← Financial Cloud Cloud クラウドクラブ · Amarathon 2025 振り返り

極点マクロ|Financial Cloud Cloud · AWS Amarathon 2025

極点マクロ|Amarathon 2025 振り返り 34:大規模ロボット戦略トレーニングの高速化: Kiro、Trainium、EKS に基づく自動クローズドループアーキテクチャ

登壇者: Junjie Tang

セッション: 34

セッション
Summit Dev Lounge2026 Re:cap
01 アーキテクチャを Steering として記述し、AI Agent を導く
02 Agent Harness こそ真のエンジニアリングの堀
03 平易な言葉で可観測性データを尋ねる
04 Bedrock AgentCore で Serverless AR ゲームを構築する
05 AgentCore 上のマルチ Agent クオンツ・バックテスト
06 3 分でブログをスライドにする——Kiro で
AWS Community Day Hong Kong 2025 Re:cap
02 TerraformによるAWSコンプライアンス
03 初心者からビルダーへ――素晴らしいクラウドの旅
04 LaravelとBrefによるチームファーストのサーバーレスエンジニアリング
05 イベント開会式
06 AWS 上で相互運用可能な AI を構築する
07 別のテレメトリデータを AI エージェントで活用し、改善を加速する
08 Kiro による仕様駆動開発
09 MCP と AI エージェントを活用した自動テスト
10 機械学習を活用したアプローチ
11 RAGとMCP
12 TAKとAWSを活用した災害・緊急対応
13 テストの観点からサーバーレスアプリケーションのワークフローを再考する
14 クラウド成功のための実践的なAWS FinOps
15 リスク調整後資産リターンの革新
FSI Recap
01 Modern Trade Lifecycle: Trading to Settlement
02 Goldman Sachs: Fast Track your applications onto Cloud - AWS Re:cap Q1/2023
03 Zurich Insurance Group: Building an Effective Log Management Solution on AWS
04 FSI Meetup 2025 Q4 - Brex Database Disaster Recovery
05 FSI Meetup 2025 Q4 - A Graviton Migration Success Story
06 FSI Meetup 2025 Q4 - Stifel Modern Data Platform
07 FSI Meetup 2025 Q4 - Financial Transaction Data Reconciler PayPal
08 FSI Meetup 2025 Q4 - Scaling Resilience
09 Maximizing AI Inference Cost Efficiency: Strategic Adoption of AWS GPU Instances
10 Advanced Agentic AI Design Patterns
11 Build New Modern Apps on AWS
AWS re:Invent 2025
01 Coinbase re:Invent の要約 (IND3312)
02 AI と AWS を活用した未来の取引プラットフォームの構築
03 トレーディングイノベーション: Amazon Bedrock (IND3315) の Jefferies AI アシスタント
04 FSI がエージェント型 AI で HFT 分析に革命をもたらした方法 (GBL302)
05 Nasdaq をフィーチャーした Amazon Time Sync による分散システムの改善
06 Amazon Aurora HA および DR グローバル復元力のための設計パターン (DAT442)
07 エージェントの構築 AI: Amazon Nova Act および Strands エージェントの実践 (DEV327)
08 Amazon Aurora とそのイノベーションの詳細 (DAT441)
09 Amazon S3 の詳細解説 (STG407)
10 Nasdaq:グローバル金融サービス向けのレジリエントなインフラストラクチャを構築する (HMC327)
11 AWS Lambda の新機能 (CNS376)
12 Kiro によるスペック駆動開発 (DEV314)
13 Amazon の FinOps: 世界的な E コマース大手から学ぶクラウドコストの教訓 (AMZ308)
14 AWS 上のティック・トゥ・トレード低レイテンシ取引プラットフォーム
Government data
01 The AI Era: The Boundary Between Development and Design Is Disappearing
02 On-Device Multimodal AI and Smart-City Practice
03 Large-Model Capability Evaluation and a Method for Landing AI Projects
04 Controlled End-to-End Automation of Government Development with Cloud Agents
05 A New Software Ecosystem for the Agent Era, Seen Through Multi-Agent Systems
06 AI-Driven Macro Quantitative Research and Smart Governance
07 Authorized Operation of Public Data and Smart-Government Practice
08 Putting Data Assetization into Practice: Rights, Compliance, Engineering Governance, and Digital-Government Cases
09 AI for Mental-Health Public Welfare: Governance, Architecture, and Practice of a Trustworthy Platform
Amarathon 2025 振り返り
01 エージェント向けアーキテクチャ設計への開発者ロードマップ
02 Amazon Bedrock Data Automation
03 AgentCore 上のマルチエージェント
04 Nova Act と Strands Agents を実践で活用したエージェント型 AI の構築
04 仕様駆動開発と Kiro で移行プロジェクトを加速
06 「マッチング」から「理解」へ: AgentCore Memory が実現するパーソナライズド AI 検索の実践
07 観測から最適化へ – LLM オブザーバビリティから AIOps へ、リアルタイムの洞察をインテリジェントな自動化に変える
08 TEAM の導入と最高のエンジニアリングチームの構築
09 いわゆるサーバーレスデータベースの5年間から得た5つの厳しい教訓
14 AI が私の仕事をしたらどうなるか Q Developer CLI と Kiro が私の日常業務をどう変えたか
16 警戒を保ちながら迅速に:Amazon Bedrock エージェント開発に不可欠なセキュリティ
26 1 台の H100 で OSS LLM をよりスマートに、低コストで、高速に実行
28 最新の統合メタデータアーキテクチャ:データサイロを解消する新たなアプローチ
29 サーバーレス MediaOps:Amazon Web Services 上の AI による動画ワークフローの自動化
30 大規模パフォーマンステストによる効率性と信頼性を重視したアーキテクチャ設計
31 オープンソースで世界をつなぐ: テクノロジー、コミュニティ、グローバルな開発者関係をめぐる実践の旅
33 リアルタイム物流分析のためのストリーミング Iceberg テーブルの構築
34 大規模ロボット戦略トレーニングの高速化: Kiro、Trainium、EKS に基づく自動クローズドループアーキテクチャ
35 仕様駆動開発で「Vibe」から実用レベルへ
36 クラウドコスト分析をよりスマートに: StrandsとAgentCoreによるFinOpsインテリジェントエージェントの構築
37 CNCF Kagent、K8sGPT、Nova Sonicを使用したK8s向け対話型エージェントAIOpsの変革

AI 駆動ロボティクスのガイダンス

● 目的とメリットの概要:

スケーラブルなロボティクスを統合…

● 1: 物理ベースの…に NVIDIA Isaac Sim

● 2: スケーラブルな並列実行に Amazon EC2/EKS と Amazon Batch

● 3: AI のための Amazon Bedrock 基盤モデルと MCP サーバー経由のエージェント…

● 4: Hugging Face LeRobot(LeRobot は、PyTorch による実世界のロボティクス向けモデル、データセット、ツールの提供を目指す。目標は、ロボティクスへの参入障壁を下げることである。)

● 5: 成果: 並列シミュレーション

● NVIDIA Isaac Sim、Amazon コンピューティング、Bedrock モデル、MCP

エージェントを組み合わせたクラウドネイティブパイプライン… 意義と影響…

● トレーニングの高速化… スケーラブルなフリート… リアルタイム推論… 継続的な…

● 大幅に削減…

● 並列…を実現

● リアルタイム…をサポート

● 継続的な…

● 成果:

反復的な… 対象業界…

● シミュレーション駆動のトレーニングにより、より安全で迅速、個別に最適化された…を実現

● 製造オートメーション: より安全なコミッショニング、削減された…

● 倉庫と物流、ロボティクス…

● 小売と配送: 効率的な…

● 医療支援ロボティクス: より安全な患者…

● 農業・環境ロボティクス… 以下が提供する

Delivery Agent…

● Amazon Professional Services

● コンサルティングサイクル全体にわたる包括的なエージェントシステム…

エンタープライズグレードの品質とセキュリティ

● 複数の検証レイヤーで AI のハルシネーションを軽減

● セキュアで顧客が管理する環境

● 戦略上のチェックポイントにおける人間の監督

● 包括的なセキュリティ制御とプロトコル


AWS Professional Services(ProServe)エージェント

● AWS Professional Services(ProServe)エージェントに関連する、ソフトウェアの開発とデリバリー向けのマルチエージェント AI システムアーキテクチャ。各エージェントが相互に連携し、ソフトウェアソリューションを作成、管理する。

● Sales Agent: 要件や情報をワークフローに入力してプロセスを開始する出発点。

● Delivery Agent: 要件を分析し、AI アプリケーションを直接構築し、他のエージェントにタスクを委任して専門的な作業を調整する中心的なオーケストレーター。

● Project Artifacts: 初期入力から生成される出力で、Design Agent が使用するドキュメントまたは初期計画と考えられる。

● Design Agent: 「Project Artifacts」を受け取り、「Spec Package」を生成する。また、Delivery Agent または「Project Artifacts」のステップに「Feedback」を返すこともできる。

● Spec Package: Design Agent からの出力で、ビルドプロセスの仕様を含む。

● Build Agent: 「Spec Package」を使用し(内部メカニズムである「Autopilot」のガイドに従って)、「Coding Artifacts」を生成する。

● Coding Artifacts: Build Agent の作業によって生成されるコードまたはアプリケーションコンポーネント。

● Custom agents on AWS Transform: メインフローと統合される、独立して接続されたプロセス。

● Security Agent: プロセス全体を通じてセキュリティポリシーを監視または適用する、アーキテクチャの永続的なレイヤー。

● Amazon Cloud stage/dev: 生成されたアーティファクトがデプロイまたは管理される AWS 環境(ステージングおよび開発)を表す。

● Coding Artifacts は「dev」環境に送信される。

● 「stage」環境は、「Custom agents」プロセスの出力先またはエンドポイントと見られる。

● このシステムはインテリジェントエージェントを使用してソフトウェア開発ライフサイクルを自動化、高速化し、効率と品質を向上できる可能性がある。