会上，亚马逊云科技正式推出了Amazon IoT TwinMaker，旨在让开发人员更加轻松、快捷地创建现实世界的数字孪生，如楼宇、工厂、工业设备和生产线。

数字孪生是物理系统的虚拟映射，可根据其所代表的现实世界对象的结构、状态和行为定期更新。而Amazon IoT TwinMaker可以让开发人员更加轻松的汇集来自多个来源的数据，并将这些数据结合起来创建一个知识图谱，对现实世界环境进行建模。客户可以通过Amazon IoT TwinMaker，使用数字孪生来构建反映现实世界的应用程序，提高运营效率并减少停机时间。

借助Amazon IoT TwinMaker，可以让创建现实世界的数字孪生变得更加轻松、快捷。开发人员可以将Amazon IoT TwinMaker连接到设备传感器、视频源和业务应用程序等数据源，快速开始构建设备、装置和流程的数字孪生。

亚马逊云科技还推出了一个旨在为汽车行业带来变革的平台——AWS IoT FleetWise，它允许制造商从数百万辆车中收集数据，并易于在云中进行分析。

此外，亚马逊云科技还在会上推出了三款由自研芯片支持的新Amazon EC2实例，包括由新的Amazon Graviton3处理器支持的C7g实例;由Amazon Trainium芯片支持的Trn1实例;以及采用全新Amazon Nitro SSDs的Im4gn/Is4gen/ I4i实例。

由Amazon Graviton3处理器支持的C7g实例，相比由 Graviton2 处理器支持的当前一代 C6g 实例，计算密集型工作负载性能提高了25%。与Graviton2相比，Amazon Graviton3处理器为科学计算、机器学习和媒体编码工作负载提供高达2倍的浮点运算性能，为加密工作负载速度提升高达2倍，为机器学习工作负载提供高达3倍的性能。

由Amazon Trainium芯片支持的Trn1实例，为在Amazon EC2中进行深度学习模型训练提供最佳性价比以及最快的训练速度，与P4d实例相比，通过Trn1实例训练深度学习模型的成本降低多达40%。

而Im4gn/Is4gen/I4i实例旨在通过架构最大限度提高I/O密集型工作负载的存储性能。通过自研的 Amazon Nitro SSDs ，Im4gn/Is4gen/I4i实例提供高达 30 TB 的 NVMe 存储，与上一代I3实例相比，I/O 延迟降低了 60%，延迟可变性降低了 75%，从而最大限度地提高了应用程序性能。

同时，为降低机器学习使用门槛，亚马逊云科技还推出了一项新的可视化、无代码机器学习服务Amazon SageMaker Canvas。Amazon SageMaker Canvas的目标受众不是以往的数据科学家和工程师，而是企业内部的任何工程师或业务用户。利用Amazon SageMaker Canvas，即使没有任何经验的用户，无需编写任何代码，只需用鼠标点击拖拽，也可以轻松创建机器学习预测模型。