Starting today, the Amazon EC2 G6e instances powered by NVIDIA L40S Tensor Core GPUs is now available in Europe (Stockholm) region. G6e instances can be used for a wide range of machine learning and spatial computing use cases.
Customers can use G6e instances to deploy large language models (LLMs) with up to 13B parameters and diffusion models for generating images, video, and audio. Additionally, the G6e instances will unlock customers’ ability to create larger, more immersive 3D simulations and digital twins for spatial computing workloads. G6e instances feature up to 8 NVIDIA L40S Tensor Core GPUs with 48 GB of memory per GPU and third generation AMD EPYC processors. They also support up to 192 vCPUs, up to 400 Gbps of network bandwidth, up to 1.536 TB of system memory, and up to 7.6 TB of local NVMe SSD storage. Developers can run AI inference workloads on G6e instances using AWS Deep Learning AMIs, AWS Deep Learning Containers, or managed services such as Amazon Elastic Kubernetes Service (Amazon EKS), AWS Batch, and Amazon SageMaker.
Amazon EC2 G6e instances are available today in the AWS US East (N. Virginia, Ohio), US West (Oregon), Asia Pacific (Tokyo), and Europe (Frankfurt, Spain, Stockholm) regions. Customers can purchase G6e instances as On-Demand Instances, Reserved Instances, Spot Instances, or as part of Savings Plans.
Starting today, the Amazon EC2 G6e instances powered by NVIDIA L40S Tensor Core GPUs is now available in Europe (Stockholm) region. G6e instances can be used for a wide range of machine learning and spatial computing use cases. Customers can use G6e instances to deploy large language models (LLMs) with up to 13B parameters and diffusion models for generating images, video, and audio. Additionally, the G6e instances will unlock customers’ ability to create larger, more immersive 3D simulations and digital twins for spatial computing workloads. G6e instances feature up to 8 NVIDIA L40S Tensor Core GPUs with 48 GB of memory per GPU and third generation AMD EPYC processors. They also support up to 192 vCPUs, up to 400 Gbps of network bandwidth, up to 1.536 TB of system memory, and up to 7.6 TB of local NVMe SSD storage. Developers can run AI inference workloads on G6e instances using AWS Deep Learning AMIs, AWS Deep Learning Containers, or managed services such as Amazon Elastic Kubernetes Service (Amazon EKS), AWS Batch, and Amazon SageMaker. Amazon EC2 G6e instances are available today in the AWS US East (N. Virginia, Ohio), US West (Oregon), Asia Pacific (Tokyo), and Europe (Frankfurt, Spain, Stockholm) regions. Customers can purchase G6e instances as On-Demand Instances, Reserved Instances, Spot Instances, or as part of Savings Plans. To get started, visit the AWS Management Console, AWS Command Line Interface (CLI), and AWS SDKs. To learn more, visit the G6e instance page.
Today, AWS announces the introduction of Backup Payment Methods for AWS invoices in all commercial AWS Regions. This feature enables customers to set up alternate payment methods that will be automatically charged for their invoices if the primary payment method fails. This will help customers make timely invoice payments without the need for manual intervention or last-minute payment updates.
There are several benefits this feature brings to AWS customers. Firstly, it reduces the risk of missed or late payments due to issues with the primary payment method. Backup payment method provides peace of mind, knowing that there’s a fallback payment method in place for invoice payments, reducing the risk of failed invoice payments. This can help maintain uninterrupted access to AWS services and avoid potential service disruptions. Secondly, it saves time and effort for customers by eliminating the need to manually update payment details or coordinate with their finance and accounting teams to settle invoices when the primary method fails.
To get started with Backup Payment Methods, customers can access their AWS Console and navigate to the billing section. From there, they can set their preferences for backup payment methods at any time. For more information on how to set up and manage Backup Payment Methods, please visit the AWS Billing and Cost Management documentation page or contact your AWS account representative.
Today, AWS announces the introduction of Backup Payment Methods for AWS invoices in all commercial AWS Regions. This feature enables customers to set up alternate payment methods that will be automatically charged for their invoices if the primary payment method fails. This will help customers make timely invoice payments without the need for manual intervention or last-minute payment updates. There are several benefits this feature brings to AWS customers. Firstly, it reduces the risk of missed or late payments due to issues with the primary payment method. Backup payment method provides peace of mind, knowing that there’s a fallback payment method in place for invoice payments, reducing the risk of failed invoice payments. This can help maintain uninterrupted access to AWS services and avoid potential service disruptions. Secondly, it saves time and effort for customers by eliminating the need to manually update payment details or coordinate with their finance and accounting teams to settle invoices when the primary method fails. To get started with Backup Payment Methods, customers can access their AWS Console and navigate to the billing section. From there, they can set their preferences for backup payment methods at any time. For more information on how to set up and manage Backup Payment Methods, please visit the AWS Billing and Cost Management documentation page or contact your AWS account representative.
AWS Elastic Beanstalk now enables customers to deploy applications on Windows Server 2025 and Windows Server Core 2025 environments. These environments come pre-configured with .NET Framework 4.8.1 and .NET 8.0, providing developers with the latest Long Term Support (LTS) version of .NET alongside the established .NET Framework
Windows Server 2025 and Windows Server Core 2025 delivers enhanced security features and performance improvements. Developers can create Elastic Beanstalk environments on Windows Server 2025 using the Elastic Beanstalk Console, CLI, API, or AWS Toolkit for Visual Studio.
This platform is generally available in commercial regions where Elastic Beanstalk is available including the AWS GovCloud (US) Regions. For a complete list of regions and service offerings, see AWS Regions.
For more information about .NET on Windows Server platforms, see the Elastic Beanstalk developer guide. To learn more about Elastic Beanstalk, visit the Elastic Beanstalk product page.
AWS Elastic Beanstalk now enables customers to deploy applications on Windows Server 2025 and Windows Server Core 2025 environments. These environments come pre-configured with .NET Framework 4.8.1 and .NET 8.0, providing developers with the latest Long Term Support (LTS) version of .NET alongside the established .NET Framework
Windows Server 2025 and Windows Server Core 2025 delivers enhanced security features and performance improvements. Developers can create Elastic Beanstalk environments on Windows Server 2025 using the Elastic Beanstalk Console, CLI, API, or AWS Toolkit for Visual Studio.
This platform is generally available in commercial regions where Elastic Beanstalk is available including the AWS GovCloud (US) Regions. For a complete list of regions and service offerings, see AWS Regions.
For more information about .NET on Windows Server platforms, see the Elastic Beanstalk developer guide. To learn more about Elastic Beanstalk, visit the Elastic Beanstalk product page.
AWS CodePipeline introduces a new action to deploy to Amazon Elastic Kubernetes Service (Amazon EKS). This action enables you to easily deploy your container applications to your EKS clusters, including those in private VPCs.
Previously, if you wanted to deploy to a EKS cluster within a private network, you had to initialize and maintain a compute environment within the private network. Now, you can simply provide the name of the EKS cluster and add this action to your pipeline. The pipeline will automatically establish a connection into your private network to deploy your container application, without additional infrastructure needed. This streamlined approach reduces your operational overhead and simplifies your deployment process.
To learn more about using the EKS action in your pipeline, visit our tutorial and documentation. For more information about AWS CodePipeline, visit our product page. This new action is available in all regions where AWS CodePipeline is supported, except the AWS GovCloud (US) Regions and the China Regions.
AWS CodePipeline introduces a new action to deploy to Amazon Elastic Kubernetes Service (Amazon EKS). This action enables you to easily deploy your container applications to your EKS clusters, including those in private VPCs. Previously, if you wanted to deploy to a EKS cluster within a private network, you had to initialize and maintain a compute environment within the private network. Now, you can simply provide the name of the EKS cluster and add this action to your pipeline. The pipeline will automatically establish a connection into your private network to deploy your container application, without additional infrastructure needed. This streamlined approach reduces your operational overhead and simplifies your deployment process. To learn more about using the EKS action in your pipeline, visit our tutorial and documentation. For more information about AWS CodePipeline, visit our product page. This new action is available in all regions where AWS CodePipeline is supported, except the AWS GovCloud (US) Regions and the China Regions.
Beginning today, customers can use Amazon Bedrock in the Asia Pacific (Hyderabad) and Asia Pacific (Osaka) regions to easily build and scale generative AI applications using a variety of foundation models (FMs) as well as powerful tools to build generative AI applications.
Amazon Bedrock is a fully managed service that offers a choice of high-performing large language models (LLMs) and other FMs from leading AI companies via a single API. Amazon Bedrock also provides a broad set of capabilities customers need to build generative AI applications with security, privacy, and responsible AI built in. These capabilities help you build tailored applications for multiple use cases across different industries, helping organizations unlock sustained growth from generative AI while ensuring customer trust and data governance.
Beginning today, customers can use Amazon Bedrock in the Asia Pacific (Hyderabad) and Asia Pacific (Osaka) regions to easily build and scale generative AI applications using a variety of foundation models (FMs) as well as powerful tools to build generative AI applications. Amazon Bedrock is a fully managed service that offers a choice of high-performing large language models (LLMs) and other FMs from leading AI companies via a single API. Amazon Bedrock also provides a broad set of capabilities customers need to build generative AI applications with security, privacy, and responsible AI built in. These capabilities help you build tailored applications for multiple use cases across different industries, helping organizations unlock sustained growth from generative AI while ensuring customer trust and data governance. To get started, visit the Amazon Bedrock page and see the Amazon Bedrock documentation for more details.
Mejorar la eficiencia de la cadena de suministro en la industria minorista y de bienes de consumo con sistemas agénticos
Por: Felice Miller, líder de estrategia de negocios, cadena de suministro y operaciones, venta minorista mundial, bienes de consumo y juegos, Microsoft
Oliver Guy, arquitecto de la industria global, bienes de consumo y comercio minorista, Microsoft
Paul Manikas, arquitecto principal de la industria, entrega de soluciones para la industria, Microsoft
El desafío de la cadena de suministro continúa
Los minoristas y las empresas de bienes de consumo se han enfrentado a cambios constantes, en especial en las cadenas de suministro. Han evolucionado nuevos modelos de venta y distribución, como las ventas online, los enfoques omnicanal, las ventas directas al consumidor y los ecosistemas complejos. Las interrupciones externas son frecuentes, y el 90% de los líderes informan de desafíos en la cadena de suministro en 20241.
La agilidad y la resiliencia de la cadena de suministro dependen de una toma de decisiones rápida y precisa. Las malas decisiones o las respuestas lentas conducen al incumplimiento de las promesas, lo que afecta de manera negativa a los ingresos y la satisfacción del cliente, y aumenta los costos debido a envíos ineficientes y niveles de inventario más altos.
Para hacer frente a estos desafíos, existe una necesidad urgente de mejorar tanto la calidad como la velocidad de la toma de decisiones en la gestión de la cadena de suministro.
Presentamos a los agentes y los sistemas agénticos
Los sistemas agénticos ofrecen una oportunidad revolucionaria para mejorar la calidad y la velocidad de la toma de decisiones. Activados por eventos de negocio, los agentes recopilan y analizan datos relevantes para actuar de manera directa o recomendar acciones.
Microsoft anunció la capacidad de crear agentes autónomos por medio de Microsoft Copilot Studio durante Microsoft Ignite en octubre de 2024. En el contexto de una cadena de suministro, esta capacidad podría, por ejemplo, permitir la identificación y la acción sobre fuentes de suministro alternativas en caso de retraso en el envío, con una intervención humana mínima.
Visión general de los sistemas agénticos
En el contexto de los sistemas agénticos, un agente se refiere a un sistema capaz de tomar decisiones y actuar de forma autónoma. Estos sistemas pueden perseguir objetivos de forma independiente sin intervención humana directa. Los sistemas agénticos tienen las siguientes características:
Autonomía. Operan de forma independiente, toman decisiones y ejecutan tareas sin supervisión humana, y escalan a un humano cuando es necesario.
Consciencia del contexto. Interpretan los datos y ajustan las acciones en consecuencia.
Orientación a objetivos. Pueden aspirar a la consecución de objetivos específicos.
Aprendizaje. Mejoran su rendimiento mediante el uso de nuevos datos y resultados anteriores.
Razonamiento y toma de decisiones. Los agentes utilizan el razonamiento para procesar información, inferir relaciones y tomar decisiones.
Percepción y sensación. Los agentes perciben su entorno a través de sensores u otros medios, lo que les permite ser activados por cambios en el proceso.
Habilidades y capacidades. Los agentes poseen habilidades o capacidades específicas para realizar tareas. Estas habilidades se pueden aprender o programar.
Memoria. La memoria de un agente almacena información relevante para la toma de decisiones y acciones futuras.
Los agentes pueden ser programados para perseguir objetivos específicos una vez activados. Por ejemplo, al buscar una fuente de suministro alternativa, pueden priorizar la minimización de costos en lugar de seleccionar la primera opción disponible.
Los agentes ya han comenzado a entregar valor a los clientes, por ejemplo, un cliente tiene agentes autónomos que revisan las facturas de envío con más casos de uso planeados. Con el tiempo, los agentes se pueden desarrollar para diversas tareas en toda la organización, con Microsoft Copilot que sirve como «interfaz de usuario para la IA».
¿Hemos escuchado esto antes?
Esto puede sonar como RPA (Automatización Robótica de Procesos). Pero también pueden preguntarse en qué se diferencia un agente de un copiloto.
La RPA emplea la automatización basada en reglas, mientras que los agentes mejoran esta capacidad mediante el razonamiento sobre datos y el uso de grandes modelos de lenguaje (LLM, por sus siglas en inglés) para extraer información relevante de conjuntos de datos extensos. Mientras que una solución basada en RPA es rígida en términos de los escenarios que puede abordar y requiere programación para realizar cambios, una solución de automatización de procesos basada en agentes puede aprender y mejorar con el tiempo, lo que resulta en resultados más efectivos.
Los agentes operan de forma autónoma, a diferencia de los copilotos que asisten a los usuarios en tiempo real. Un agente puede trabajar dentro de Copilot, alineándose con la visión de Microsoft de Copilot como la interfaz de usuario para la IA. En el futuro, los usuarios tendrán un copiloto, pero varios agentes, muchos de los cuales trabajarán de forma autónoma entre bastidores.
Cómo pueden operar los agentes en la cadena de suministro minorista y de bienes de consumo (RCG)
Los agentes se pueden aplicar de manera amplia en toda la cadena de suministro de RCG para automatizar tareas repetitivas, analizar grandes cantidades de datos para obtener información y mejorar la gestión de la cadena de suministro. Un caso de uso ideal implica tareas que requieren un uso intensivo de humanos, repetitivas y que requieren toma de decisiones en tiempo real, donde la IA puede aumentar de manera significativa la eficiencia y la precisión. Los criterios para un caso de uso ideal incluyen una alta disponibilidad de datos, resultados alcanzables definidos con claridad y el potencial de mejoras medibles en los ingresos y el ahorro de costos.
Los agentes de IA pueden desempeñar un papel crucial en el rendimiento de las tiendas minoristas y en las prácticas de gestión de inventario. Un agente puede monitorear de forma autónoma los datos de rendimiento para alertar al gerente de la tienda cuando las métricas de rendimiento de la tienda caigan por debajo de un umbral definido. Al comparar el rendimiento de tiendas similares, el agente puede identificar áreas de mejora y recomendar acciones para mejorar el rendimiento de la tienda.
Los agentes pueden ayudar a evitar situaciones de desabastecimiento y exceso de existencias en las tiendas minoristas. Al analizar datos de varias fuentes (como ventas, inventario, promociones y eventos externos), un agente puede identificar cuándo un pico de ventas no está alineado con el pronóstico, lo que lleva a una posible escasez, y alertar al equipo de la cadena de suministro. El agente recomienda una orden de reposición que puede generar de manera automática para ayudar a garantizar niveles óptimos de existencias, menores costos de transporte y reducir la probabilidad de desabastecimientos o excedentes de inventario.
Mitigación de desafíos con IA agéntica
Las interrupciones en toda la cadena de suministro a menudo conducen a la escasez de productos y a una baja tasa de llenado de cajas (CFR, por sus siglas en inglés), lo que lleva a la compleja tarea diaria de asignar el inventario entre sus clientes. Un agente puede analizar los pedidos de los clientes, los niveles de inventario actuales y las opciones de sustitución de productos para identificar posibles situaciones de CFR. El agente asigna el inventario a través de la priorización de los pedidos en función de criterios predefinidos, como la lealtad del cliente, la segmentación del cliente, el valor del pedido, las multas de SLA y la urgencia.
Uno de los mayores retos a los que se enfrentan las empresas de RCG en 2025 es evaluar el impacto de los aranceles. Los agentes de IA pueden evaluar y recomendar proveedores alternativos de diferentes regiones para mitigar el riesgo de tarifas altas. Esta estrategia de diversificación ayuda a mantener un suministro constante de materiales al tiempo que minimiza los costos. Al monitorear de manera continua las regulaciones arancelarias y las condiciones del mercado, un agente de IA puede sugerir medidas de ahorro de costos, como compras al por mayor antes de aumentos de tarifas o trasladar la producción a países con tarifas más bajas. Un agente puede ayudar a negociar mejores términos con los proveedores mediante el análisis de las condiciones del mercado y los datos históricos de precios. Esto ayuda a garantizar que las empresas obtengan las mejores ofertas posibles a pesar de las fluctuaciones tarifarias.
¿Qué sigue?
Consideren la significativa cantidad de tiempo y esfuerzo que se necesita hoy en día para responder a la pregunta: «¿Cómo puedo optimizar mi cadena de suministro para aumentar las ventas en un 10%?».
Aunque esto puede parecer una pregunta de la cadena de suministro, involucra finanzas, ventas, marketing y posiblemente fabricación. Es una pregunta tan compleja que es probable que responderla requiera días o semanas de análisis.
Hoy en día, los agentes integrados en Copilot permiten a los usuarios hacer preguntas específicas en áreas definidas. Esta capacidad se expandirá en alcance y complejidad con el tiempo, lo que de manera eventual conducirá a un rediseño integral de las aplicaciones comerciales.
Project Sophia imagina agentes, copilotos y aplicaciones empresariales que convergen en un lienzo de investigación infinito.
Diseñado con un enfoque que da prioridad a la IA, Project Sophia les permite hacer preguntas empresariales mediante el análisis de datos de varios sistemas y entradas dispares. La IA los guía para ver diferentes perspectivas, lo que los ayuda a comprender y actuar sobre los conocimientos de manera integral.
Project Sophia reinventa la experiencia del usuario, al apoyar a cada función laboral para abordar las preguntas desde su perspectiva, al tiempo que integra enfoques estratégicos y tácticos.
Introducción a los sistemas agénticos
Aumentar el potencial de la IA para escalar la optimización de la cadena de valor en el comercio minorista y los bienes de consumo
La IA agéntica se presta bien para navegar por la complejidad de las rutas al mercado, al integrar estrategias de fabricación y ventas, vender a través de múltiples canales o directo al consumidor, administrar múltiples líneas de productos y negocios, e integrar esfuerzos de marketing y ventas a nivel mundial.
Se trata de una herramienta integral que da agencia a los LLM, con la capacidad de actuar de forma autónoma. Mientras que los LLM se han utilizado antes para realizar tareas como la generación de texto y el resumen de documentos, no han podido actuar según sus recomendaciones. La IA agéntica, por otro lado, está diseñada para impulsar optimizaciones basadas en objetivos y puede adaptar y ejecutar objetivos de manera dinámica con alta previsibilidad y mínima supervisión humana. Juntos, los avances en IA generativa e IA agéntica redefinirán el valor estratégico y la productividad derivados de la tecnología, al incorporar procesos de toma de decisiones más avanzados con mayor precisión y velocidad.
Identificar los problemas y escenarios de negocio para una mayor participación estratégica
Al considerar cómo utilizar los agentes de IA de manera estratégica, es vital enmarcar las aplicaciones de la IA agéntica en el contexto más amplio de la identificación de los procesos de la línea de negocio que se prestan a la automatización: optimización de tareas/escenarios mundanos y que consumen mucho tiempo; establecer la confianza de los usuarios en las capacidades del agente y establecer barreras operativas claras para la IA de los agentes, incluida la gobernanza de datos, la privacidad y la seguridad; e infundir confianza en la entrega de valor del agente, para extender la gestión del trabajo colaborativo más allá del seguimiento de tareas a las funciones de planificación y ejecución.
La integración de la IA agéntica y la IA generativa en las aplicaciones empresariales significa un cambio monumental en la forma en que las organizaciones pueden abordar la resolución de problemas, la planificación estratégica y la eficiencia operativa. Mediante el uso de capacidades avanzadas de IA, las empresas pueden anticipar un futuro en el que la toma de decisiones no solo sea más rápida y precisa, sino también más perspicaz y holística. Esta convergencia de la tecnología allana el camino para soluciones innovadoras y niveles de productividad sin precedentes, con la IA en el centro del panorama empresarial del mañana.
The post Mejorar la eficiencia de la cadena de suministro en la industria minorista y de bienes de consumo con sistemas agénticos appeared first on Source LATAM.
Amazon Simple Email Service (SES) announces that Outbound customers can now specify a Mail Manager archive resource as an additional destination for outbound mail workloads. This enables retention of messages post-DKIM-signature, ensuring that the archive is usable for validating every individual sent message. The Mail Manager archive search interface allows easy discovery of indexed messages and presents search results directly in the AWS console, or makes them available to export to the customer’s chosen S3 bucket.
SES Outbound customers using APIv2 now have access to a new parameter in their configuration set which specifies a Mail Manager archive ARN in the same . Once the necessary role permissions in IAM are configured, the user initiating the Outbound workload will see a copy of each uniquely-signed outgoing message ingested into the destination archive, where it will be indexed and made available for both search and export.
This new feature is billed at the existing Mail Manager Archive price points. This capability is available for Outbound customers in all 17 AWS Regions where Mail Manager is launched. Customers can learn more about SES Outbound and Mail Manager here.
Amazon Simple Email Service (SES) announces that Outbound customers can now specify a Mail Manager archive resource as an additional destination for outbound mail workloads. This enables retention of messages post-DKIM-signature, ensuring that the archive is usable for validating every individual sent message. The Mail Manager archive search interface allows easy discovery of indexed messages and presents search results directly in the AWS console, or makes them available to export to the customer’s chosen S3 bucket. SES Outbound customers using APIv2 now have access to a new parameter in their configuration set which specifies a Mail Manager archive ARN in the same . Once the necessary role permissions in IAM are configured, the user initiating the Outbound workload will see a copy of each uniquely-signed outgoing message ingested into the destination archive, where it will be indexed and made available for both search and export. This new feature is billed at the existing Mail Manager Archive price points. This capability is available for Outbound customers in all 17 AWS Regions where Mail Manager is launched. Customers can learn more about SES Outbound and Mail Manager here.
AWS Network Firewall now offers automated domain lists and insights, a feature that enhances visibility into network traffic and simplifies firewall rule configuration. This new capability analyzes HTTP and HTTPS traffic logs from the last 30 days and provides insights into frequently accessed domains, enabling quick rule creation based on observed network traffic patterns.
Many organizations now use allow-list policies to limit access to approved destinations only. Automated domain lists reduce the time and effort required to identify necessary domains, configure initial rules, and update allow lists as business needs change. This feature helps quickly identify legitimate traffic while maintaining a restrictive default stance, balancing security with operational efficiency.
This feature is supported in all AWS Regions where AWS Network Firewall is available today. There is no additional cost to generate automated domain lists and insights on AWS Network Firewall.
To get started, visit the AWS Network Firewall console and enable analysis mode for your firewall. For more information, please refer to the AWS Network Firewall service documentation.
AWS Network Firewall now offers automated domain lists and insights, a feature that enhances visibility into network traffic and simplifies firewall rule configuration. This new capability analyzes HTTP and HTTPS traffic logs from the last 30 days and provides insights into frequently accessed domains, enabling quick rule creation based on observed network traffic patterns. Many organizations now use allow-list policies to limit access to approved destinations only. Automated domain lists reduce the time and effort required to identify necessary domains, configure initial rules, and update allow lists as business needs change. This feature helps quickly identify legitimate traffic while maintaining a restrictive default stance, balancing security with operational efficiency. This feature is supported in all AWS Regions where AWS Network Firewall is available today. There is no additional cost to generate automated domain lists and insights on AWS Network Firewall. To get started, visit the AWS Network Firewall console and enable analysis mode for your firewall. For more information, please refer to the AWS Network Firewall service documentation.
Amazon Elastic Container Service (Amazon ECS) now supports CPU limits of up to 192 vCPU for ECS tasks deployed on Amazon Elastic Compute Cloud (Amazon EC2) instances, an increase from the previous 10 vCPU limit. This enhancement allows customers to more effectively manage resource allocation on larger Amazon EC2 instances.
Amazon ECS customers can define soft and hard limits for CPU and memory resources at the container level, and hard limits at the task level. Soft limits reserve resources on an Amazon EC2 instance for a container, while hard limits enforce maximum usage. For CPU specifically, the container-level hard limit acts as a ceiling and helps prevent resource contention when multiple containers are competing for resources using Linux CpuShares. The task-level CPU limit acts both as the reservation for the task and prevents any single task from consuming excessive resources during contentions. Customers can now specify up to 192 vCPU as the CPU limit for an ECS task, increased from the previous 10 vCPU, enabling more effective resource sharing across multiple tasks on larger sized EC2 instances. For example, on a c7i.48xl instance with 192 vCPUs, defining a 32 vCPU limit per ECS task allows running up to 6 tasks without resource contention from noisy neighbors.
You can use AWS management console, SDK, CLI, CloudFormation, or CDK to define the CPU limit for your Amazon ECS task definition. The new limit is now effective in all regions. To learn more, see documentation.
Amazon Elastic Container Service (Amazon ECS) now supports CPU limits of up to 192 vCPU for ECS tasks deployed on Amazon Elastic Compute Cloud (Amazon EC2) instances, an increase from the previous 10 vCPU limit. This enhancement allows customers to more effectively manage resource allocation on larger Amazon EC2 instances. Amazon ECS customers can define soft and hard limits for CPU and memory resources at the container level, and hard limits at the task level. Soft limits reserve resources on an Amazon EC2 instance for a container, while hard limits enforce maximum usage. For CPU specifically, the container-level hard limit acts as a ceiling and helps prevent resource contention when multiple containers are competing for resources using Linux CpuShares. The task-level CPU limit acts both as the reservation for the task and prevents any single task from consuming excessive resources during contentions. Customers can now specify up to 192 vCPU as the CPU limit for an ECS task, increased from the previous 10 vCPU, enabling more effective resource sharing across multiple tasks on larger sized EC2 instances. For example, on a c7i.48xl instance with 192 vCPUs, defining a 32 vCPU limit per ECS task allows running up to 6 tasks without resource contention from noisy neighbors. You can use AWS management console, SDK, CLI, CloudFormation, or CDK to define the CPU limit for your Amazon ECS task definition. The new limit is now effective in all regions. To learn more, see documentation.
Muse, el primer modelo de acción humana y mundial, podría facilitar la colaboración interdisciplinaria, por ejemplo, al explorar ideas de juego.
Por: Peter Lee, presidente de Microsoft Research.
Microsoft ha lanzado hoy Muse, el primer modelo de IA generativa de su clase que aplicamos a los juegos. Pero es mucho más que eso. Lo que compartimos hoy es un gran paso adelante para la ideación del juego. Y lo que es aún más emocionante es lo que representa este avance en nuestro recorrido de construcción y uso de la IA generativa, y lo que las industrias, los desarrolladores y los creadores de todos los intereses podrán hacer a continuación.
Las impresionantes habilidades que presenciamos por primera vez con ChatGPT y GPT-4 para aprender el lenguaje humano ahora se corresponden con las habilidades de la IA para aprender la mecánica de cómo funcionan las cosas, para desarrollar, en ,efecto una comprensión práctica de las interacciones en el mundo. Como informático, esta capacidad de comprender y modelar un mundo en 3D es algo que yo y muchos otros grandes investigadores hemos perseguido durante más de 10 años y, a nivel personal, no estaba seguro de que pudiera ser posible con tanta velocidad y calidad.
En el caso de Muse, a partir de la observación del juego humano, este modelo desarrolla una comprensión profunda del entorno, incluida su dinámica y cómo evoluciona con el tiempo en respuesta a las acciones. Esto desbloquea la capacidad de iterar, remezclar y crear con rapidez en videojuegos, para que los desarrolladores puedan, de manera eventual, crear entornos inmersivos y dar rienda suelta a toda su creatividad.
Más allá de los juegos, estoy entusiasmado con el potencial de esta capacidad para permitir asistentes de IA que entiendan y ayuden a visualizar cosas, desde la reconfiguración de la cocina de su hogar hasta el rediseño de un espacio comercial y la construcción de un gemelo digital de una fábrica para probar y explorar diferentes escenarios. Todas estas cosas se vuelven posibles ahora con la IA. Desde la perspectiva de la investigación en ciencias de la computación, es bastante sorprendente, y es probable que las aplicaciones futuras de esto sean transformadoras para los creadores.
—
En Microsoft, tenemos una larga historia de colaboración entre la investigación y la ingeniería. Hoy, con el lanzamiento de Muse, también anunciamos Azure AI Foundry Labs, donde la comunidad de IA puede explorar las últimas novedades de Microsoft Research. Azure AI Foundry Labs ayudará a acelerar la transición de la investigación a las soluciones, para aportar nuevas ideas a la comunidad en general que ayuden a dar forma al futuro de la IA. Conozcan más aquí.
