AWS เปิดตัว Amazon SageMaker Canvas เครื่องมือสร้างโมเดล machine learning (ML) แบบลากแล้ววาง ไม่ต้องเขียนโค้ดเอง (no-code) เพื่อให้นักวิเคราะห์ข้อมูลธุรกิจสามารถสร้างโมเดลการพยากรณ์ได้ง่ายขึ้น

SageMaker Canvas ใช้ฐานมาจาก Amazon SageMaker เครื่องมือสร้างโมเดล ML ที่ออกมาได้นานพอสมควร และใช้งานกันอย่างแพร่หลาย

วิธีการใช้งาน SageMaker Canvas คือนำเข้าข้อมูล (เช่น ไฟล์ CSV หรือเชื่อมต่อฐานข้อมูล) นำข้อมูลมาเชื่อมต่อกันเป็นชุดเดียว (join dataset) แล้วสร้างโมเดลจากตารางข้อมูลที่มี ก่อนเริ่มเทรนโมเดลจากข้อมูลจริง

Amazon CodeGuru Reviewer บริการบน AWS ที่ใช้รีวิวคุณภาพของโค้ดที่เขียน เพิ่มฟีเจอร์ Secrets Detector ช่วยตรวจหาว่าโปรแกรมเมอร์เผลอฝังรหัสผ่านหรือคีย์ API/SSH ลงไปในโค้ดหรือไม่

ฟีเจอร์นี้เชื่อมต่อกับ AWS Secrets Manager ซึ่งเป็นบริการจัดการรหัสผ่านและคีย์ของ AWS ที่สามารถช่วยหมุนสลับคีย์ (rotate) ให้เปลี่ยนไปเรื่อยๆ ได้

Amazon บอกว่าฟีเจอร์สแกนคีย์ รู้จักประเภทคีย์ยอดนิยม เช่น Atlassian, GitHub, Mailchimp, Salesforce, SendGrid, Shopify, Slack, Stripe, Tableau, Telegram, Twilio รวมถึงอ่านค่าไฟล์คอนฟิกหลากหลายประเภท เช่น .json, .yml, .yaml, .conf, .ini เป็นต้น

AWS เปิดตัว AWS IoT RoboRunner บริการจัดการฝูงหุ่นยนต์ (fleets of robots) ที่ใช้หุ่นจำนวนมากๆ ช่วยกันทำงานบางประเภท โดยถอดระบบมาจากศูนย์กระจายสินค้าของ Amazon ที่ใช้หุ่นยนต์ขนาดเล็กๆ จัดการพัสดุในคลัง

RoboRunner ทำหน้าที่เป็นแดชบอร์ดกลางสำหรับจัดการฝูงหุ่นยนต์ในโกดัง โดยมีแนวคิดของหุ่นแต่ละตัว (robot) ประกอบกันเป็นฝูง (fleet) ภายในโรงงานหรือโกดัง (facility) แล้วเขียนแอพพลิเคชันควบคุมหุ่นยนต์แต่ละฝูงอีกทีหนึ่ง ตัวระบบสามารถเชื่อมกับบริการอื่นของ AWS เช่น AWS Lambda หรือ AWS IoT Greengrass

ในยุคที่บริษัทไอทียักษ์ใหญ่ต่างหันมาออกแบบชิปเอง ฝั่ง AWS มีชิป Graviton สำหรับเซิร์ฟเวอร์ที่เปิดตัวมาตั้งแต่ปี 2018 และมีราคาต่อประสิทธิภาพดีกว่า x86 ถึง 40%

Adam Selipsky ซีอีโอคนใหม่ของ AWS (ขึ้นมาแทน Andy Jassy ที่ไปนั่งเป็นซีอีโอใหญ่ของ Amazon) ไปออกรายการทีวีช่อง CNBC และเปิดเผยว่า AWS มีชิปอีกหลายตัวที่ออกแบบเอง ที่จะรอเปิดตัวในเร็ววัน

ก่อนหน้านี้เคยมีข่าวลือว่า AWS พัฒนาชิปเน็ตเวิร์คสำหรับสวิตช์ที่ใช้กับศูนย์้ขอมูลของตัวเอง