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 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 解读亚马逊云科技在生成式AI上的布局。
企业需求之所在，即生成式AI机会所在
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。
那么，企业对生成式AI的期待在哪里？
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。
但是，能不能找到满足上述期待的合作伙伴，就考验企业的智慧了。
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%。
这说明，公有云厂商是行业公认的可靠生成式AI伙伴。
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。
三层架构，驶向生成式AI的“汪洋大海”
打铁还需自身硬，生成式AI这笔生意确实“诱人”，但困难也很大。
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。
其中，Amazon Graviton4与Amazon Graviton3处理器相比，性能提升高达30%，独立核心增加50%以上，内存带宽提升75%以上，为在Amazon Elastic Compute Cloud (Amazon EC2)上运行的工作负载提供最佳性能和能效。
要知道，Amazon Graviton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Amazon Trainium2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。
这一点，Amazon Trainium2芯片有能力胜任。与第一代Amazon Trainium芯片相比，其性能提升多达4倍，内存提升3倍，能源效率（每瓦性能）提升多达2倍。Amazon EC2 Trn2实例采用最新的Amazon Trainium2，一个单独实例包含16个Amazon Trainium加速芯片。
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”。
完整的数据战略，幕后“总舵手”
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。
二是集成， 新发布的Zero-ETL 集成了Amazon Aurora PostgreSQL、Amazon DynamoDB、Amazon Relational Database Service（Amazon RDS）for MySQL与Amazon Redshift的能力，使客户能够快速、轻松地连接和分析数据，而不用构建建和管理复杂的提取、转换和加载 (ETL) 数据管道。
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。
亚马逊云科技一小步，生成式AI一大步
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。
温馨提示
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。
微信搜索大数网，看亚马逊云科技 re:Invent 2023 的所有热门发布阅读原文链接。
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与 无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
