生成式AI云上創(chuàng)新，“全棧聯(lián)動”將成關鍵詞？

科技云報到原創(chuàng)。

生成式AI，正在讓行業(yè)重新認識云的價值。

隨著企業(yè)在數(shù)字化轉型之路上越走越遠，一場新的技術革命正在發(fā)生。近幾年涌現(xiàn)的生成式AI技術正在迅速改變科技、商業(yè)和整個社會的格局。這種強大的技術能夠從數(shù)據(jù)中學習并生成預測性輸出，生成式AI既是未來的趨勢，也是一場實時顛覆各行各業(yè)的革命。

云計算和生成式AI的融合協(xié)同無疑充滿潛力，通過兩者的深度融合，企業(yè)可以獲得更強大的計算能力、更高效的數(shù)據(jù)處理方式，以及更多樣化的應用場景。然而，如何平衡技術創(chuàng)新與可持續(xù)發(fā)展，以及如何解決數(shù)據(jù)安全、能源消耗等問題，將成為未來行業(yè)需要共同面對的挑戰(zhàn)。

云計算，生成式AI的冰山底部

如果用冰山來比喻，露在海面上方的冰山一角就是基礎模型。而在冰山的底部，需要大量的基礎模型以外的服務來支撐，如加速芯片、數(shù)據(jù)庫、數(shù)據(jù)分析、數(shù)據(jù)安全服務等等。云計算與生成式AI的發(fā)展處于彼此影響、互為促進的狀態(tài)，沒有云計算的生成式AI就像是無源之水、無本之木，而沒有生成式AI的云計算，其潛力也無法最大限度發(fā)揮出來。

透過近兩年云計算廠商在生成式AI領域的布局可以看出，從亞馬遜云科技，到百度智能云、阿里云，在自家模型能力的基礎上，各家都在強調生成式AI的基礎設施和開放平臺能力。

在冰山的底部，以亞馬遜云科技為代表的全棧云廠商提供了完整的端到端的生成式AI技術堆棧，從底層的加速層如加速芯片、存儲優(yōu)化，到中間層模型構建工具和服務，再到最上層的生成式AI相關應用，每一層都在針對客戶的不同需求持續(xù)創(chuàng)新。

云計算本身是企業(yè)去運用生成式AI最好的方式。生成式AI模型尤其是大規(guī)模語言模型，如GPT、BERT，需要在訓練階段處理數(shù)十億甚至數(shù)百億個參數(shù)，這對計算資源提出了巨大的需求。典型的大語言模型訓練過程需要大量的GPU和TPU（張量處理單元）集群進行并行計算，而這些算力通常依賴于云計算平臺提供的彈性資源。云計算的按需擴展和靈活性使得企業(yè)能夠在短時間內(nèi)部署和訓練生成式AI模型。

如： Anthropic與亞馬遜云科技合作，訓練和部署Claude系列模型，并提供推理支持，企業(yè)用戶可以通過API訪問Claude模型，利用其生成內(nèi)容、回答問題和自動化任務。這種按需調用的模式展現(xiàn)了云計算的靈活性，以及生成式AI對計算資源的極大需求。反過來，云計算的創(chuàng)新也在不斷優(yōu)化模型的性能、速度和成本表現(xiàn)。

生成式AI模型不僅對計算能力提出了挑戰(zhàn)，還需要處理大量的數(shù)據(jù)。云計算提供的分布式存儲和高速數(shù)據(jù)傳輸能力，能夠處理模型訓練所需的海量數(shù)據(jù)，并在推理階段高效地生成高質量的內(nèi)容。數(shù)據(jù)存儲、處理和訪問的能力成為生成式AI模型在實際應用中的核心基礎。

云平臺中的數(shù)據(jù)湖和數(shù)據(jù)倉庫技術進一步支持了AI模型對多樣化數(shù)據(jù)的高效處理，提升了生成內(nèi)容的準確性與多樣性。

生成式AI技術的發(fā)展使得云平臺進一步完善了AI即服務（AIaaS）的生態(tài)系統(tǒng)。各大云服務提供商，如亞馬遜云科技、谷歌云、微軟Azure等都推出了基于生成式AI的預訓練模型及其API，以及快速使用模型的平臺型服務，幫助開發(fā)者和企業(yè)快速集成生成式AI的功能。通過這些云端AI服務，企業(yè)無需具備深厚的AI技術背景，也可以輕松利用生成式AI進行產(chǎn)品創(chuàng)新。

例如，Google Cloud推出的AI Platform，包含了對文本生成、圖像生成以及自動編程的支持，使得開發(fā)者能夠快速創(chuàng)建AI驅動的應用程序。

生成式AI模型的高度復雜性和多樣化應用場景，使得云計算服務需要更加靈活和定制化。不同企業(yè)在使用生成式AI時，對計算資源、存儲和網(wǎng)絡的要求各不相同。例如，在內(nèi)容生成領域，媒體企業(yè)需要快速生成高質量的文本和圖像，這要求云平臺提供高性能計算集群和低延遲的推理服務。

為了應對這些多樣化需求，云服務提供商正在開發(fā)針對行業(yè)的定制化解決方案。例如，亞馬遜云科技通過Amazon SageMaker平臺為生成式AI提供了定制的訓練和部署方案，使用戶能夠靈活調整資源配置，并根據(jù)模型大小、復雜度和應用場景進行優(yōu)化。

生成式AI的廣泛應用，促進了云計算中的高性能計算（HPC）技術的快速發(fā)展。為了滿足生成式AI對算力的極高需求，云服務提供商正在整合HPC集群、分布式計算技術以及圖形處理單元（GPU）等高性能硬件資源。云計算平臺越來越多地提供針對AI的專用硬件加速器，如亞馬遜云科技新推出的Trainium2、Google的TPU、NVIDIA的A100GPU，這些硬件極大提高了生成式AI模型的訓練速度和推理效率。

生成式AI的普及也推動了無服務器計算架構的演進。在傳統(tǒng)云計算模式中，用戶需要管理底層基礎設施，而無服務器架構讓用戶無需關心服務器配置或負載平衡等技術細節(jié)。這一架構與生成式AI的按需計算需求高度契合，用戶可以通過無服務器平臺在需要時調用AI生成內(nèi)容，降低了計算資源的閑置成本。

Amazon Lambda和Google Cloud Functions就是典型的無服務器計算平臺。值得一提的是，亞馬遜云科技在生成式AI領域的關鍵服務Amazon Bedrock也是一項無服務器服務。這些服務使企業(yè)能夠靈活調用生成式AI模型，快速響應用戶需求，尤其適用于生成內(nèi)容量波動較大的應用場景。

生成式AI的全棧聯(lián)動

當前的云計算廠商，正在面臨激烈的競爭，從今年的花式降價信息也能看出白熱化程度。一直以來，云廠商的差異化競爭愈演愈烈，以往大家主要拼基礎設施，或者進行單點突破。

但是目前來看，“一招鮮吃遍天”的時代已經(jīng)過去了。對于大廠而言，如果只做云、或者只做大模型、只做芯片都會存在短板。事實上，全球巨頭們都已經(jīng)在這些領域有所布局，云和大模型不必多言，芯片的競賽也更加兇猛。比如谷歌TPU的研發(fā)已久，已經(jīng)推出第五代芯片TPUv5e，用于大模型訓練和推理；微軟也發(fā)布了首款自研AI芯片Azure Maia 100 AI芯片和Cobalt 100 CPU；而涉足自研芯片最早的亞馬遜云科技，新近推出了Trainium2和64核的超級集群，并透露出了下一代3nm制程的Trainium3。

業(yè)界的共識是，至少要涉足，才能有更多可能性，或者說企業(yè)需要要懂這個領域，才能更好地開展系統(tǒng)性的AI業(yè)務。拓展大模型也好、芯片也好，并非要做成主營業(yè)務，但是為長遠計不能沒有這些產(chǎn)品線，尤其是對大廠來說，需要標配這些要素。

從云基礎設施擴展到芯片和大模型的過程中，新的戰(zhàn)場已經(jīng)開啟，在生成式AI的征程上，云廠商也有各自路徑。云廠商三巨頭在生成式AI發(fā)展策略上從AI硬件基礎設施投資、AI軟件基礎設施服務規(guī)劃、AI基礎模型開發(fā)、ModelOps服務編排、應用開發(fā)賦能、解決方案側重、模型生態(tài)構建、關聯(lián)開發(fā)與應用服務協(xié)同、商業(yè)投資方式等諸多領域都各有差異。

亞馬遜云科技的核心理念是將應用程序分解為幾個核心構建單元，通過構建優(yōu)秀的服務，讓用戶自由搭建這些單元，滿足特定場景下的業(yè)務需求。這種模塊化的思路不僅體現(xiàn)了亞馬遜云科技對客戶需求的深刻理解，也是其持續(xù)創(chuàng)新的動力源泉。

在計算服務領域，亞馬遜云科技提供的計算實例類型比其他任何云服務提供商都要多。Amazon EC2為用戶提供了更多選擇、更多實例類型和更多功能，讓客戶能為應用和工作負載找到更具性價比的解決方案。Amazon Nitro System的推出，更是將虛擬化系統(tǒng)的性能推向了新的高度，提供了裸機性能、高安全性、隔離性和靈活性，推動了計算領域的創(chuàng)新。

在存儲領域中，Amazon S3作為亞馬遜云科技在2006年推出的首個服務，徹底改變了人們管理數(shù)據(jù)的方式。如今，Amazon S3存儲的對象數(shù)量已突破400萬億，這一數(shù)字的背后是亞馬遜云科技對數(shù)據(jù)爆炸式增長的深刻洞察和前瞻性設計。Amazon S3 Tables和Amazon S3 Metadata的推出，進一步提升了數(shù)據(jù)湖的查詢速度和元數(shù)據(jù)管理能力，為數(shù)據(jù)分析和AI應用場景提供了更強大的支持。

在數(shù)據(jù)庫服務領域，亞馬遜云科技提供了多種適用于不同場景下專門構建的數(shù)據(jù)庫。Amazon Aurora作為完全兼容MySQL和PostgreSQL的數(shù)據(jù)庫服務，迎來了其發(fā)布10周年的紀念。Amazon Aurora DSQL的推出，結合Amazon Time Sync服務，采用完全無服務器設計，可在多區(qū)域實現(xiàn)近乎無限擴展，可用性高達99.999%，支持強一致性，具備低延遲的讀寫性能，完全兼容PostgreSQL。

另外，數(shù)據(jù)分析服務是亞馬遜云科技的另一個重要構建單元。新一代Amazon SageMaker的推出，整合了最全面的數(shù)據(jù)分析和AI工具，覆蓋了分析、數(shù)據(jù)處理、搜索、數(shù)據(jù)準備、AI模型訓練和推理等必需的功能，所有功能都可以通過統(tǒng)一的企業(yè)數(shù)據(jù)視圖實現(xiàn)。

亞馬遜云科技大中華區(qū)產(chǎn)品部總經(jīng)理陳曉建表示：“亞馬遜云科技不僅在云的核心服務層面持續(xù)創(chuàng)新，更在從芯片到模型，再到應用的每一個技術堆棧取得突破，讓不同層級的創(chuàng)新相互賦能、協(xié)同進化。我相信，只有這樣全棧聯(lián)動的大規(guī)模創(chuàng)新才能真正滿足當今客戶的發(fā)展需求，加速前沿技術的價值釋放，助力各行各業(yè)重塑未來。”

生成式AI作為當前技術發(fā)展的熱點，其背后正是亞馬遜云科技的全棧聯(lián)動創(chuàng)新，包括上面提到的計算、存儲、數(shù)據(jù)庫、分析，更有生成式AI領域三層技術棧的爆發(fā)式聯(lián)動創(chuàng)新。

Amazon Nova系列模型的推出，標志著亞馬遜云科技在生成式AI領域的深入布局。Nova Micro、Nova Lite、Nova Pro以及即將推出的Nova Premier，這些模型覆蓋了從文本到文本到多模態(tài)的全方位需求，為用戶提供了豐富的選擇，無論在什么樣的應用場景，都能找到一個最適合的模型。

亞馬遜云科技還對Amazon SageMaker、Amazon Bedrock及Amazon Q等核心服務進行了強化，并提供更多樣化的模型選項，深化應用場景的融合，降低訓練與推理成本，致力于讓企業(yè)更便捷、更經(jīng)濟地將生成式AI技術融入業(yè)務實踐，全面推動企業(yè)加快生成式AI的創(chuàng)新步伐。

而Amazon Bedrock作為構建和擴展生成式AI應用的關鍵平臺，為客戶提供了將推理功能整合到生產(chǎn)環(huán)境所需的工具。Amazon Bedrock推出的延遲優(yōu)化選項、模型蒸餾功能、知識庫支持GraphRAG、自動推理檢查功能和多智能體協(xié)作功能，都是亞馬遜云科技在生成式AI領域的重要創(chuàng)新。

亞馬遜云科技一個最大的差異化是具有廣泛的模型選擇。可以把更多的LLM放到Amazon Bedrock上，為客戶提供豐富的自由選擇的空間，包括目前Anthropic發(fā)布的最新Claude 3.5模型。

一方面，亞馬遜云科技擁有自研芯片的技術，Anthropic選擇亞馬遜云科技作為其主要云服務提供商，并使用Amazon Trainium和Amazon Inferentia芯片進行訓練和部署未來的基礎模型。所以可以直接從Anthropic獲得很多一手的反饋，用于芯片技術的完善。另一方面，亞馬遜云科技在大模型上既有外部的合作伙伴，還有Amazon Nova系列基礎模型，應用范圍廣泛。

隨著亞馬遜云科技在re:Invent 2024全球大會上一系列新品的重磅發(fā)布，其作為全球云計算開創(chuàng)者和引領者的地位再次得到鞏固，同時也彰顯亞馬遜云科技作為企業(yè)構建和應用生成式AI首選平臺的強大實力。

從云的核心服務到芯片、模型再到應用，亞馬遜云科技在每一個技術堆棧上都取得顯著突破，實現(xiàn)全棧聯(lián)動的大規(guī)模創(chuàng)新。這種創(chuàng)新模式將滿足當今客戶的發(fā)展需求，推動前沿技術的價值釋放，助力更多企業(yè)實現(xiàn)數(shù)字化轉型與業(yè)務增長。

【關于科技云報到】企業(yè)級IT領域Top10新媒體。聚焦云計算、人工智能、大模型、網(wǎng)絡安全、大數(shù)據(jù)、區(qū)塊鏈等企業(yè)級科技領域。原創(chuàng)文章和視頻獲工信部權威認可，是世界人工智能大會、數(shù)博會、國家網(wǎng)安周、可信云大會與全球云計算等大型活動的官方指定傳播媒體之一。

生成海報

免責聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關。文章僅供讀者參考，并請自行核實相關內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。