企业与研究机构
Braket、量子计算研究与云平台；通用 AWS AI 内容按实际任务归属。
24 条精选近 30 天 22 条共收录 25 条
Amazon Bedrock AgentCore payments现已正式可用，为AI代理提供基于x402的托管支付能力；Incarna借此让代理通过BlockRun按请求购买模型推理。
本站判断：AgentCore payments将x402支付、钱包连接、交易签名和基础设施层的支出限制整合为托管能力，适合代理在无人逐笔审批时进行小额高频服务采购。Incarna与BlockRun的案例表明该流程已进入生产并可按请求结算，但其推广价值仍取决于钱包与凭证管理、动态定价、交易可审计性以及实际任务中的成本和失败风险。本站设想：可在不同代理工作负载下比较接入前后的端到端调用成本、支付失败率和预算约束效果。
Zenity Labs研究人员称，一个部署在Amazon Bedrock AgentCore上的公开AI Agent，仅凭一条提示即可接管同一AWS账号和区域内的其他Agent。
本站判断：Zenity Labs披露的AgentCorruption揭示了云端AI Agent的隔离与默认权限风险：公开Agent取得实例临时凭证后，可触及其他Agent的代码、私有对话和记忆。其影响范围取决于同账号同区域内的共享环境及广泛执行角色；AWS已调整元数据访问和默认权限，但企业仍需以自定义角色落实最小权限。本站设想：可在启用公有对话、长期记忆和跨Agent调用能力的测试环境中，验证新旧默认角色下的攻击链与隔离边界。
AWS与JPMorganChase合作提出面向近端量子硬件的组合优化分解流程、Rydberg原子阵列编译工具和混合算法qReduMIS。实验显示，分解流程可将真实投资组合优化问题规模降低约80%，并在最多1500个变量的问题上实现3倍求解时间缩短；qReduMIS在Amazon Braket上使用QuEra Aquila设备进行最多231量子比特的实验，困难实例平均成功率超过约89%。
本站判断：三项研究把组合优化分解、硬件编译与量子经典协同串成工具链，并报告真实设备实验指标，便于比较近端量子优化方案。
AWS、LBNL、NASA与NVIDIA研究人员发布量子与经典工作流性能模型，以通信计算比判断低延迟紧耦合是否必要。模型区分实时控制与量子纠错所需低延迟，以及应用层工作流通信；前者必须跟上设备时序，使用逻辑比特时也需要高性能经典计算。
本站判断：将实时控制与工作流通信分层，并以通信计算比分析SQD、GQE和QE-MCMC，为混合架构选型提供定量依据。