助力生成式AI普惠化，亚马逊云科技已完成了「五大能力」的构建。

亚马逊云科技 CEO Adam Selipsky 曾说过：迄今为止，没有一个生成式 AI 的应用不是在云上发生的。

最近一段时间，生成式 AI 技术快速发展，专用于新技术的数字基础设施，已经开始催生出新的应用。

在 10 月 24 日举行的 2023 亚马逊云科技生成式 AI 构建者大会上，人们围绕应用场景、工具和基础设施、数据基座、AI 原生应用构建和生成式 AI 服务等五方面，讨论了释放生成式 AI 潜力的新方式。

与此同时，我们也看到了生成式 AI 在不少行业的应用落地案例。

「生成式 AI 不仅仅是大模型。今天，当我们谈论生成式 AI 时，大多数人都在谈论基础模型，而整个生成式 AI 应用就像是浮在海面的冰山，」亚马逊云科技大中华区产品部总经理陈晓建说道。「露在海面的冰山一角就像是基础模型，而在冰川的底部，同样有大量的基础模型以外的服务来支撑，如加速芯片，数据库，数据分析，数据安全服务等等。」

亚马逊云科技提供了完整的端到端的生成式 AI 技术堆栈，从底层的加速层如加速芯片，存储优化，到中间层模型构建工具和服务，再到最上层的生成式 AI 相关应用，每一层都在针对客户的不同需求持续创新。

基于深度学习的人工智能技术至今已经发展超过十年。最近一段时间，随着数据容量的激增，技术的快速迭代，以及计算资源的发展，生成式 AI 技术获得了爆发。生成式 AI 的核心是利用基础模型进行创新驱动的。大语言模型包含大量参数，通过学习互联网规模的数据能够学习复杂的概念，因此获得了初步的通用化能力。

但更为重要的是，我们同样可以利用私有数据对基础模型进行微调，构建起执行特定领域任务的工具。

今年 4 月起，Amazon Bedrock 等生成式 AI 应用服务的推出，标志着亚马逊云科技将大模型引入云计算基础设施的努力正式开始。

亚马逊云科技希望从多个方面帮助开发者，共同构建生成式 AI 的普惠化：

• 首先，帮助所有规模的企业选择合适场景、应用业内领先生成式 AI 模型。
• 其次，通过专门构建的生成式 AI 工具和计算基础设施，帮助快速搭建生成式 AI 应用。
• 亚马逊云科技构建了强大的数据托管平台，让企业可以便捷、安全地使用私有化数据，实现差异化竞争优势。
• 在完全基于云原生的业务基础上，亚马逊云科技构建了生成式 AI 的云原生架构。
• 除了搭建生成式 AI 应用本身，用户同样可以使用多种开箱即用的技术来提升效率。

针对生成式 AI 基础模型迭代速度快，优势各不相同的情况，亚马逊云科技推出了 Amazon Bedrock 和 Amazon SageMaker JumpStart 两项服务，让客户可以便捷地选择适合自身业务的模型。

陈晓建表示，Amazon Bedrock 是企业使用基础模型构建和扩展生成式 AI 应用程序最简便的方法。它提供了广泛的模型选择、数据隐私机制，能够自定义模型，同时也是无服务器化的应用，无需管理底层的基础设施。

在 9 月底，亚马逊云科技刚刚宣布 Amazon Bedrock 正式可用。目前很多来自于业界的头部大模型，都可以在 Amazon Bedrock 上找到，如 Jurassic、Claude 2、Command、Llama 2、Stable Diffusion 和 Amazon Titan。

在活动中，亚马逊云科技着重强调了生成式 AI 开发平台的安全性。Amazon Bedrock 在开发之初就考虑到了安全性和隐私保护，能够帮助客户保护敏感数据。首先，用户的任何数据都不会被用于训练任何原始大模型。其次，用户可以配置自己的私有环境，如虚拟网来执行自身的环境进行训练。Amazon Bedrock 同时符合 HIPAA（健康保险流通与责任法案）和 GDPR（欧盟《通用数据保护条例》）等合规标准。

除了 Amazon Bedrock，亚马逊云科技还提供了 Amazon SageMaker JumpStart，用户可以在其之上获得更多来自工业界和学术界的开源模型，Amazon SageMaker JumpStart 同时提供了深度的定制环境和评估等功能。

虽然基础模型通常已具备强大的自然语言能力，但在执行一些特定任务时，开发人员往往需要进行大量细致的调优工作。对此，Amazon Bedrock 提供了无需编写代码就可以实现的托管代理（Amazon Bedrock Agent）工具，让自动化的 Agent 帮助人们执行复杂的任务。在其之上，开发者只需点击几次鼠标就可以让 AI 自动分解和编排任务，通过 API 链接到相关的数据源，同时可以连接到后端的 Amazon Lambda 来执行任务。

在生成式 AI 应用构建的过程中，除了大模型本身，人们同样需要高性能、低成本的基础设施。亚马逊云科技提供 Amazon EC2 P4d 实例基于 A100 的 GPU，最新的 Amazon EC2 P5 实例基于 NVIDIA 的 H100 的 GPU，为训练和部署提供了很高的性能表现。和上一代实例相比，新的基础设施把训练时间缩短了 6 倍，成本降到了原来的 40%。

在推理方面，最新的 Amazon EC2 G5 实例基于 NVIDIA A10G 芯片，也实现了性价比的三倍提升。

亚马逊云科技也拥有多达十年的自研芯片经验。最近发布的 Amazon EC2 Inf2 实例基于最新的自研机器学习芯片 Amazon Inferentia2，其推理性价比同类 Amazon EC2 实例相比高出了 40%。面向 AI 训练的 Amazon Trn1 的实例则可以让训练成本节省 50%。

亚马逊云科技表示，越来越多的客户正在选择基于其自研芯片的服务承载生成式 AI 应用，如 Airbnb、OPPO、Sprinklr 和 Autodesk，这个范围还在不断扩大。

大模型应用需要强大的数据底座，使用亚马逊云科技的服务时，人们可以使用 Amazon RDS 或者 Amazon Aurora 来存储数据，Amazon RDS 是一个包含了多个关系型数据库的托管服务，既包含像开源的 MySQL，同时也包括商用数据库像 SQLServer 和 Oracle。Amazon Aurora 是亚马逊自研的云原生数据库，能够提供很好的性能、扩展性和安全性。

在云原生环境中，Amazon DynamoDB 可以让用户不用关心任何底层的容量和拓展，并获得毫秒级的响应时间。

亚马逊云科技在数据库产品中集成了向量数据库功能，此外，很多服务都是无服务器化的，人们无需担心数据库底层的维护、版本控制或许可授权的问题。

除了功能完备的基础设施和大模型工具，在活动中亚马逊云科技还谈到了开箱即用的生成式 AI 开发工具。

今年 6 月，Amazon CodeWhisperer 正式上线，作为 AI 编程辅助工具，它可以实时提供编程的代码建议，从根本上提升开发人员的生产力。根据亚马逊云科技的数据，使用 Amazon CodeWhisperer 的开发者可以提升 57% 整体效率，成功率提升 27%。

在 9 月底，亚马逊云科技提出了 Amazon CodeWhisperer 定制化能力。它可以基于企业内部的 API、数据库、最佳实践和架构模式，生成包括内部代码库的实时推荐。

亚马逊云科技表示，目前 Amazon CodeWhisperer 已帮助上千家中小企业实现了生成式 AI 的创新，已经有超过 10 万中国开发者使用了 Amazon CodeWhisperer。

在活动中，西门子集团、金山办公软件以及科思创中国作为亚马逊云科技中国区生成式 AI 创新的代表客户，也分享了各自的创新案例。

生成式 AI 的应用目前还处于初期阶段，除了提供技术能力，亚马逊云科技希望继续扩大与国内外公司的合作范围，构建生态体系。

「构建生成式 AI 应用是充满挑战的系统工程，除亚马逊本身的资源以外，我们同样需要构建强大的合作伙伴生态，共同解决生成式 AI 应用构建中的各种技术问题，加速应用落地，」陈晓建说道。