
TechLab 將赴 AWS re:Invent 2026:出發前先看三條主線
AWS re:Invent 2026・TechLab 出發前系列
TechLab 團隊將前往拉斯維加斯,參與 AWS re:Invent 2026。AWS 官方活動頁公布,大會於 11 月 30 日至 12 月 4 日舉行。出發前,我們先把關注點放在三個問題:AI 能否可靠地完成工作、運算成本如何計算,以及企業資料交給 AI 後怎樣控制存取。
官方目前列出的 keynote 範圍涵蓋 agentic AI、開發工具、資料、合作夥伴與基礎設施。這些是已公布的議程方向,並不等於具體新型號或服務已確認推出。接下來的預熱報道會先補齊背景,讓讀者到大會期間更容易判斷每項發布的實際意義。
AI agent:完成工作,也要交代過程
會回答問題的聊天工具,與能夠操作公司系統的 agent,面對的是兩種要求。假設一個客服 agent 可以查訂單、修改地址,甚至發起退款,編輯要追問的就不只是回答是否流暢,而是每一步由誰授權、哪些操作需要確認,以及出了錯能否還原。
這會是我們觀察示範的第一條主線。成功完成一次任務固然有參考價值,但若沒有交代錯誤處理、操作紀錄和權限邊界,就難以推論它適合直接放進日常工作。我們希望從技術講解與可公開文件中,找出這些比較少出現在宣傳短片裏的細節。
AI 成本:從晶片數字追到整項任務
第二條主線是運算成本。聽到模型更快或晶片效率提高,先別急着把它理解為自己的月費會下降。一次 AI 任務可能涉及多次模型呼叫、資料搜尋、工具執行與失敗重試;比較時需要知道計算範圍。
我們會留意廠商如何設定比較條件:用的是哪個模型、輸入和輸出有多長、同時處理多少工作,以及服務速度有沒有下限要求。這些問題的用途,是讓不同方案可以放在同一張比較表上,而不是預先判定哪家必勝。對小型開發團隊來說,能否理解並預估帳單,往往比單一峰值數字更貼身。
資料與權限:AI 能看甚麼,也要能限制甚麼
第三條主線是資料。以公司文件搜尋為例,同事能登入同一個 AI 工具,不代表人人都應看到同一批文件。若要把 AI 接上日常工作,原有的文件存取限制、離職後的帳戶處理,以及操作紀錄,都值得一起問清楚。
這亦會影響我們怎樣看待「更容易部署」的說法。設定步驟減少是好事,但團隊仍需要知道資料流向、保留方式和出錯時的責任分工。讀者可以先記下一項自己真正想交給 AI 的工作,再用這些問題對照大會示範,會比追着每個新名詞走更容易抓到重點。
從預熱到現場,按問題追下去
這次系列會先整理 AI agent 的部署問題,再談 Trainium 與 AI 運算成本,最後提供大會觀看指南。到了活動期間,報道會把官方公布、現場觀察與仍未得到答案的問題分開交代。
我們希望帶回來的,是讀者看完後能繼續追問的具體資料:新功能何時可用、適用哪些工作,以及採用前還要補上哪些條件。這篇是出發前的報道方向;現場展示和產品效果,留待取得相應證據再談。
本文由 AI 輔助整理及撰寫,依據文內連結的公開資料。
封面為官方網頁截圖,擷取於 2026 年 11 月 16 日,並非本屆活動現場照片。







