奇异果体育除了众多厂商争先切入、发布大模型外,行业对这一趋势的发展也持积极态度。国际信息调查机构IDC最新报告显示,到2027年,全球生成式AI支出将达到1430亿美元,复合年增长率为73.3%。可见,未来几年生成式AI将有一番新天地。

　　的确,生成式AI并非“徒有其名”,它通过颠覆内容生产模式,加速企业生产方式变革,为普罗大众创造出耳目一新的服务体验。

　　作为AI技术的先行者和领导者,亚马逊云科技切入生成式AI的动作又快又准。在2023 亚马逊云科技re:Invent中国行北京站活动中,向中国市场同步了美国re:Invent中的丰富内容,比如芯片、开发工具、数据库在内的系列产品、完整的数据战略、生成式AI三层架构等,让我们看到亚马逊云科技在AI时代的深度思考。

　　企业对生成式AI的期待在哪里?亚马逊云科技怎样帮助企业重塑生产力?背后的数据战略又承担了什么角色?让我们深度解读亚马逊云科技在生成式AI上的布局。

　　生成式AI的行业价值不容小觑。麦肯锡发布的《生成式人工智能的经济潜力:下一波生产力浪潮》研究报告指出,如果将分析的63种生成式人工智能应用于各行各业,将为全球经济每年带来2.6万亿至3.1万亿美元的增长。

　　主要集中在三点,一是要简单,最好是与业务结合后可以直接用。因为大部分企业并不擅长“造工具”,也没必要,从底层基础设施干起对企业消耗巨大。二是要低成本。生成式AI虽好,但如果费用过高,大部分企业也负担不起。三,要安全。生成式AI与大模型紧密相连,牵扯到数据采集、模型训练等各个环节,因此,数据安全要考虑。

　　在IDC 的一项调查中,针对“在未来12个月,您更可能选择哪类厂商作为最重要的生成式AI战略合作伙伴?”问题,无论是在全球还是在中国,公有云提供商都排在第一位,分别占比36%、31%。

　　作为公有云的主力军,亚马逊云科技是很有感知力和行动力的,从快速推出芯片、存储等基础设施,大模型服务平台和AI助手各个维度入手,紧紧抓牢生成式AI的机会,持续领先。

　　算力能不能禁得住企业海量数据的考验?当企业想快速构建应用时,工具能不能跟上企业创新速度?而且,企业的全部需求能不能都满足?显然,大部分厂商不能做到。

　　亚马逊云科技是有底气的,因为亚马逊云科技推出了三层生成式AI技术架构。借此架构,亚马逊云科技可为客户提供构建生成式AI应用和创新的一切,让客户安全快速地用生成式AI技术重塑业务。

　　首先底层是基础设施底座,包括芯片、存储优化等,属于加速层。如果将生成式AI比作参天大树,那么底层就是扎根土壤的“根系”,能源源不断地为树干提供养分。

　　典型的是Amazon Graviton4和Amazon Trainium2自研芯片,可为机器学习训练和生成式AI应用等广泛的工作负载提供更高性价比和能效。

　　要知道,AmazonGraviton系列首款产品在2018年发布,短短5年间就更迭了四代,数据处理能力提升飞快。

　　而AmazonTrainium2可以说是“为生成式AI而生”。众所周知,生成式 AI 应用离不开基础模型和大语言模型的支持,因此需要更强大的算力支撑。

　　中间层是使用基础模型进行构建的工具,能让企业的创新更加高效。代表是全托管服务Amazon Bedrock,降低了企业构建生成式AI应用程序的门槛。

　　大模型时代,企业想要通过单一模型实现创新是几乎不可能的,通常需要集合不同大模型的优势来创造契合自己场景的生成式AI。Amazon Bedrock 提供全面托管的服务,帮助用户轻松访问来自AI21 Labs、Anthropic、Cohere、Meta、Stability AI和亚马逊云科技的多种行业领先大语言模型和其他模型。

　　简单说,Amazon Bedrock 赋予了客户模型选择自由。比如,其丰富的行业领先的模型选择和评估模型新功能,让客户不被单一模型限制。

　　而且,除了第三方模型外,Amazon Bedrock还包含了亚马逊云科技自研的、最新升级的基础模型Amazon Titan。

　　同时,对于缺乏经验的企业来说,模型的筛选也是难题。Amazon Bedrock 的“模型评估”功能恰好能帮助企业穿透大模型选择的“迷雾”,简化确定基准、设置评估工具和运行评估等原本复杂耗时的流程,实现科学的评估和筛选,最终克服“选择困难症”。

　　上层是生成式AI的相关应用,企业级生成式AI助手Amazon Q,就是企业可以快速上手的应用。

　　当前,企业文档和数据已经成为企业的重要资产。但是从财务、人力资源,到营销,到销售,每个角色都需要耗费大量时间进行信息检索、拼凑分析结果、写报告等。而且,企业规模越大,工作量越大。

　　Amazon Q是一位颇具“智慧”的助理,它在各类工作场景中,化身得力助手,帮助员工完成日常任务,比如,战略文档总结、内部支持票填写以及回答有关公司政策的问题。更重要的是,Amazon Q可以根据用户的业务进行定制,这样用户可以使用其数据询问有关其业务的问题,不用再从海量的工作文档中中检索。

　　Amazon Q还可以和众多的亚马逊云科技的应用和服务集成,比如,集成了 Amazon QuickSight 中新增的生成式 BI 功能,用户可以通过自然语言提示来生成、定制和共享极具信息量的可视化图表。

　　从三层架构的逻辑看,亚马逊云科技思维清晰,能像“建房子”一样,打牢“地基”到“房梁”的各个部分,且每一部分能力都是平衡的,不会出现短板。

　　由此看,亚马逊云科技具备生成式AI综合实力,能让企业在任何场景、任何阶段快速开启创新。正如亚马逊云科技大中华区产品部总经理陈晓建所说,“亚马逊云科技从客户需求出发, 持续引领创新,重塑创新,让生成式AI赋能千行百业”。

　　对企业来说,数据即是资产,也是“麻烦”,因为随着业务的增加,企业的数据越来越多,如何盘活数据,让数据流动起来就成了难题。

　　因此,生成式AI能力的养成,需要一套完整的数据思路和数据战略,涉及数据的存储、计算、调用、治理等各个方面,是数据智慧的集中体现。亚马逊云科技的逻辑是,通过打造坚实的数据基础,实现智能化数据集成和数据治理,帮助企业将数据转换为资产,为生成式AI提供强有力的支持。

　　为此,亚马逊云科技打造出了全面、集成、受治理的数据基座,形成了三纵的数据战略。

　　一是全面,为了帮助客户通过数据激发创新,亚马逊云科技提供了广泛而深入的数据服务,比如新增支持向量数据库的系列功能,包括全新发布的Vector Engine for OpenSearch Serverless,能够带来更高效的搜索和流程处理;Amazon DocumentDB和Amazon DynamoDB新增支持向量检索功能,允许用户将多种数据存储在一起。

　　也就是说,客户的数据无论存储在哪里,这些Zero-ETL集成特性都能简化数据连接和操作流程,帮助客户深挖数据价值,做出更明智的数据驱动决策。

　　三是受治理,本质是实现数据管理,且确保数据安全。比如Amazon Clean Rooms ML允许用户在不共享底层数据的情况下,与业务伙伴共同使用机器学习模型。前文提到的Amazon Q,也可以帮助用户更好的管理数据,实现便捷、直观,更容易访问。

　　基于完整的数据战略,亚马逊云科技在解决企业用数困难的同时,还能将数据安全交给企业。这也是亚马逊云科技在生成式AI的赛道上“一骑绝尘”的关键原因。

　　生成式AI不是空中楼阁,是牵一发动全身的系统性工程。亚马逊云科技无疑抓住了先行机会,占据了优势,更难能可贵的是,还在努力将优势拉大。

　　在北京站的活动中,“重塑”一词贯穿全程。这意味亚马逊云科技会将最新的生成式AI能力一直带给企业。

　　仔细分析,亚马逊云科技也具备这样的能力。从基础设施、应用、算力、安全等方方面面,亚马逊云科技一直是这样做的。通过赋予企业最新的创新方式、最强的创新能力,亚马逊云科技以自己的一小步,推动生成式AI的一大步。

　　面向未来,亚马逊云科技将继续深入生成式AI,将晦涩技术变成企业的标配,不断推动产业共生,行业共荣。

　　2023亚马逊云科技re:Invent中国行活动火热进行中,接下来将走进上海、广州、深圳、成都、青岛、南京、西安、杭州、长沙9个城市。如果您也想抓住生成式AI机会,掌握创新新模式,期待您的参与和持续关注。

　　除了众多厂商争先切入奇异果体育、发布大模型外,行业对这一趋势的发展也持积极态度。国际信息调查机构IDC最新报告显示,到2027年,全球生成式AI支出将达到1430亿美元,复合年增长率为73.3%。可见,未来几年生成式AI将有一番新天地。

　　的确,生成式AI并非“徒有其名”,它通过颠覆内容生产模式,加速企业生产方式变革,为普罗大众创造出耳目一新的服务体验。

　　作为AI技术的先行者和领导者,亚马逊云科技切入生成式AI的动作又快又准。在2023 亚马逊云科技re:Invent中国行北京站活动中,向中国市场同步了美国re:Invent中的丰富内容,比如芯片、开发工具、数据库在内的系列产品、完整的数据战略、生成式AI三层架构等,让我们看到亚马逊云科技在AI时代的深度思考。

　　企业对生成式AI的期待在哪里?亚马逊云科技怎样帮助企业重塑生产力?背后的数据战略又承担了什么角色?让我们深度解读亚马逊云科技在生成式AI上的布局。

　　生成式AI的行业价值不容小觑。麦肯锡发布的《生成式人工智能的经济潜力:下一波生产力浪潮》研究报告指出,如果将分析的63种生成式人工智能应用于各行各业,将为全球经济每年带来2.6万亿至3.1万亿美元的增长。

　　主要集中在三点,一是要简单,最好是与业务结合后可以直接用。因为大部分企业并不擅长“造工具”,也没必要,从底层基础设施干起对企业消耗巨大。二是要低成本。生成式AI虽好,但如果费用过高,大部分企业也负担不起。三,要安全。生成式AI与大模型紧密相连,牵扯到数据采集、模型训练等各个环节,因此,数据安全要考虑。

　　在IDC 的一项调查中,针对“在未来12个月,您更可能选择哪类厂商作为最重要的生成式AI战略合作伙伴?”问题,无论是在全球还是在中国,公有云提供商都排在第一位,分别占比36%、31%。

　　作为公有云的主力军,亚马逊云科技是很有感知力和行动力的,从快速推出芯片、存储等基础设施,大模型服务平台和AI助手各个维度入手,紧紧抓牢生成式AI的机会,持续领先。

　　算力能不能禁得住企业海量数据的考验?当企业想快速构建应用时,工具能不能跟上企业创新速度?而且,企业的全部需求能不能都满足?显然,大部分厂商不能做到。

　　亚马逊云科技是有底气的,因为亚马逊云科技推出了三层生成式AI技术架构。借此架构,亚马逊云科技可为客户提供构建生成式AI应用和创新的一切,让客户安全快速地用生成式AI技术重塑业务。

　　首先底层是基础设施底座,包括芯片、存储优化等,属于加速层。如果将生成式AI比作参天大树,那么底层就是扎根土壤的“根系”,能源源不断地为树干提供养分。

　　典型的是Amazon Graviton4和Amazon Trainium2自研芯片,可为机器学习训练和生成式AI应用等广泛的工作负载提供更高性价比和能效。

　　要知道,AmazonGraviton系列首款产品在2018年发布,短短5年间就更迭了四代,数据处理能力提升飞快。

　　而AmazonTrainium2可以说是“为生成式AI而生”。众所周知,生成式 AI 应用离不开基础模型和大语言模型的支持,因此需要更强大的算力支撑。

　　中间层是使用基础模型进行构建的工具,能让企业的创新更加高效。代表是全托管服务Amazon Bedrock,降低了企业构建生成式AI应用程序的门槛。

　　大模型时代,企业想要通过单一模型实现创新是几乎不可能的,通常需要集合不同大模型的优势来创造契合自己场景的生成式AI。Amazon Bedrock 提供全面托管的服务,帮助用户轻松访问来自AI21 Labs、Anthropic、Cohere、Meta、Stability AI和亚马逊云科技的多种行业领先大语言模型和其他模型。

　　简单说,Amazon Bedrock 赋予了客户模型选择自由。比如,其丰富的行业领先的模型选择和评估模型新功能,让客户不被单一模型限制。

　　而且,除了第三方模型外,Amazon Bedrock还包含了亚马逊云科技自研的、最新升级的基础模型Amazon Titan。

　　同时,对于缺乏经验的企业来说,模型的筛选也是难题。Amazon Bedrock 的“模型评估”功能恰好能帮助企业穿透大模型选择的“迷雾”,简化确定基准、设置评估工具和运行评估等原本复杂耗时的流程,实现科学的评估和筛选,最终克服“选择困难症”奇异果体育。

　　上层是生成式AI的相关应用,企业级生成式AI助手Amazon Q,就是企业可以快速上手的应用。

　　当前,企业文档和数据已经成为企业的重要资产。但是从财务、人力资源,到营销,到销售,每个角色都需要耗费大量时间进行信息检索、拼凑分析结果、写报告等。而且,企业规模越大,工作量越大。

　　Amazon Q是一位颇具“智慧”的助理,它在各类工作场景中,化身得力助手,帮助员工完成日常任务,比如,战略文档总结、内部支持票填写以及回答有关公司政策的问题。更重要的是,Amazon Q可以根据用户的业务进行定制,这样用户可以使用其数据询问有关其业务的问题,不用再从海量的工作文档中中检索。

　　Amazon Q还可以和众多的亚马逊云科技的应用和服务集成,比如,集成了 Amazon QuickSight 中新增的生成式 BI 功能,用户可以通过自然语言提示来生成、定制和共享极具信息量的可视化图表。

　　从三层架构的逻辑看,亚马逊云科技思维清晰,能像“建房子”一样,打牢“地基”到“房梁”的各个部分,且每一部分能力都是平衡的,不会出现短板。

　　由此看,亚马逊云科技具备生成式AI综合实力,能让企业在任何场景、任何阶段快速开启创新。正如亚马逊云科技大中华区产品部总经理陈晓建所说,“亚马逊云科技从客户需求出发, 持续引领创新,重塑创新,让生成式AI赋能千行百业”。

　　对企业来说,数据即是资产,也是“麻烦”,因为随着业务的增加,企业的数据越来越多,如何盘活数据,让数据流动起来就成了难题。

　　因此,生成式AI能力的养成,需要一套完整的数据思路和数据战略,涉及数据的存储、计算、调用、治理等各个方面,是数据智慧的集中体现。亚马逊云科技的逻辑是,通过打造坚实的数据基础,实现智能化数据集成和数据治理,帮助企业将数据转换为资产,为生成式AI提供强有力的支持。

　　为此,亚马逊云科技打造出了全面、集成、受治理的数据基座,形成了三纵的数据战略。

　　一是全面,为了帮助客户通过数据激发创新,亚马逊云科技提供了广泛而深入的数据服务,比如新增支持向量数据库的系列功能,包括全新发布的Vector Engine for OpenSearch Serverless,能够带来更高效的搜索和流程处理;Amazon DocumentDB和Amazon DynamoDB新增支持向量检索功能,允许用户将多种数据存储在一起。

　　也就是说,客户的数据无论存储在哪里,这些Zero-ETL集成特性都能简化数据连接和操作流程,帮助客户深挖数据价值,做出更明智的数据驱动决策。

　　三是受治理,本质是实现数据管理,且确保数据安全。比如Amazon Clean Rooms ML允许用户在不共享底层数据的情况下,与业务伙伴共同使用机器学习模型。前文提到的Amazon Q,也可以帮助用户更好的管理数据,实现便捷、直观,更容易访问。

　　基于完整的数据战略,亚马逊云科技在解决企业用数困难的同时,还能将数据安全交给企业。这也是亚马逊云科技在生成式AI的赛道上“一骑绝尘”的关键原因。

　　生成式AI不是空中楼阁,是牵一发动全身的系统性工程。亚马逊云科技无疑抓住了先行机会,占据了优势,更难能可贵的是,还在努力将优势拉大。

　　在北京站的活动中,“重塑”一词贯穿全程。这意味亚马逊云科技会将最新的生成式AI能力一直带给企业。

　　仔细分析,亚马逊云科技也具备这样的能力。从基础设施、应用、算力、安全等方方面面,亚马逊云科技一直是这样做的。通过赋予企业最新的创新方式、最强的创新能力,亚马逊云科技以自己的一小步,推动生成式AI的一大步。

　　面向未来,亚马逊云科技将继续深入生成式AI,将晦涩技术变成企业的标配,不断推动产业共生,行业共荣。

　　2023亚马逊云科技re:Invent中国行活动火热进行中,接下来将走进上海、广州、深圳、成都、青岛、南京、西安、杭州、长沙9个城市。如果您也想抓住生成式AI机会,掌握创新新模式,期待您的参与和持续关注。