Accenture 和 AWS 为中型企业打造了一套云计算和 AI 解决方案
AWS Marketplace 新增了用于迁移、云成本控制、系统保护和 AI 风险评估的工具,以及客户服务自动化技术。本文介绍了 Accenture Edge 如何针对中型企业进行调整,并以收费高速公路运营商 407 ETR 的部署为例。

Accenture 和 AWS 推出了什么
Accenture 和 Amazon Web Services (AWS) 面向中型企业推出了技术方案,可通过 AWS Marketplace 获取。

此次合作将 Accenture 的技术与咨询能力,与 AWS 的云服务和人工智能服务结合起来。
这些方案涵盖哪些任务
这些工具旨在支持迁移、云管理、安全防护和人工智能相关任务:
- 将虚拟机迁移至 AWS;
- 发现并优化云支出;
- 帮助保护云系统;
- 测试人工智能系统面临的潜在风险;
- 在迁移至云端时发现数据源和依赖关系。
这些方案涵盖云端工作的多个阶段,从迁移准备到系统防护和人工智能测试。
客户服务技术
此次合作还包括客户服务技术,例如对话式 AI 和虚拟代理。
这一领域独立于迁移、数据管理和云系统防护工具。
这些解决方案面向哪些公司
此次合作属于 Accenture Edge 业务,该业务面向年收入约为数亿美元至数十亿美元的公司。
Accenture Edge 专注于根据中型企业的需求量身打造技术解决方案。实际判断标准是年收入是否符合中型企业的定位。
407 ETR 的实施案例
Accenture、NeuraFlash 和 AWS 为 407 ETR 打造了一套新的客户服务系统。407 ETR 是多伦多地区的一家电子收费高速公路运营商。
在系统开发期间,该公司的现有业务持续运行。这个案例表明,此次合作也包括开发客户服务解决方案。
常问问题
相关材料
所有材料
通过 SQL 视图检查 LLM 幻觉,无需微调
这项研究考察了 LLM 能否运用一项基础的符号技能——根据源文档构建 SQL 数据库——在幻觉检测中实现无监督的来源归因。在 RAGTruth 和 DiaHalu 上,这种神经符号流程比直接预测更准确,且性能可与先进方法相媲美,无需针对特定领域进行微调。
9 十一月 2026
MathAdv:机器证明的最终准确率隐藏着什么
这套涵盖大学及研究生阶段 13 个数学分支的诊断性任务集,不仅根据最终结果评估 Lean 4 中的机器证明系统,还考察其学科知识、非正式推理质量以及对题目改写的适应能力。分项分析显示,将题目转化为形式化表达仍然是主要障碍,而成功与否在很大程度上取决于数学领域和题目的表述方式。
9 十一月 2026
将演示文稿编辑转化为可控操作:EditPPT 框架与 DeckEdit-Bench 基准测试
作者将幻灯片编辑拆解为针对具体对象的操作、允许执行的动作,以及对其他内容是否保持原样的检查,而非自由生成代码。为衡量质量,作者创建了 DeckEdit-Bench(涵盖 28 份人工制作的演示文稿中的 183 项任务);在五种基础模型上,多智能体方案 EditPPT 的任务成功率为 66.7–74.9%,内容保留率超过 97%。
8 十一月 2026