亚马逊云科技推出Amazon Nova多模态嵌入模型，这是一款专为Agentic RAG与语义搜索应用打造的顶尖多模态嵌入模型，现已在Amazon Bedrock上线。它是首个通过单一模型支持文本、文档、图像、视频与音频的统一嵌入模型，能以行业顶尖的准确率实现跨模态检索。

嵌入模型可将文本、视觉、音频输入转换为数值表示形式的嵌入向量，这些嵌入向量会捕捉输入内容的语义信息，供AI系统进行比较、搜索与分析，为语义搜索、检索增强生成（RAG）等场景提供技术支撑。

当今，企业正不断寻求解决方案，以期从文本、图像、文档、视频、音频等海量非结构化数据中挖掘价值。例如，某企业可能拥有产品图片、包含信息图与文字的宣传册，以及用户上传的视频片段。尽管嵌入模型能够挖掘非结构化数据的价值，但传统模型通常仅擅长处理单一类型的内容。这一局限迫使客户要么构建复杂的跨模态嵌入解决方案，要么仅局限于单一内容类型的应用场景。这一问题同样存在于混合模态内容类型，例如文本与图像内容交织的文档，或融合视觉、音频、文本元素的视频，现有模型也难以有效捕捉这类内容中的跨模态关联。

Amazon Nova多模态嵌入模型正为解决上述挑战而生！它为文本、文档、图像、视频、音频构建了统一的语义空间，可支持多种场景，包括混合模态内容的跨模态搜索、基于参考图像的搜索，以及视觉文档检索。

Amazon Nova多模态

01 嵌入模型的性能评估

开发团队基于各类基准测试对该模型性能进行了评估，结果显示，其开箱即用的准确率处于领先水平，具体数据如下表所示：

Amazon Nova多模态嵌入模型支持的上下文长度最高达8000 tokens，可处理的文本语言多达200种，并能通过同步与异步API接收输入。此外，它支持分段处理功能（也称为 “分块”，Chunking），**可将长文本、视频或音频内容拆分为易于处理的片段，并为每个片段生成嵌入向量。**最后，该模型提供四种输出嵌入维度，采用套娃表征学习（Matryoshka Representation Learning，MRL）训练，能在几乎不影响准确率的前提下，实现低延迟的端到端检索。

02 须知事项

**Amazon Nova多模态嵌入模型提供四种输出维度选项：3072、1024、384和256。**输出维度越大，生成的表征信息则越详细，但也需要占用更多的存储空间和计算资源。相反，输出维度越小，则能在检索性能与资源效率之间实现更实用的平衡。这种灵活性可帮助用户根据具体应用场景和成本需求进行优化。

**该模型能处理较长的上下文内容。对于文本输入，它单次可处理多达8192个tokens；对于视频和音频输入，支持处理长达30秒的片段，且能对更长的文件进行分段处理。**在处理大型媒体文件时，这种分段能力尤为实用——模型会将文件拆分为易于处理的片段，并为每个片段生成嵌入向量。

该模型包含集成了内置于Amazon Bedrock的负责任的AI功能。提交用于生成嵌入向量的内容会经过Amazon Bedrock内容安全过滤器的检测，同时模型还内置公平性措施以减少偏差。

该模型可通过同步和异步API调用。同步API适用于需要即时响应的实时应用场景，例如在搜索界面中处理用户查询；异步API则能更高效地处理对延迟不敏感的工作负载，因此更适合处理视频等大型内容。

03 可用性与定价

Amazon Nova多模态嵌入模型现已在Amazon Bedrock上线，可用区域包括美国东部（弗吉尼亚北部）的亚马逊云科技区域。如需详细定价信息，请参阅Amazon Bedrock定价页面。

如需了解更多内容，可参阅《Amazon Nova用户指南》获取完整文档，或参阅GitHub上的Amazon Nova模型实践手册获取实用代码示例。

如果您在使用Amazon Q Developer、Kiro等AI驱动的软件开发助手，可搭建Amazon Web Services API MCP服务器，帮助这些AI助手与亚马逊云科技服务及资源交互；同时可搭建Amazon Knowledge MCP服务器，以获取最新文档、代码示例，以及关于Amazon Web Services API 区域可用性和Amazon CloudFormation资源的知识。

如何学习大模型 AI ？

我国在AI大模型领域面临人才短缺，数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着Al技术飞速发展，预计到2025年，这一缺口将急剧扩大至400万，严重制约我国Al产业的创新步伐。加强人才培养，优化教育体系，国际合作并进，是破解困局、推动AI发展的关键。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

2025最新大模型学习路线

明确的学习路线至关重要。它能指引新人起点、规划学习顺序、明确核心知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

对于从来没有接触过AI大模型的同学，我帮大家准备了从零基础到精通学习成长路线图以及学习规划。可以说是最科学最系统的学习路线。

针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

大模型经典PDF书籍

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路！

配套大模型项目实战

所有视频教程所涉及的实战项目和项目源码等

博主介绍＋AI项目案例集锦

MoPaaS专注于Al技术能力建设与应用场景开发，与智学优课联合孵化，培养适合未来发展需求的技术性人才和应用型领袖。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

为什么要学习大模型？

2025人工智能大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

适合人群

• 在校学生：包括专科、本科、硕士和博士研究生。学生应具备扎实的编程基础和一定的数学基础，有志于深入AGI大模型行业，希望开展相关的研究和开发工作。
• IT行业从业人员：包括在职或失业者，涵盖开发、测试、运维、产品经理等职务。拥有一定的IT从业经验，至少1年以上的编程工作经验，对大模型技术感兴趣或有业务需求，希望通过课程提升自身在IT领域的竞争力。
• IT管理及技术研究领域人员：包括技术经理、技术负责人、CTO、架构师、研究员等角色。这些人员需要跟随技术发展趋势，主导技术创新，推动大模型技术在企业业务中的应用与改造。
• 传统AI从业人员：包括算法工程师、机器视觉工程师、深度学习工程师等。这些AI技术人才原先从事机器视觉、自然语言处理、推荐系统等领域工作，现需要快速补充大模型技术能力，获得大模型训练微调的实操技能，以适应新的技术发展趋势。
  

课程精彩瞬间

大模型核心原理与Prompt：掌握大语言模型的核心知识，了解行业应用与趋势；熟练Python编程，提升提示工程技能，为Al应用开发打下坚实基础。

RAG应用开发工程：掌握RAG应用开发全流程，理解前沿技术，提升商业化分析与优化能力，通过实战项目加深理解与应用。

Agent应用架构进阶实践：掌握大模型Agent技术的核心原理与实践应用，能够独立完成Agent系统的设计与开发，提升多智能体协同与复杂任务处理的能力，为AI产品的创新与优化提供有力支持。

模型微调与私有化大模型：掌握大模型微调与私有化部署技能，提升模型优化与部署能力，为大模型项目落地打下坚实基础。

顶尖师资，深耕AI大模型前沿技术

实战专家亲授，让你少走弯路

一对一学习规划，职业生涯指导

• 真实商业项目实训
• 大厂绿色直通车

人才库优秀学员参与真实商业项目实训

以商业交付标准作为学习标准，具备真实大模型项目实践操作经验可写入简历，支持项目背调

大厂绿色直通车，冲击行业高薪岗位

文中涉及到的完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】