機器之心原創(chuàng)

(資料圖片僅供參考)

作者：蛋醬

十年來，人工智能一直是科技領(lǐng)域的熱門主題。我們看到了高準確率的人臉識別系統(tǒng)、戰(zhàn)勝人類頂級棋手的圍棋 AI、預(yù)測蛋白質(zhì)結(jié)構(gòu)的 AI…… 這些技術(shù)進步都曾引起大眾的震撼，也曾在各自的領(lǐng)域內(nèi)被賦予「顛覆格局」的期待，但在通用能力上還不夠理想。

直到這兩年，預(yù)訓(xùn)練大模型技術(shù)使得 AI 的通用能力往前邁了一大步。幾十億、上百億參數(shù)的模型不僅能夠迅速處理海量信息，還能理解人類自然語言的輸入、進行復(fù)雜的邏輯推理，并掌握了優(yōu)秀的內(nèi)容生成能力。AI 正在從特定任務(wù)的解決方案轉(zhuǎn)向具有更廣泛應(yīng)用性的解決方案，或者說，有望大規(guī)模地創(chuàng)造價值。

比如，Stable Diffusion 背后的公司 Stability AI 推出了一項新的生成工具「Stable Doodle」。在這一工具的輔助下，從寥寥幾筆的草圖到生成品質(zhì)不輸專業(yè)畫師的原創(chuàng)插畫，不過幾秒鐘的時間：

一場關(guān)于生產(chǎn)力的革命已在醞釀之中。全球管理咨詢公司麥肯錫在最近的報告《生成式人工智能的經(jīng)濟潛力：下一波生產(chǎn)力浪潮》中指出，生成式 AI 每年可能為全球經(jīng)濟增加 萬億到 萬億美元的價值。

在幾天前的亞馬遜云科技紐約峰會中，「生成式 AI」同樣是全場提及頻率最高的關(guān)鍵詞。

「如今，大模型可以在大量無標注數(shù)據(jù)中進行預(yù)訓(xùn)練，實現(xiàn)開箱即用，以處理各種通用性問題。此外，只需相對少量的標注數(shù)據(jù)進行微調(diào)，它們就能用于特定領(lǐng)域的應(yīng)用?！箒嗰R遜云科技數(shù)據(jù)庫、數(shù)據(jù)分析和機器學(xué)習(xí)全球副總裁 Swami Sivasubramanian 表示，「通過微調(diào)輕松定制預(yù)訓(xùn)練模型的能力，絕對是游戲規(guī)則的改變?！?

亞馬遜云科技數(shù)據(jù)庫、數(shù)據(jù)分析和機器學(xué)習(xí)全球副總裁 Swami Sivasubramanian 在亞馬遜云科技紐約峰會上發(fā)表演講

那么，對于廣闊的各行各業(yè)，這種 AI 帶來的生產(chǎn)力變革究竟是如何一步步發(fā)生的？

憑借過去數(shù)年的客戶需求洞察和技術(shù)積累，亞馬遜云科技將大量的 AI 能力集成到了簡單易用的產(chǎn)品之中，希望以最簡潔的方式將技術(shù)進步輸送到各行各業(yè)。 在這場技術(shù)盛會上，亞馬遜云科技一口氣推出了七項生成式 AI 新功能。

最強的生成式 AI 大模型，在這里輕松調(diào)用

半年來，大模型之戰(zhàn)如火如荼。當 OpenAI 和谷歌你追我趕，迅速崛起的「開源」力量也不容小覷?？梢灶A(yù)見的是，在未來的大模型競爭格局中，「沒有一個模型可以統(tǒng)治一切」。

在 ChatGPT 發(fā)布兩個月后，Anthropic 公司就迅速開發(fā)出了「最強競品」 Claude，又在 7 月初完成了 Claude 2 的升級。被稱為是「AI 社區(qū)內(nèi)最強大的開源大模型」的 LLaMa，在不久前也升級為 LLaMa 2，不斷抬高開源大模型的能力上限。

正像一些業(yè)內(nèi)人士所說，任何一家閉源的大模型提供商都沒有護城河。不管是 LLaMa 還是 Claude，開源大模型都顯示出了迭代速度更快、可定制性更強、更具私密性的優(yōu)勢。

而這些開源大模型的力量，正在越來越多地匯聚于亞馬遜云科技的服務(wù)之中。

今年 4 月，亞馬遜云科技發(fā)布了全托管基礎(chǔ)模型服務(wù)「Amazon Bedrock」，以「關(guān)鍵基礎(chǔ)設(shè)施提供商」的角色加入了大模型之戰(zhàn)。

從希望應(yīng)用大模型的企業(yè)角度來說，自研大模型需要數(shù)十億美元和多年的訓(xùn)練，更優(yōu)的解決方案是對一些已經(jīng)非常強大的開源基礎(chǔ)模型進行定制化的微調(diào)，以滿足自身的多樣化業(yè)務(wù)需求。

Amazon Bedrock 的重要價值就在于此。這項服務(wù)可以讓所有人都可以基于已有的大模型、專用的 AI 算力和工具，再結(jié)合自己的數(shù)據(jù)開始構(gòu)建生成式 AI 應(yīng)用。

在最新擴展后的 Amazon Bedrock 中，匯聚了來自一批頂級大模型供應(yīng)商的最新成果：

目前，Amazon Bedrock 提供了 Anthropic 最新語言模型 Claude 2、AI21 的 JURASSIC-2、亞馬遜自研的 Amazon Titan 系列模型的訪問。Stability AI 也在 Amazon Bedrock 中 首發(fā)了最新版的文生圖模型套件 Stable Diffusion XL 。此外， Cohere 成為了最新加入 Amazon Bedrock 的基礎(chǔ)模型供應(yīng)商 ，并帶來了文本生成模型 Command 和文本理解模型 EMBED。

相比于其他的一站式的大模型服務(wù)平臺，Amazon Bedrock 的優(yōu)勢在于，用戶可將其與亞馬遜云科技平臺的其余部分集成在一起，更輕松地訪問存儲在 Amazon S3 對象存儲服務(wù)中的數(shù)據(jù)，并能夠從 亞馬遜云科技訪問控制和治理策略中受益。

生成式 AI 讓云計算服務(wù)的競爭格局發(fā)生了改變，除了原有的存儲、計算、網(wǎng)絡(luò)等基礎(chǔ)設(shè)施，模型、框架和應(yīng)用層面的能力提供變得更為重要。在過去一段時間，我們見到了「模型即服務(wù)」這種全新商業(yè)的誕生。如同 Amazon Bedrock 這樣的一系列平臺，正在將大模型變?yōu)橹苯涌捎玫姆?wù)，幫助各行各業(yè)的用戶接入生成式 AI，撬動了一個全新的藍海市場。

推動生成式 AI 走完落地的「最后一公里」

在今天，即使生成式 AI 模型的功能已經(jīng)如此強大，它們?nèi)匀粺o法代替人類「執(zhí)行」一部分關(guān)鍵的、個性化的任務(wù)。

比如一位顧客想咨詢換貨，電商平臺的 AI 客服當然可以迅速地告知顧客想要的款式、尺碼、顏色是否還有庫存，但無法完成接下來的訂單更新或交易管理的操作。

這恰恰是「生成式 AI」轉(zhuǎn)化為「生產(chǎn)力」過程中非常關(guān)鍵的一步。

問題并非不能解決：模型通常可以附加 API、插件、數(shù)據(jù)庫以擴展功能，為用戶自動完成某些特定的任務(wù)。比如 ChatGPT 此前就推出了插件機制，還為開發(fā)者提供了開放平臺，允許更多用戶根據(jù)自己的需求、想法和專業(yè)能力進行擴展。

為了簡化這一環(huán)節(jié)所需的工作，亞馬遜云科技 正式推出了 Amazon Bedrock Agents。

Amazon Bedrock Agents 可以擴展基礎(chǔ)模型以理解用戶請求，將復(fù)雜任務(wù)分解為多個步驟，開展對話以收集更多信息，并采取行動來滿足用戶請求。開發(fā)者只需點擊幾下，就能創(chuàng)建完全托管的 Agents：

該功能創(chuàng)建的對話式智能體可根據(jù)專有數(shù)據(jù)提供個性化的最新答案并執(zhí)行操作，幫助企業(yè)加速交付生成式 AI 應(yīng)用程序，推動解決生成式 AI 落地的「最后一公里」問題。比如，企業(yè)可以使用 Amazon Bedrock Agents 創(chuàng)建一個可以處理訂單的客戶服務(wù)聊天機器人，利用其內(nèi)部信息（包括客戶資料和退貨政策）來定制化服務(wù)于每個訂單。

如果做個比喻的話，Amazon Bedrock Agents 就像是一個得力的助手?；蛟S在不久的將來，我們就能享受這一功能所提供的用戶端服務(wù)：不只是顯示有哪些合適的航班、推薦口碑好的餐廳，還能直接幫忙預(yù)訂、跟進。

生成式 AI 時代的搜索技術(shù)變革

在解決大模型落地挑戰(zhàn)的火熱討論中，「向量搜索」和「向量數(shù)據(jù)庫」的概念開始被越來越多的人熟知。這是檢索技術(shù)層面在生成式 AI 時代正在發(fā)生的變革。

首先，伴隨數(shù)據(jù)規(guī)模的增長，關(guān)鍵詞檢索已經(jīng)不能滿足需求，向量檢索可作對傳統(tǒng)搜索技術(shù)的補充。通過將數(shù)據(jù)表示為向量，模型可以快速分析和理解大量信息，準確地識別和匹配相似的項目。

其次，經(jīng)過預(yù)訓(xùn)練的大模型固然能力出眾，但也存在一些不足，比如缺乏領(lǐng)域知識、缺乏長期記憶、缺乏事實一致性的問題。而在數(shù)據(jù)規(guī)模不斷增長、算力日益珍貴的現(xiàn)狀下，向量數(shù)據(jù)庫可作為大模型的「超級大腦」，打一份小抄，相對較低的成本補充動態(tài)知識，滿足用戶不斷增長的需求。

與向量數(shù)據(jù)庫的結(jié)合，讓大模型的綜合實力增色不少。此外，向量數(shù)據(jù)庫為任何希望接入大模型的企業(yè)用戶提供了一種規(guī)避核心數(shù)據(jù)泄露問題的方法。

可以說，向量數(shù)據(jù)庫會成為未來大模型研發(fā)、落地必不可少的基礎(chǔ)設(shè)施之一。

對于這一方向，亞馬遜云科技早早發(fā)力，此前已上線多項支持向量的數(shù)據(jù)存儲服務(wù)，包括 Amazon Aurora PostgreSQL 兼容版關(guān)系型數(shù)據(jù)庫，兼容 PostgreSQL 的 Amazon RDS（Amazon Relational Database Service）關(guān)系型數(shù)據(jù)庫等。

在這一次的峰會上，亞馬遜云科技又推出了 適用于 Amazon OpenSearch Serverless 的向量引擎 。該向量引擎支持簡單的 API 調(diào)用，可用于存儲和查詢數(shù)十億個 Embeddings。

該引擎由 Amazon OpenSearch 項目中的 k 最近鄰 (kNN) 搜索功能提供支持，為客戶提供無服務(wù)器環(huán)境下的語義搜索服務(wù)。即使向量從原型設(shè)計期間的幾千個增長到數(shù)億甚至更多，引擎也能無縫擴展，無需重新索引或重新加載數(shù)據(jù)來擴展基礎(chǔ)設(shè)施。

順應(yīng)大模型時代的廣泛需求，亞馬遜云科技還正式宣布，平臺上所有的數(shù)據(jù)庫未來都將具有向量功能，幫助客戶簡化運營，方便集成數(shù)據(jù)。

讓生成式 AI 落地多重加速

在這些重磅發(fā)布之外，為了加速生成式 AI 的訓(xùn)練和應(yīng)用，亞馬遜云科技已推出了一系列服務(wù)和工具。

最新動態(tài)是，兩項關(guān)鍵服務(wù)已正式可用：

其中一項服務(wù)是關(guān)于計算基礎(chǔ)設(shè)施， 基于英偉達 H100 Tensor Core GPU 的 Amazon EC2 P5 實例已正式可用 ，滿足客戶在運行工作負載時對高性能和高擴展性的需求。

很多業(yè)界知名的生成式 AI 模型同時涵蓋問題回復(fù)、代碼生成、視頻和圖像生成、語音識別等功能，規(guī)模通常有千億或萬億參數(shù)，訓(xùn)練時間甚至長達數(shù)月。這勢必會成為普遍影響生成式 AI 落地速度的因素之一。

與上一代基于 GPU 的實例相比，Amazon EC2 P5 實例使得訓(xùn)練最高提速 6 倍，曾經(jīng)的幾天訓(xùn)練時間可縮短到幾小時，幫助客戶降低高達 40% 的訓(xùn)練成本。

另外一項服務(wù)是有關(guān)于開發(fā)工具。去年，亞馬遜云科技推出了 AI 編程助手 Amazon CodeWhisperer 預(yù)覽版，獲得了開發(fā)者的高度關(guān)注。數(shù)據(jù)表明，與未使用該編程助手的開發(fā)者相比，使用者完成任務(wù)的速度平均快 57%。

現(xiàn)在， Amazon CodeWhisperer 已經(jīng)正式可用，并且實現(xiàn)了與 Amazon Glue 的集成。

從此以后，開發(fā)者可以用自然語言編寫特定任務(wù)，Amazon CodeWhisperer 會直接在 Amazon Glue Notebooks 中推薦一個或多個可完成此任務(wù)的代碼片段，用戶可以選擇「接受最推薦的建議」、「查看更多建議」或「繼續(xù)自己編寫代碼」。

也就是說，即使完全不會寫代碼，你也可以嘗試用「說人話」的方法構(gòu)建出完整的應(yīng)用程序。

寫在最后

技術(shù)的發(fā)展往往超乎人們的預(yù)設(shè)。曾幾何時，研究者們還需要花費數(shù)月的時間進行數(shù)據(jù)準備、數(shù)據(jù)處理和模型訓(xùn)練，不得不投入極其高昂的成本，只為了完成某一項特定的任務(wù)。

今天，生成式 AI 已經(jīng)能夠給出與人類創(chuàng)作無法區(qū)分的內(nèi)容，處理此前 AI 并不擅長的知識性工作和創(chuàng)造性工作。行業(yè)的壁壘在某種程度上被打破、重構(gòu)，一場由生成式 AI 引發(fā)的生產(chǎn)力革命正在發(fā)生。

通用人工智能（AGI）是否真能實現(xiàn)？想必現(xiàn)在，已經(jīng)不會有人再站出來表示質(zhì)疑。

在這場浪潮中，亞馬遜云科技選擇的路線是做好「關(guān)鍵基礎(chǔ)設(shè)施提供商」的工作。它的優(yōu)勢在于過去 20 年在人工智能技術(shù)上的深厚積累，在于對于超過 10 萬家客戶的深刻理解，在于打磨多年的高可用、強大的基礎(chǔ)設(shè)施。這些都會有力地推動亞馬遜云科技加快生成式 AI 落地的征程，幫助到每一位開發(fā)者或創(chuàng)業(yè)團隊。

我們能看到的是，在一系列面向生成式 AI 的基礎(chǔ)設(shè)施和開發(fā)工具源源不斷投入應(yīng)用之后，大模型落地的門檻被打了下來，開始走向各行各業(yè)的深處。

這場生產(chǎn)力革命，顯然已經(jīng)在加速了。

關(guān)鍵詞：