亚马逊云科技扩展 Well-Architected Framework，新增负责任 AI，并更新机器学习与生成式 AI 视角

亚马逊云科技近日对其 Well-Architected Framework 进行了重要更新，新增了负责任 AI（Responsible AI）视角，并同步更新了机器学习和生成式 AI 视角。这些新增与更新旨在帮助企业架构师、机器学习工程师、平台团队以及技术领导者，更好地在亚马逊云科技上设计、部署、治理和运营 AI 系统。

Well-Architected Framework 长期以来被架构师用于基于多项核心支柱评估云工作负载，包括卓越运营、安全性、可靠性、性能效率、成本优化以及可持续性。此次更新将 AI 相关的指导系统性地融入上述支柱之中，反映了亚马逊云科技对 AI 工作负载复杂性及其社会影响不断增长的认知，尤其是由生成式模型驱动的应用场景。

新增的负责任 AI 视角为在 AI 系统中融入伦理、透明性与风险管理提供了一套结构化方法。该视角强调在 AI 全生命周期中主动识别偏见、持续监控模型以及建立治理机制。亚马逊云科技将负责任 AI 定义为十个维度：可控性、隐私、安全性、安全保障、真实性、鲁棒性、公平性、可解释性、透明性和治理。这一框架有助于团队系统性地评估并缓解潜在风险。该视角面向 AI 构建者、技术负责人以及负责任 AI 专业人员，旨在指导企业级实践，同时作为机器学习和生成式 AI 工作负载的基础，帮助组织在推动创新的同时兼顾责任，设计出安全、公平且可靠的 AI 系统。

在宣布此次框架更新时，亚马逊云科技的首席生成式 AI 技术专家 Rachna Chadha 表示：

负责任 AI 视角为构建者提供了一套以科学为基础、可落地的实践框架，使团队能够在从设计、开发到运行的整个生命周期中“以责任为先”地构建 AI，在创新与现实世界风险之间取得平衡。

更新后的机器学习视角与机器学习生命周期的六个阶段保持一致：问题定义、数据准备、模型开发、部署、运行以及监控。主要更新包括：围绕亚马逊 SageMaker Unified Studio 的协作式工作流、更大规模的分布式训练（基于 SageMaker HyperPod），以及通过 SageMaker Clarify 进行偏见与公平性评估。该视角还补充了成本优化策略和运维监控建议，帮助数据科学家、工程师和治理团队在架构决策上更好地达成一致。

机器学习生命周期的六个阶段

生成式 AI 视角则聚焦于基于大语言模型、多模态 AI 以及其他生成式系统的架构设计。更新后的内容提供了面向具体场景的架构模式，例如智能助手、自动化内容生成以及企业知识型 Copilot 等应用。同时，该视角深度融合了负责任 AI 原则，并给出了关于智能体 AI 工作流、可扩展推理以及安全数据处理的实践建议。

整体来看，这些视角共同构成了一套用于设计高性能、高可靠性且值得信任的 AI 系统的统一框架。亚马逊云科技鼓励组织使用 Well-Architected Tool 来落地这些最佳实践，并借助其中提供的参考架构、代码示例和模板，加速采用过程。

随着 AI 在企业中的应用不断扩大，亚马逊云科技将此次更新定位为帮助企业在创新、治理与运维严谨性之间取得平衡的重要手段。通过在 AI 架构中内嵌信任、伦理与卓越运营原则，组织可以在降低风险的同时，加快高价值 AI 解决方案的交付。

借助扩展后的 Well-Architected 视角，亚马逊云科技希望帮助企业在覆盖全类型 AI 工作负载的同时，在每一个阶段都内建信任、治理能力与技术卓越性。

原文链接：

https://www.infoq.com/news/2025/12/aws-expands-well-architected/