и AWS: трансформация творческих процессов и документооборота 1:15:37

Партнерство между Adobe и AWS стало одним из ключевых примеров того, как генеративный ИИ интегрируется в инструменты, которыми ежедневно пользуются миллионы профессионалов. Генеральный директор Adobe Шантану Нарайен (Shantanu Narayen) подчеркнул, что сотрудничество позволяет компании внедрять инновации быстрее и масштабировать новые технологии на уровне всей облачной инфраструктуры . Основной акцент в этом взаимодействии сделан на обучении моделей семейства Firefly и расширении возможностей ИИ-ассистентов.

Использование AWS позволило Adobe обеспечить пользователям свободу выбора моделей ИИ, что критически важно для поддержания высокого темпа инноваций . Шантану Нарайен отметил, что мы находимся в уникальной точке пересечения человеческого и компьютерного взаимодействия. По его мнению, ИИ-трансформация, которую Adobe и AWS продвигают вместе, переопределит творческий опыт и работу с документами для миллиардов людей по всему миру .

В частности, интеграция генеративного ИИ в продукты Acrobat позволяет автоматизировать анализ сложных документов, резюмировать контент и отвечать на запросы пользователей, опираясь на внутренние данные файлов. Мэтт Гарман (Matt Garman) подтвердил, что Adobe фактически выступает пионером в создании «невероятно эффективных агентов», которые становятся частью привычного рабочего процесса .

Amazon Quick: универсальный ИИ-помощник для корпоративной продуктивности 1:18:17

Одной из самых ожидаемых новинок в сфере офисной продуктивности стал Amazon Quick — корпоративный ИИ-помощник, призванный устранить разрыв между сотрудником и разрозненными данными компании. Мэтт Гарман отметил, что современные предприятия хранят информацию в десятках различных сервисов, от SaaS-платформ до облачных хранилищ, что затрудняет поиск ответов на простые рабочие вопросы .

Amazon Quick решает эту проблему за счет интеграции со множеством источников:

• Структурированные данные из бизнес-систем, таких как HubSpot, Salesforce или Zendesk .
• Неструктурированная информация: документы, файлы в SharePoint, Google Drive или Box .
• Внутренние BI-отчеты и корпоративные базы знаний.

Ключевой особенностью Quick является предоставление точных ответов с обязательным цитированием источников . Это позволяет сотрудникам мгновенно проверять достоверность информации и переходить к первоисточникам.

В качестве примера эффективности инструмента Мэтт Гарман привел кейс внутренней налоговой команды Amazon. Группа специалистов, не являющихся разработчиками, создала собственного Quick-агента для консолидации данных из аудиторских отчетов и интернета . Агент проводит глубокое исследование изменений налогового кодекса и представляет результаты в структурированном виде, что позволило команде перейти от реактивной модели работы к проактивной и полностью избавиться от «силосов» данных .

Также Гарман упомянул успех Amazon Connect, который уже помогает таким компаниям, как National Australia Bank, трансформировать клиентский сервис с помощью встроенных ИИ-инструментов, аналогичных тем, что используются в Quick .

AWS Transform: автоматизированное решение проблемы технического долга 1:31:40

Проблема технического долга является одной из самых дорогостоящих для современного бизнеса. Согласно оценкам Accenture, которые процитировал Мэтт Гарман, совокупные затраты компаний на борьбу с техдолгом составляют около 500 миллиардов долларов . Для решения этой фундаментальной задачи AWS развивает сервис AWS Transform.

На текущий момент клиенты AWS уже использовали Transform для анализа более чем одного миллиарда строк кода . Сервис показал впечатляющие результаты в автоматизации рутинных и неприятных для разработчиков задач, таких как перенос приложений с Windows на Linux .

Однако реальные потребности бизнеса оказались гораздо шире стандартных обновлений. Список необходимых трансформаций — от апгрейда Lambda-функций и перехода на новые версии Python до работы с мейнфреймами — практически бесконечен . В ответ на этот запрос AWS представила обновление — AWS Custom .

Этот функционал дает компаниям возможность:

• Создавать кастомных агентов трансформации для любого специфического кода, API или фреймворка .
• Автоматизировать перевод с устаревших проприетарных языков на современные стеки.
• Конвертировать даже такие специфические вещи, как Bash-скрипты в Rust .

Ярким примером использования стал кейс компании QAD, поставщика облачных ERP-решений. Им требовалось перенести огромный объем кода с собственного проприетарного бизнес-языка на платформу QAD Adaptive ERP . С помощью AWS Transform процесс, который раньше требовал сложного ручного вмешательства, стал автоматизированным, высвободив ресурсы инженеров для разработки новых функций.

Ранее в разговоре Мэтт Гарман упоминал развитие инфраструктуры и моделей, но именно такие инструменты, как Transform, позволяют компаниям реально «сбросить балласт» прошлого и начать полноценно использовать возможности новой агентной эры .

🤖 Эпоха Frontier Agents: от автономного кодинга до системной безопасности 1:40:32

На определенном этапе развития генеративного ИИ индустрия столкнулась с «потолком» возможностей простых ассистентов. Ранее на презентации Мэтт Гарман (Matt Garman) уже упоминал платформу Bedrock AgentCore для управления базовыми агентами, но теперь пришло время для более серьезного сдвига. AWS представила концепцию Frontier Agents — новый класс автономных систем, которые представляют собой качественный скачок по сравнению с тем, что доступно сегодня .

По словам Гармана, Frontier-агентов определяют три ключевые характеристики:

1. Автономность: вы задаете цель, а агент сам определяет путь её достижения.
2. Масштабируемость: способность распределять работу между множеством инстансов и выполнять параллельные задачи.
3. Долговечность (Durability): эти агенты могут работать над сложными проектами днями или даже неделями, сохраняя контекст и не требуя постоянного контроля со стороны человека .

Kiro: автономный разработчик в вашей команде 1:41:59

Флагманским воплощением этой концепции стала среда Kiro — агентная среда разработки, которая радикально меняет подход к созданию софта. В отличие от привычных ИИ-помощников, Kiro работает непосредственно внутри рабочих потоков команды, глубоко понимая контекст кодовой базы, спецификаций и внутренних обсуждений .

Мэтт Гарман подчеркнул, что Kiro ведет себя как полноценный участник команды: он учится на стиле работы конкретных инженеров и со временем углубляет понимание архитектуры проекта . Возможности агента впечатляют:

• Kiro может одновременно работать с 15 различными репозиториями .
• Он самостоятельно превращает текстовые промпты в детальные технические спецификации.
• Агент способен внедрить новую библиотеку, запустить тесты и создать готовый pull request, пока разработчик занят другими задачами .

«Kiro — это не просто инструмент, это способ кратно увеличить созидательный потенциал вашей команды», — отметил Гарман, добавив, что агент способен задавать уточняющие вопросы, если не уверен в требованиях, имитируя поведение опытного коллеги .

AWS Security Agent: непрерывное пентестирование 1:47:32

Безопасность всегда была приоритетом для AWS, но с ростом скорости разработки традиционные проверки становятся «узким горлышком». Новый AWS Security Agent призван решить дилемму между скоростью выпуска фич и защищенностью кода.

Главное отличие этого агента — его проактивность. Он начинает работу еще до написания первой строки кода, анализируя дизайн-документы на соответствие корпоративным стандартам безопасности . В процессе разработки агент проводит непрерывное автоматическое тестирование на проникновение (пентестинг) прямо в рабочих потоках.

Если компания утвердила специфический протокол хранения персональных данных, Security Agent будет следить за его соблюдением в режиме реального времени, выдавая рекомендации и предотвращая дорогостоящие переделки на поздних этапах . Это позволяет командам уверенно деплоить приложения, зная, что архитектура была валидирована автономным экспертом .

AWS DevOps Agent: конец ночных дежурств 1:50:12

Следующим логическим шагом после написания и защиты кода является его эксплуатация. Мэтт Гарман представил AWS DevOps Agent — систему, способную самостоятельно находить и устранять инциденты в сложных распределенных инфраструктурах.

Агент анализирует топологию ресурсов, логи и телеметрию, понимая взаимосвязи даже в мультиоблачных средах . В случае сбоя он не просто сигнализирует о проблеме, а проводит глубокий анализ первопричин. Например, если некорректное изменение в коде AWS CDK привело к ошибке в работе Lambda-функции, агент обнаружит это за считанные секунды .

В ходе демонстрационного ролика было показано идеальное будущее DevOps-инженера: вместо того чтобы просыпаться от звонка в 4 утра, специалист обнаруживает утром уведомление от агента, который уже локализовал проблему, предложил исправление и подготовил отчет .

Масштабное обновление инфраструктуры: S3 и векторный поиск 2:00:19

Завершая блок технологических анонсов, Мэтт Гарман запустил «shot clock» — серию быстрых релизов для базовой инфраструктуры AWS. Самым громким обновлением стало десятикратное увеличение лимитов Amazon S3. Если в 2006 году максимальный размер объекта составлял 5 ГБ, а позже 5 ТБ, то теперь лимит поднят до 50 ТБ за один объект . Это критически важно для обучения современных LLM и работы с огромными датасетами.

Другие ключевые анонсы в сфере данных и вычислений:

• GPU-ускорение для Amazon OpenSearch: позволяет индексировать триллионы векторов в 10 раз быстрее и на 70% дешевле .
• S3 Tables: запуск Intelligent-Tiering, позволяющий экономить до 90% затрат на хранение табличных данных , и введение региональной репликации .
• Новые инстансы: R8g для задач с интенсивным использованием памяти (до 3 ТБ), C8g для тяжелых CPU-нагрузок и долгожданные инстансы на базе Mac2 Pro/Max для разработчиков под Apple [1:58:17 - 1:59:26].
• Lambda SnapStart: расширение поддержки на Java, Python и Node.js для мгновенного запуска функций с сохранением состояния .

Эти обновления подчеркивают стратегию AWS: предоставлять не только умных агентов «верхнего уровня», но и самую мощную, масштабируемую базу для хранения и обработки данных, на которых эти агенты обучаются и работают.

📦 Масштабируемость и оптимизация: Новый взгляд на экономику баз данных в AWS 2:05:33

Завершая свое выступление на re:Invent 2025, Мэтт Гарман (Matt Garman) обратился к одной из самых насущных проблем крупных корпоративных клиентов — управлению базами данных, которые за десятилетия эксплуатации в локальных дата-центрах разрослись до гигантских масштабов. Если в предыдущих частях презентации основной акцент делался на вычислительных мощностях и инновациях в области ИИ, то финал был посвящен «фундаменту» любого бизнеса — данным и способам сделать работу с ними более эффективной и менее затратной.

Преодоление барьеров: Увеличение лимитов хранилища до 256 ТБ 2:06:01

Одной из главных преград на пути миграции крупных предприятий в облако долгое время оставались ограничения по объему хранилищ для баз данных. Мэтт Гарман (Matt Garman) отметил, что по мере роста бизнеса «наследие» (legacy) в виде накопленной информации становится всё более тяжеловесным . Ранее лимит объема хранилища часто становился «бутылочным горлышком», заставляя инженеров дробить базы или искать сложные обходные пути.

Чтобы решить эту проблему и упростить перенос самых требовательных нагрузок, AWS объявила о значительном расширении возможностей своих сервисов баз данных:

• Максимальный объем хранилища увеличен в четыре раза — с 64 терабайт до 256 терабайт .
• Производительность операций ввода-вывода (IOPS) также выросла в 4 раза, обеспечивая молниеносный доступ к данным даже при экстремальных нагрузках.
• Пропускная способность I/O (I/O bandwidth) получила аналогичный четырехкратный прирост, что критически важно для аналитических задач и высоконагруженных транзакционных систем .

По словам CEO AWS, это обновление фундаментально меняет правила игры для тех, кто планирует миграцию с on-premise инфраструктуры. Теперь компании могут переносить свои крупнейшие рабочие нагрузки «как есть», не опасаясь упереться в технический потолок облачной платформы . Это не просто количественное изменение, а качественный скачок, позволяющий масштабировать данные без потери производительности.

Database Savings Plans: Универсальная модель экономии для всей экосистемы 2:07:08

Вопрос стоимости владения облачной инфраструктурой всегда стоит на первом месте для финансовых директоров. Ранее в рамках конференции обсуждались различные способы оптимизации, но именно в финале Мэтт Гарман (Matt Garman) представил инструмент, который должен упростить управление расходами на данные для всех клиентов без исключения.

Под звуки нарастающей музыки, символизирующей завершение двухчасового марафона анонсов, была представлена новая модель оплаты — Database Savings Plans . Это гибкая схема обязательств, которая позволяет значительно снизить расходы на облачные базы данных AWS.

Ключевые особенности Database Savings Plans включают:

1. Единый план на всё: В отличие от предыдущих моделей, где скидки могли быть привязаны к конкретному типу базы данных, новый план покрывает весь набор сервисов баз данных AWS (entire set of database services) .
2. Масштабная экономия: Использование этой модели позволяет сократить расходы на облачную инфраструктуру данных до 35% .
3. Гибкость использования: Скидка применяется автоматически ко всему объему потребления в рамках выбранного лимита обязательств, что избавляет компании от необходимости детально прогнозировать рост каждого отдельного инстанса.

«Это поможет вам сократить расходы и даст возможность инвестировать сэкономленные средства в инновации», — подчеркнул Мэтт Гарман (Matt Garman), сорвав аплодисменты зала . Введение такой программы лояльности подчеркивает стремление AWS сделать облако не только самым мощным, но и самым экономически эффективным местом для хранения и обработки корпоративной информации.

Завершая выступление под энергичный бит, CEO AWS подвел итог всей презентации: от запуска новых чипов и ИИ-моделей до фундаментальных улучшений в инфраструктуре данных — всё это направлено на то, чтобы дать клиентам инструменты для создания будущего . Финальный аккорд с баскетбольным мячом на экране стал яркой точкой re:Invent 2025, оставив аудиторию с четким пониманием вектора развития AWS на ближайшие годы .