凭借自研芯片、Amazon Bedrock模型库、Amazon CodeWhisperer编程服务等产品，以及云原生的服务，亚马逊云科技将大大降低企业运用生成式AI的门槛，促进生成式AI广泛的落地应用。
文丨智驾网 黄华丹
大模型的走红，也让生成式AI成为2023亚马逊云科技中国峰会上被多次提及的关键词。
从ChatGPT到Midjourney，多种生成式AI应用引发了内容行业的爆发。
亚马逊云科技全球副总裁Matt Wood将其应用场景总结为4个方面：
第一，是创意输出，包括写作、设计、编码、建模等。
第二，是功能增强型场景，比如搜索相关性，如果有东西需要排序，有的模型就可以做得非常好。
第三，是全新交互式的体验，例如让生手甚至是专家和应用程序交互，使其能够产生新的知识和想法。
第四，是决策支持，或在人工监督下自动执行复杂任务的应用程序。
根据高盛数据，生成式AI可以推动全球GDP 增长 7%，近 7 万亿美元。麦肯锡则表示，从整个经济来看，它可以提升850个职业的2100个具体工作的生产效率，生产成本降低可以高达6.1到7.9万亿美元。从企业层面上，它可以被用到16个业务部门的63个场景，解决具体的业务挑战，为企业带来2.6到4.4万亿美元的价值。
在亚马逊云科技峰会第一天的主题演讲中，亚马逊全球副总裁、亚马逊云科技大中华区执行董事张文翊提到生成式AI时充满期待：“生成式AI让人工智能技术完全破圈，带来了机器学习被大规模采用的历史转折点。它正在掀起新一轮的科技革命，为人类带来前所未有的颠覆性、革命性和史诗级的影响，远超出我们今天的想象。这场革命波及的范围、深度和广度，可能只有互联网的爆发能与之相比。这也意味着一个巨大的历史机遇。”
01.
亚马逊云科技如何助力企业解锁生成式AI的价值？
亚马逊云科技如何助力企业解锁生成式AI的价值？
首先，是提供对基础模型的访问。
Matt Wood表示，目前并不会有一个单一的模型能实现一切功能，而是需要用不同的模型来实现不同的功能。亚马逊云科技希望整合所有的模型，并将自己的应用融入其中，使得用户能够访问所有最佳模型。
其二，是提供一个安全私密的环境来定制这些模型。亚马逊云可以为用户提供一个位于其虚拟私有云中的专用端点，用户可以用其改进模型。而亚马逊云不会使用用户的数据，只会复制已修改的神经网络权重，将其存储到Amazon S3中，并对其进行加密。
第三，是通过自研芯片，实现低成本和低延迟。
第四，是亚马逊云科技使用生成式AI来提升客户的使用体验，例如使用“专业编程助手”帮助用户快速轻松地编写源代码。
具体来看，Amazon Bedrock就是亚马逊云科技为帮助企业更便捷地开发自己的生成式AI模型的产品。
用户可以把数据放在自己的模型里，通过无服务器的API就可以实现，而无需管理相应的基础架构。同时用户可以对自己的私有数据做定制化的基础模型，只需将数据放在Amazon S3里面做标记，告诉Amazon Bedrock它的位置，并提供正确的权限，Amazon Bedrock就可以自动完成余下任务。
Amazon Bedrock内置有一套基础模型，包括来自第三方的Anthropic，stability AI的基础模型，也有亚马逊云自己的模型，例如Amazon Titan。
Amazon Titan是一系列不同模型的库，可实现文本归纳总结、搜索结果嵌入、有害内容删减等，用户可以非常安全、隐私地对这些模型做优化和微调。
一个典型的例子是一家国际智能营销服务商，用这样的服务来做广告内容分发的服务，在电商视觉产品成本方面实现了50%的节约，同时实现35%的效率提升和45%的点击率提升，这是非常大的提升，极大地推动了该公司的业务。
02.
自研芯片与编程辅助使生成式AI开发成本更低，效率更高
在定制芯片方面，亚马逊云科技的自研芯片包括Nitro，以及通用处理器芯片Graviton，和用于机器学习的训练和推理的芯片Inferentia和Trainium。
目前亚马逊云科技已经发布第五代Nitro，作为一个轻量级的Hypervisor，用来实现虚拟化的功能层，可将损耗从原来的20-30%降低到不到1%。同时实现网络层面的数据通信和存储的隔离，以及硬件级别的加密。
Graviton 3在此前的Graviton2的基础上，计算性能提高25%，浮点性能提高2倍，加密工作负载性能最多加快2倍。
去年新推出的Graviton 3E则进一步加强向量计算性能，可提升其在高性能计算HPC中的能力。
机器学习芯片主要用于两个场景，包括训练和推理。
在训练方面，亚马逊云科技推出了加速芯片Trainium，相较于通用的GPU，基于Trainium的Trn1实例在训练吞吐率上，单节点吞吐率可提升1.2倍，多节点集群的吞吐率可提升1.5倍，成本上单节点成本可以降低1.8倍，集群成本可降低2.3倍。同时，由于Trainium的低功耗，使得通过Trainium构建超大集群成为可能，使用户可以获得云上6 ExaFlops的训练超算能力。
亚马逊云科技推出的最新一代推理芯片是Inferentia2。推理芯片需要权衡吞吐率和延迟之间的平衡，而Inferentia2可以做到吞吐提升三倍，延迟降低8.1倍，而成本只是通用GPU实例的1/4。
通过亚马逊的自研芯片，利用Amazon Bedrock使用模型，可以简单、低成本地实现借助机器学习进行代码构建。例如，假如需要做一套个人理财方案，只需输入基本的收入支出信息，APP就会给出交易里面哪些存在异常，并根据实际情况给出合理的理财建议，这些都可以基于Amazon Bedrock完成，而不需要用户自己编程。
此外，亚马逊云科技也为代码开发人员构建了一套新的服务，即Amazon CodeWhisperer。用户只需提供自然语言指示，系统就可以生成他们需要的代码。
CodeWhisperer支持15种不同的编程语言，包括Java、JavaScript和Python，可以极大提升用户的编码体验。而且，现在个人用户可以免费使用Amazon CodeWhisperer，只需注册即可。
和人工编程相比，Amazon CodeWhisperer有什么优势？亚马逊也对此进行了测试。
将不同的工程师分成两组，一组采用Amazon CodeWhisperer进行编程，第二组完全是人工编程，两组之间对比，可以发现使用Amazon CodeWhisperer这组可节省57%的时间，同时代码本身的质量方面也可实现27%的提升。
03.
云原生数据战略提高数据管理效率
而对于生成式AI的根本，数据，亚马逊采取的是云原生的数据战略。如何实现更高的效率提升？亚马逊云科技提出了三个方面的考虑。
首先，需要适合任何用例的工具集。亚马逊旨在提供全球领先的全类别云数据库服务。由于不存在单一的数据库能够适应所有的应用场景，因此非常需要有一种针对不同用例，来专门构建广泛而完整专用的数据库集，为工作需要提供完美契合的数据服务。
企业要高效处理不同类型数据，就需要为不同业务场景找到“理想”的数据库。亚马逊云科技的数据库服务广泛支持关系、键值、文档、内存、图、时间序列、宽列和分类账八大数据库类型，“专库专用”为企业提供极致性能。
同时，还需要对数据进行广泛深入的分析，可以让用户从数据中挖掘出更多的意义，进而分析业务发展趋势及客户未来发展趋势。
亚马逊云科技的分析服务已全面实现Serverless化，包括交互式查询服务Amazon Athena、大数据处理服务Amazon Managed Streaming for Apache Kafka (Amazon MSK)、实时分析服务Amazon Kinesis、数据仓库服务Amazon Redshift、数据集成服务Amazon Glue、商业智能服务Amazon QuickSight以及运营分析服务Amazon OpenSearch Service。用户只需提出问题，就能由工具完成剩下的内容，帮助用户在整个公司范围内更容易地获取数据洞察。
其次，所有的工具要能非常好的整合起来，能在整个系统内方便自由移动连接所有的数据。亚马逊云科技在所有数据服务方面有非常深度的连接和整合，用户在不同的地区也能快速访问并采取行动，使业务更加连续。
例如，Aurora新的服务，Amazon Aurora可以与Amazon Redshift进行Zero-ETL集成，允许使用 Amazon Redshift对来自Aurora的PB级事务数据进行近实时分析和机器学习 。事务数据在被写入Aurora后的几秒钟内，即可用在Amazon Redshift中，因此不需要用户构建和维护复杂的数据管道来执行提取、转换和加载操作。
第三是端到端的数据治理，亚马逊能做到保障以及识别哪一个用户在用数据，以及其用途是什么？Amazon DataZone即是亚马逊云科技推出的数据管理服务。能够对所有的数据做一个目录，而且，它不仅可以在亚马逊云科技上使用，还可以在所有的SaaS应用里使用，可以让内部用户发现访问，并在集中日志里分享。如果他们觉得这些数据对整个组织有用，也可以进行共享。另外，用户还可以知道谁在使用数据，以及用于什么，从而大大加快使用数据的速度。
生成式AI的浪潮已然来临，而亚马逊云科技的多项服务将大大降低企业进入的门槛。
