這，才是普通玩家入局AIGC的正確姿勢

豐色 發自 凹非寺

量子位 | 公眾號 QbitAI

The future is here, it’s just not evenly distributed yet.

這是“賽博朋克之父”威廉·吉布森的一句經典名言，也是亞馬遜云科技全球產品副總裁Matt Wood對時下生成式AI技術的現狀總結。

對于后半句，我們可以更直白地理解為“尚未平均分布”。

為什么這么說？

時至今日，生成式AI在創意輸出（如寫作、編程、設計）、功能增強（如寫摘要、搜索）、交互式體驗（Q&A、聊天）和決策支持（各類助理）這四個領域已展現出驚人潛力。

我們看到，一大波全新應用噴涌而出，學界、產業界人士更是爭先恐后開啟創業潮。

然而，它帶來的福利并非均勻分布，因為全面擁抱這項技術是有門檻的。

如Matt Wood所說，先進技術的使用權通常只在大型科技公司、政府和大學的“職權范圍”之內。

直到現在，不少初創企業、組織或個人，以及非專業AI公司，由于要么缺基礎設施、缺資源，要么缺正確的打開方法……只能先看著別人在當下的風口起飛。

怎么辦？如何破局？

這也是行業巨頭亞馬遜云科技一直關心的問題。

在剛剛舉辦的亞馬遜云科技中國峰會上，它終于給出了一份參考答案：針對基礎模型構建、私有定制、開發效率和算力成本，一一給予解決方案。

想要在這場變革之中抓住機會、全面利用生成式AI價值的普通玩家，不容錯過。

解鎖生成式AI的4個必備姿勢

廢話不多說，我們先直奔Matt Wood博士的精彩演講。

開門見山，Matt Wood博士表示，普通企業要想抓住這次機遇，全面解鎖生成式AI的價值，需要做好四方面的準備：

一流的基礎模型、安全且私有的定制化環境、低成本/低延遲的基礎設施保障，以及能提速的專業開發工具。

怎么理解這四個點？它們各自對應的解決方案是什么？

首先，Matt Wood表示，要想縮小“分布不均勻”的差距，我們首要考慮的應該是那個能最大限度彌補鴻溝的方法。

那就是一個“best-in-class（最佳）”的基礎模型。

所謂“工欲善其事必先利其器”，有了這樣的模型，我們才能搭建能力范圍內最好的AI應用。

那么如何獲得最好的基礎模型？

這就不得不搬出亞馬遜云科技才發布不久的Amazon Bedrock平臺了。

作為一個“基巖”平臺，它支持來自AI21 Labs、Anthropic、Stability AI的基礎模型，包括“ChatGPT最強競品”Claude、能支持多種小語種的Jurassic-2、以及不用咱過多介紹的Stable Difussion等。

除此之外，它還包括兩個亞馬遜云科技獨家自研的先進大語言模型Amazon Titan：

一個叫Amazon Titan text，專注于生成式NLP任務，另一個叫Amazon Titan Embeddings，用于搜索和個性化推薦等，可將文本輸入翻譯成包含語義的嵌入編碼，從而讓搜索結果更相關、更符合上下文語境。

在Amazon Bedrock平臺之上，你可以獲得最簡單的使用這些模型的體驗：

只需通過API訪問，不用操心任何基礎設施，就能快速將它們用于你的應用開發；

如果你想對這些基礎模型進行定制改造，只需提供少量（低至20個）帶標簽的示例即可。

說到定制模型，就來到了咱們的第二點：安全且私有的定制環境。

所謂定制化，就是用相對來說“數量少但質量精”的數據來將預訓練好的基礎模型轉變成一個尤其擅長某類特定任務的“垂直”模型，也就是咱平常說的微調。

在Matt Wood看來，這個過程稱得上“game-change”，因為相比直接開發特定任務模型，微調/定制新模型所需數據量更少，導致計算時間也減少，從而能夠更快地完成構建。

毋庸置疑，定制模型的關鍵是專有數據，它們基本都是客戶寶貴的私有財產。

因此，要完成這一過程，一個安全且私有、保證數據不會用于平臺基礎模型和其他客戶訓練的環境就尤為重要。

Amazon Bedrock從一開始就主打安全和隱私，以及面向更專業開發者的Amazon SageMaker JumpStar平臺，也引入了如上這些先進基礎模型，并同樣提供安全的微調環境。

接著，當環境和平臺都準確就緒，就可以提速開發，思考如何快一點、再快一點地完成目標。

答案其實藏在同一處——同樣利用生成式AI技術開發的代碼AI助手，比如Amazon CodeWhisperer，將顯著提升我們的開發速度。

它經過數十億行代碼訓練，支持十余種常見編程語言和編程環境，同時：

• 具備上下文感知能力，不局限于當前文檔提供代碼建議；
• 內置安全掃描功能，可迅速檢查代碼是否存在漏洞并提供修復建議；
• 可以進行來源檢查和標注，讓你的每一行代碼都有跡可循（尤其針對開源項目）；
• 以及專門加了一個企業級控制功能，可設置公司內部的開發規范、方針等。

最最重要的是，此等“尤物”，個人開發者可以完全免費使用！

只需打開你的IDE搜索插件并安裝，然后用一個郵箱完成注冊即可，連亞馬遜云科技賬號都不需要。

據統計，亞馬遜內部的開發人員使用Amazon CodeWhisperer后，開發速度直接比以往快了57%，完成項目的成功率也提高了27%。

最后，代碼開發完成以后，訓練和推理的成本和性能就成了我們要考慮的頭等大事。

在此，亞馬遜云科技已專門針對大模型（包括LLM和擴散模型）開發了訓練和推理芯片：Amazon Inferentia、Amazon Trainium和Amazon Inferentia2。

它們有多強大？

單說其中的Amazon Inferentia芯片，依賴于它開發的Amazon EC2 Inf1實例，就能直接將模型每次的推理成本較普通GPU降低70%。

有了它們，普通玩家也能輕松實現算力上的高性價比了。

看完這些，我們能夠發現，亞馬遜在基礎模型構建、私有定制、開發效率和算力成本上的解決方案，實屬早有準備（都是此前就已經發布的產品），在如今“尚未平均分布”的技術現狀之下，直接就能打包成成熟方案，立刻惠及每一個人。

好消息不止如此，除了以上四部分，亞馬遜云科技在最基礎的數據方面同樣能提供全面的支持。

如Matt Wood博士所說：

數據是生成式Al的起源（Data is the genesis of generative Al）。

如何充分挖掘其中的價值？這是一個從業者都繞不開的問題。

在Matt Wood博士看來，我們需要的不僅僅是變革性的技術和基礎設施，還包括一個端到端的數據戰略，用三個關鍵詞概括就是：全面、集成和治理。

對此，亞馬遜云科技亦早有準備：

• Amazon Aurora和Amazon RDS，可以提供全面和完整的關系數據庫服務；
• Amazon Athena和Amazon EMR等7項工具，可以包攬交互查詢、大數據處理、倉儲、一體化等你能想到的所有分析任務；
• Amazon Aurora和Amazon Redshift，已打通連接無縫集成，進一步實現“零ETL”的愿景，減少用戶在不同服務間手動遷移或轉換數據的工作；
• 最后，還有全新產品Amazon DataZone，幫你實現透明的數據跨部門共享（現在已開啟預覽），數據治理的“度”如何拿捏，也不必操心了。

已經有人幫你體驗過了

Talk is cheap, show me the code。

在這場峰會上，亞馬遜云科技大中華區產品部總經理陳曉建也帶來兩類實際案例，向我們展示了它是如何幫助企業解決在如今的生成式AI大背景下進行創新時，遇到的算力資源和全球化問題。

先看第一個。

由于生成式AI技術的爆發，行業整體算力需求井噴，并由此帶來三大挑戰：

算力資源本身的緊缺、計算資源的彈性化供給困惑（不知道什么時候需要多少計算資源）以及云上運維的門檻和復雜度還不夠低。

亞馬遜云科技如何解決這些問題？

首先，它們推出各類自研芯片，如可以幫CPU減負的云計算專用芯片Amazon Nitro、基于ARM架構的通用處理器芯片Amazon Graviton以及專為機器學習訓練和推理開發的Amazon Inferentia和Amazon Traininum系列芯片，來幫助企業實現超高的算力性價比。

以F1賽車為例，主辦方通過使用亞馬遜云科技的Amazon Graviton 3E芯片進行空氣動力學模擬，才得以用比以往快70%的速度來開發新一代賽車，并將賽車壓力損失從50%降低到15%。

這就意味著車主在駕駛時可以更容易地進行超車，給車迷帶來更精彩的賽場纏斗。

其次，亞馬遜云科技通過各種豐富的計算網絡存儲（可按需選擇或者直接幫你智能分級）以及產品組合（超600種不同計算實例）來幫助用戶應對突發的算力需求，實現高度彈性化的計算資源供給。

以維塔數碼云上工作室為例，它曾獲得6次奧斯卡最佳特效獎，作品包括《阿凡達》《指環王》《猩球崛起》等。

由于亞馬遜云科技提供的基礎架構算力資源、云上制作堆棧和機器學習堆棧等一系列服務，該工作室只用了8個月就完成了高達33億渲染線程小時的《阿凡達2》云上特效制作；反觀《阿凡達1》，“當初用了整整14個月才看到了第一幀”。

最后，亞馬遜云科技還通過Serverless技術來簡化云上運維管理，幫助游戲公司朝夕光年專注于游戲《Marvel Snap》本身的開發，而不用擔心訪問量劇烈增加時的系統升級和擴容工作。

陳曉建介紹，該游戲最終啟動后沒有發生一個后端錯誤事件，在游戲行業聞所未聞。

除了算力資源，許多企業在如今的全球化大趨勢下也有三大訴求：

所有業務實現云上統一管理并保證高可靠和低延遲、搭建組網的過程要既快速且高效、以及能否符合當地的法規要求，保障業務順利出海。

對此，亞馬遜云科技也一一接招應對。

以OPPO為例，他們的手機業務遍布全球，存在上百的云上VPC和本地資源需要連接，非常考驗全球組網難度。

而依托亞馬遜云科技的Amazon Cloud WAN服務，只需分分鐘便快速搭建好了一個全球網絡，它既能保持OPPO的全球業務獨立運作、區域合規自治，同時又能進行統一管理。

其次，對于網絡可靠性、延遲性要求非常高的資本交易市場納斯達克，亞馬遜云科技則憑借Amazon Outpost服務幫它建成了資本市場行業有史以來的第一個私有本地區域，并實現超低延遲的邊緣計算功能。

最后，全球電子支付終端供應商Pax，也依靠亞馬遜云科技的Amazon CloudHSM、Amazon Security Hub等一系列服務，滿足了多個供應商提供的安全服務標準，保障用戶支付安全，并使交付周期縮短了40%，成本降低20%，實現國際業務順利拓展。

……

以上這些成功的合作案例，都很好地說明了亞馬遜云科技在幫助企業擺脫基礎架構限制、專注于創新上的成效。

堅持“給底座造底座”

事實上，對于這波生成式AI浪潮，早在4月份，亞馬遜云科技就向公眾表明了自己的定位：

人人都去卷大模型本身，我們要給底座造底座。

如今兩位高管在亞馬遜云科技中國峰會上的演講，再一次釋放了同樣的信息：

為大眾開發生成式AI應用做基礎支持、做底座支撐。

怎么理解“底座”這個概念？

可以快速獲得世界最先進基礎模型能力的全托管平臺Amazon Bedrock，是底座；

用于訓練和運行自家模型的高性能基礎設施，如Amazon Inferentia芯片支持的Amazon EC2 Inf1實例、Amazon Trainium支持的Amazon EC2 Trn1實例以及英偉達H100 Tensor Core GPU支持的Amazon EC2 P5實例，是底座；

從頭構建、訓練和部署自己的模型的Amazon SageMaker，是底座；

支持一鍵式部署和150多種流行開源模型微調的Amazon SageMaker Jumpstart，更是底座；

……

它們都是服務于我們的大模型、服務于生成式AI應用開發的基礎工具，作為底座，目的就是降低使用門檻，把大模型和生成式AI技術變成一種即取即用的資源，讓更多企業、組織和個人觸及。

而在如今這個全面擁抱生成式AI的時代，市場確實需要有企業提供這樣的服務。

據Grand View Research估計，光是到2030年，生成式AI的市場規模可能接近1100億美元。

而如今距離這一技術大爆發才不過數月時間，市場遠談不上飽和。

在這片藍海之中，各類公司都對生成式AI變革其產品和業務運營的潛力充滿期待，無數人都想要抓住機遇占領高地，卻不是人人都有資源、有方法、有足夠的成本。

于是自己從頭摸索顯然不是明智之舉，普通玩家都在渴望一個能夠快速上車、不耗費太多功夫建筑底層支撐的方法。

當然，對于大部分玩家來說，成本必然越低越好。

另外，隨著技術的發展，社會分工越來越明細，我們講究高效和便捷，不需要人人都重復造輪子，只需要看誰能利用輪子跑起來、更快速地達到各自的目的地。

因此，推出這些底座服務也是順應大趨勢。

其次，亞馬遜云科技有能力滿足這一急迫的市場需求和趨勢。

這一點不用多說，作為妥妥的科技巨頭，亞馬遜云科技擁有超過25年的AI經驗，并有超過10萬名客戶使用亞馬遜云科技的AI和機器學習服務助力自己的業務。

在上一部分，大家也跟著陳曉建一起見證了它在幫助各行各業的大小企業擺脫基礎架構限制方面的成績。

那么，市場有需求，亞馬遜云科技有能力，如此的“雙向奔赴”才能夠讓大眾把大多數精力都放在真正的創新之上，從而加速整個人類社會的技術進步歷程——

說到創新，還有一個好消息。

最近，亞馬遜云科技宣布：

投資1億美元成立生成式AI創新中心。

此舉意味著它將進一步提供靈活且經濟高效的生成式AI服務，幫助每個企業或組織利用AI、釋放生成式AI的巨大潛力。

可以期待，隨著這一重大舉措的實施和深入，我們將更快、更多地看到創新想法和產品變為現實。

One More Thing

值得一提的是，在本場峰會Matt Wood博士演講的最后，官方以鮑勃·迪倫的一首《The Times They Are A-Changin》作為了結尾。

正如歌名，時代變了，屬于生成式AI的未來已至。

而在這場洪流之中，得益于亞馬遜云科技這樣的底座服務的存在，讓每個企業、每個人都有機會去獲得、利用和享受新技術帶來的福利。

我們認為，沒有人會在這場變革之中被主動落下，尚不均勻的分布終將得到改善、若隱若現的未來也會變得異常清晰。