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(zhuān)業(yè)畫(huà)師的原創(chuàng )插畫(huà)，不過(guò)幾秒鐘的時(shí)間：
一場(chǎng)關(guān)于生產(chǎn)力的革命已在醞釀之中。全球管理咨詢(xún)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 2.6 萬(wàn)億到 4.4 萬(wàn)億美元的價(jià)值。
在幾天前的亞馬遜云科技紐約峰會(huì )中，「生成式 AI」同樣是全場(chǎng)提及頻率最高的關(guān)鍵詞。「如今，大模型可以在大量無(wú)標注數據中進(jìn)行預訓練，實(shí)現開(kāi)箱即用，以處理各種通用性問(wèn)題。此外，只需相對少量的標注數據進(jìn)行微調，它們就能用于特定領(lǐng)域的應用。」亞馬遜云科技數據庫、數據分析和機器學(xué)習全球副總裁 Swami Sivasubramanian 表示，「通過(guò)微調輕松定制預訓練模型的能力，絕對是游戲規則的改變。」
那么，對于廣闊的各行各業(yè)，這種 AI 帶來(lái)的生產(chǎn)力變革究竟是如何一步步發(fā)生的？憑借過(guò)去數年的客戶(hù)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(jiǎn)單易用的產(chǎn)品之中，希望以最簡(jiǎn)潔的方式將技術(shù)進(jìn)步輸送到各行各業(yè)。在這場(chǎng)技術(shù)盛會(huì )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，在這里輕松調用
半年來(lái)，大模型之戰如火如荼。當 OpenAI 和谷歌你追我趕，迅速崛起的「開(kāi)源」力量也不容小覷。可以預見(jiàn)的是，在未來(lái)的大模型競爭格局中，「沒(méi)有一個(gè)模型可以統治一切」。在 ChatGPT 發(fā)布兩個(gè)月后，Anthropic 公司就迅速開(kāi)發(fā)出了「最強競品」 Claude，又在 7 月初完成了 Claude 2 的升級。被稱(chēng)為是「AI 社區內最強大的開(kāi)源大模型」的 LLaMa，在不久前也升級為 LLaMa 2，不斷抬高開(kāi)源大模型的能力上限。正像一些業(yè)內人士所說(shuō)，任何一家閉源的大模型提供商都沒(méi)有護城河。不管是 LLaMa 還是 Claude，開(kāi)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(kāi)源大模型的力量，正在越來(lái)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)布了全托管基礎模型服務(wù)「Amazon Bedrock」，以「關(guān)鍵基礎設施提供商」的角色加入了大模型之戰。
從希望應用大模型的企業(yè)角度來(lái)說(shuō)，自研大模型需要數十億美元和多年的訓練，更優(yōu)的解決方案是對一些已經(jīng)非常強大的開(kāi)源基礎模型進(jìn)行定制化的微調，以滿(mǎn)足自身的多樣化業(yè)務(wù)需求。Amazon Bedrock 的重要價(jià)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(zhuān)用的 AI 算力和工具，再結合自己的數據開(kāi)始構建生成式 AI 應用。在最新擴展后的 Amazon Bedrock 中，匯聚了來(lái)自一批頂級大模型供應商的最新成果：
目前，Amazon Bedrock 提供了 Anthropic 最新語(yǔ)言模型 Claude 2、AI21 的 JURASSIC-2、亞馬遜自研的 Amazon Titan 系列模型的訪(fǎng)問(wèn)。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 1.0。此外，Cohere 成為了最新加入 Amazon Bedrock 的基礎模型供應商，并帶來(lái)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(hù)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(fǎng)問(wèn)存儲在 Amazon S3 對象存儲服務(wù)中的數據，并能夠從 亞馬遜云科技訪(fǎng)問(wèn)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 )等基礎設施，模型、框架和應用層面的能力提供變得更為重要。在過(guò)去一段時(shí)間，我們見(jiàn)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)橹苯涌捎玫姆⻊?wù)，幫助各行各業(yè)的用戶(hù)接入生成式 AI，撬動(dòng)了一個(gè)全新的藍海市場(chǎng)。
推動(dòng)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，它們仍然無(wú)法代替人類(lèi)「執行」一部分關(guān)鍵的、個(gè)性化的任務(wù)。比如一位顧客想咨詢(xún)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(wú)法完成接下來(lái)的訂單更新或交易管理的操作。這恰恰是「生成式 AI」轉化為「生產(chǎn)力」過(guò)程中非常關(guān)鍵的一步。問(wèn)題并非不能解決：模型通常可以附加 API、插件、數據庫以擴展功能，為用戶(hù)自動(dòng)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(kāi)發(fā)者提供了開(kāi)放平臺，允許更多用戶(hù)根據自己的需求、想法和專(zhuān)業(yè)能力進(jìn)行擴展。為了簡(jiǎn)化這一環(huán)節所需的工作，亞馬遜云科技正式推出了 Amazon Bedrock Agents。
Amazon Bedrock Agents 可以擴展基礎模型以理解用戶(hù)請求，將復雜任務(wù)分解為多個(gè)步驟，開(kāi)展對話(huà)以收集更多信息，并采取行動(dòng)來(lái)滿(mǎn)足用戶(hù)請求。開(kāi)發(fā)者只需點(diǎn)擊幾下，就能創(chuàng )建完全托管的 Agents：
該功能創(chuàng )建的對話(huà)式智能體可根據專(zhuān)有數據提供個(gè)性化的最新答案并執行操作，幫助企業(yè)加速交付生成式 AI 應用程序，推動(dòng)解決生成式 AI 落地的「最后一公里」問(wèn)題。比如，企業(yè)可以使用 Amazon Bedrock Agents 創(chuàng )建一個(gè)可以處理訂單的客戶(hù)服務(wù)聊天機器人，利用其內部信息（包括客戶(hù)資料和退貨政策）來(lái)定制化服務(wù)于每個(gè)訂單。如果做個(gè)比喻的話(huà)，Amazon Bedrock Agents 就像是一個(gè)得力的助手。或許在不久的將來(lái)，我們就能享受這一功能所提供的用戶(hù)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，還能直接幫忙預訂、跟進(jìn)。
生成式 AI 時(shí)代的搜索技術(shù)變革
在解決大模型落地挑戰的火熱討論中，「向量搜索」和「向量數據庫」的概念開(kāi)始被越來(lái)越多的人熟知。這是檢索技術(shù)層面在生成式 AI 時(shí)代正在發(fā)生的變革。首先，伴隨數據規模的增長(cháng)，關(guān)鍵詞檢索已經(jīng)不能滿(mǎn)足需求，向量檢索可作對傳統搜索技術(shù)的補充。通過(guò)將數據表示為向量，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(guò)預訓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(cháng)期記憶、缺乏事實(shí)一致性的問(wèn)題。而在數據規模不斷增長(cháng)、算力日益珍貴的現狀下，向量數據庫可作為大模型的「超級大腦」，打一份小抄，相對較低的成本補充動(dòng)態(tài)知識，滿(mǎn)足用戶(hù)不斷增長(cháng)的需求。
與向量數據庫的結合，讓大模型的綜合實(shí)力增色不少。此外，向量數據庫為任何希望接入大模型的企業(yè)用戶(hù)提供了一種規避核心數據泄露問(wèn)題的方法。可以說(shuō)，向量數據庫會(huì )成為未來(lái)大模型研發(fā)、落地必不可少的基礎設施之一。對于這一方向，亞馬遜云科技早早發(fā)力，此前已上線(xiàn)多項支持向量的數據存儲服務(wù)，包括 Amazon Aurora PostgreSQL 兼容版關(guān)系型數據庫，兼容 PostgreSQL 的 Amazon RDS（Amazon Relational Database Service）關(guān)系型數據庫等。在這一次的峰會(huì )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(jiǎn)單的 API 調用，可用于存儲和查詢(xún)數十億個(gè) 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(hù)提供無(wú)服務(wù)器環(huán)境下的語(yǔ)義搜索服務(wù)。即使向量從原型設計期間的幾千個(gè)增長(cháng)到數億甚至更多，引擎也能無(wú)縫擴展，無(wú)需重新索引或重新加載數據來(lái)擴展基礎設施。順應大模型時(shí)代的廣泛需求，亞馬遜云科技還正式宣布，平臺上所有的數據庫未來(lái)都將具有向量功能，幫助客戶(hù)簡(jiǎn)化運營(yíng)，方便集成數據。
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 的訓練和應用，亞馬遜云科技已推出了一系列服務(wù)和工具。最新動(dòng)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)于計算基礎設施，基于英偉達 H100 Tensor Core GPU 的 Amazon EC2 P5 實(shí)例已正式可用，滿(mǎn)足客戶(hù)在運行工作負載時(shí)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(shí)涵蓋問(wèn)題回復、代碼生成、視頻和圖像生成、語(yǔ)音識別等功能，規模通常有千億或萬(wàn)億參數，訓練時(shí)間甚至長(cháng)達數月。這勢必會(huì )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(shí)例相比，Amazon EC2 P5 實(shí)例使得訓練最高提速 6 倍，曾經(jīng)的幾天訓練時(shí)間可縮短到幾小時(shí)，幫助客戶(hù)降低高達 40% 的訓練成本。
另外一項服務(wù)是有關(guān)于開(kāi)發(fā)工具。去年，亞馬遜云科技推出了 AI 編程助手 Amazon CodeWhisperer 預覽版，獲得了開(kāi)發(fā)者的高度關(guān)注。數據表明，與未使用該編程助手的開(kāi)發(fā)者相比，使用者完成任務(wù)的速度平均快 57%。現在，Amazon CodeWhisperer 已經(jīng)正式可用，并且實(shí)現了與 Amazon Glue 的集成。從此以后，開(kāi)發(fā)者可以用自然語(yǔ)言編寫(xiě)特定任務(wù)，Amazon CodeWhisperer 會(huì )直接在 Amazon Glue Notebooks 中推薦一個(gè)或多個(gè)可完成此任務(wù)的代碼片段，用戶(hù)可以選擇「接受最推薦的建議」、「查看更多建議」或「繼續自己編寫(xiě)代碼」。也就是說(shuō)，即使完全不會(huì )寫(xiě)代碼，你也可以嘗試用「說(shuō)人話(huà)」的方法構建出完整的應用程序。
寫(xiě)在最后
技術(shù)的發(fā)展往往超乎人們的預設。曾幾何時(shí)，研究者們還需要花費數月的時(shí)間進(jìn)行數據準備、數據處理和模型訓練，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(lèi)創(chuàng )作無(wú)法區分的內容，處理此前 AI 并不擅長(cháng)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，一場(chǎng)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(shí)現？想必現在，已經(jīng)不會(huì )有人再站出來(lái)表示質(zhì)疑。
在這場(chǎng)浪潮中，亞馬遜云科技選擇的路線(xiàn)是做好「關(guān)鍵基礎設施提供商」的工作。它的優(yōu)勢在于過(guò)去 20 年在人工智能技術(shù)上的深厚積累，在于對于超過(guò) 10 萬(wàn)家客戶(hù)的深刻理解，在于打磨多年的高可用、強大的基礎設施。這些都會(huì )有力地推動(dòng)亞馬遜云科技加快生成式 AI 落地的征程，幫助到每一位開(kāi)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 的基礎設施和開(kāi)發(fā)工具源源不斷投入應用之后，大模型落地的門(mén)檻被打了下來(lái)，開(kāi)始走向各行各業(yè)的深處。這場(chǎng)生產(chǎn)力革命，顯然已經(jīng)在加速了。
