为AI卓越而架构：AWS在re:Invent 2025上发布三款Well-Architected Lens
在 re:Invent 2025 上，我们推出了一个新的 Lens 以及对 AWS Well-Architected Lenses 的两项重大更新，专门聚焦于 AI 工作负载：负责任 AI Lens、机器学习（ML）Lens 和生成式 AI Lens。这些 Lens 共同为处于 AI 之旅不同阶段的组织提供全面指导，无论您是刚刚开始尝试机器学习，还是已经在大规模部署复杂的 AI 应用。
AWS Well-Architected Framework 提供了在云中设计和运营可靠、安全、性能高效、成本优化且可持续的工作负载的最佳架构实践。
负责任 AI Lens：将信任嵌入 AI 系统
负责任 AI Lens 为开发者提供了一种结构化方法，用于根据既定最佳实践评估和跟踪其 AI 工作负载，识别 AI 实施中的潜在差距，并获得可操作的指导，以提升 AI 系统的质量及其与负责任 AI 原则的一致性。通过使用负责任 AI Lens，您可以做出平衡业务和技术需求的明智决策，加速从 AI 实验到生产就绪解决方案的进程。
负责任 AI Lens 的关键要点：
每个 AI 系统都有负责任 AI 方面的考量：无论是否有意设计，AI 系统本身就带有负责任 AI 的影响，需要主动管理而非听之任之。
AI 系统可能被用于原始意图之外的用途，并可能产生意外影响：应用常常会以开发者未曾预料的方式被使用，而且由于其概率性质，AI 系统即使在预期用例内也可能产生意外结果，因此从一开始就做出稳健的负责任 AI 决策至关重要。
负责任 AI 是创新和信任的推动力：负责任 AI 实践并非约束，而是可以通过主动建立利益相关者和客户的信任并降低下游风险来加速创新。
负责任 AI Lens 是 AI 开发活动的基础性指导，提供关键准则，为机器学习 Lens 和生成式 AI Lens 的实施提供依据。
机器学习 Lens：ML 工作负载的基础
机器学习 Lens 以 Well-Architected Framework 支柱的形式，为每个机器学习（ML）生命周期阶段提供了一套既定的云无关最佳实践。更新后的机器学习 Lens 为在 AWS 上设计、构建和运营机器学习工作负载提供了一致的方法。它涵盖了从传统监督学习和无监督学习到现代 AI 应用的完整 ML 工作负载范围。
更新后的机器学习 Lens 纳入了最新的 AWS ML 能力（自 2023 年推出以来已不断演进）。更新后的 ML Lens 的新增内容：
通过 Amazon SageMaker Unified Studio 增强数据与 AI 协作工作流。
AI 辅助开发，用于代码生成和生产力提升。
使用 Amazon SageMaker HyperPod 进行基础模型开发和微调的分布式训练基础设施。
模型定制能力，例如知识蒸馏和使用 Amazon Bedrock 结合 Kiro 与 Amazon Q Developer 对特定领域应用进行微调。
使用 Amazon SageMaker Canvas 结合 Amazon Q 集成进行无代码机器学习开发。
通过 Amazon SageMaker Clarify 中增强的公平性指标和负责任 AI 能力改进偏差检测。
通过 Amazon Quick Sight 自动创建仪表板以获取业务洞察。
使用推理组件实现灵活模型部署的模块化推理架构。
在整个机器学习生命周期中通过改进的调试和监控能力实现高级可观测性。
通过 Amazon SageMaker Training Plans、Savings Plans 和 Spot Instance 支持增强资源管理的成本优化。
无论您处于云之旅的哪个阶段，都可以使用 ML Lens。您可以选择在机器学习工作负载的设计阶段应用此指导，也可以在工作负载进入生产环境后作为持续改进流程的一部分加以应用。这些改进由关键 AWS 服务提供支持，包括 Amazon SageMaker Unified Studio、Amazon Q、Amazon SageMaker HyperPod 和 Amazon Bedrock。
生成式 AI Lens：面向基础模型的专项指导
生成式 AI Lens 为客户提供了一致的方法，用于评估使用大语言模型（LLM（大语言模型））实现业务目标的架构。该 Lens 涵盖了与模型选择、提示工程、模型定制、工作负载集成和持续改进相关的常见考量。我们基于从支持数千个客户实施中收集的 AWS Well-Architected 设计原则，识别出可帮助您架构基于云的应用程序和工作负载的最佳实践。机器学习（ML）Lens 覆盖广泛的机器学习工作负载，而生成式 AI Lens 则专门聚焦于基础模型和生成式 AI 应用。生成式 AI Lens 提供了在 AWS 上设计和运营生成式 AI 工作负载的最佳架构实践。
更新后的生成式 AI Lens 包含多项新增内容：
Amazon SageMaker HyperPod 指导，用于编排复杂的、长时间运行的生成式 AI 工作流，包含额外的服务能力。
增强的负责任 AI 前言，详细讨论了 AWS 所描述的负责任 AI 的八个核心维度。
更新的数据架构前言，包含为生成式 AI 工作负载架构数据系统所需的战略考量。
新增智能体 AI 前言，介绍智能体系统的架构范式。
八个架构场景，涵盖常见的生成式 AI 驱动的业务应用，如自主呼叫中心、知识工作者副驾驶和多租户生成式 AI 服务系统。
生成式 AI Lens 建立在 ML Lens 所奠定的基础之上，为基础模型和生成式 AI 应用所带来的独特挑战和机遇提供专项指导。
Well-Architected AI/ML 指导的实施策略：统一方法
新的 Lens——负责任 AI Lens、机器学习 Lens 和生成式 AI Lens——协同工作，为 AI 开发提供全面指导。负责任 AI Lens 指导安全、公平和可靠的 AI 开发。它帮助平衡业务需求与技术需求，简化从实验到生产的过渡。机器学习 Lens 指导组织评估现代 AI 和传统机器学习方法的工作负载。最近的更新聚焦于关键领域，包括增强的数据与 AI 协作工作流、AI 辅助开发能力、大规模基础设施配置和可定制的模型部署。生成式 AI Lens 帮助客户评估基于大语言模型（LLM）的架构，其更新包括面向 Amazon SageMaker HyperPod 用户的指导、关于智能体 AI 的新见解以及更新的架构场景。
下一步是什么？
这些新 Lens 在 re:Invent 2025 上的发布，帮助组织构建负责任、可信、强大且有效的 AI 系统。通过在 AI 工作负载的完整范围内提供全面指导，AWS 支持组织加速其 AI 计划，同时保持负责任 AI 和技术卓越的最高标准。
了解更多关于 AWS Well-Architected Framework 的信息，并使用 GitHub 仓库实施所提供的最佳实践指导。这些 Lens 是实用工具，旨在帮助您构建能够交付真实业务价值的 AI 系统，同时保持道德、安全和运营卓越的最高标准。
如需进一步阅读，请参阅 AWS Well-Architected Framework 和支柱白皮书，或联系您的 AWS 解决方案架构师或客户代表，以获取在您的组织中实施这些视角的支持。
转载声明：本文为转载整理，原文版权归原作者及原站点所有。
原文作者：AWS Architecture Blog；如有侵权，请联系管理员删除。
