亚马逊云科技数据和人工智能副总裁Swami：生成式AI的机会和价值
在科技飞速发展的今天，生成式 AI 这一引领企业迈向智能化的技术，正逐渐成为企业创新和变革的核心驱动力。
从个性化服务的改进到自动化任务的实现，再到全新产品的创造，生成式 AI 展现出无限的可能性。
在生成式 AI 引领企业变革的今天，企业应该如何看待当前的趋势？又应如何应对并重塑战略？
从亚马逊云科技数据和人工智能副总裁 Swami Sivasubramanian 的视角，共同探寻生成式 AI为企业带来的无限创新机会和价值。
生成式 AI ：重塑企业战略的核心技术
生成式 AI 时代，为什么数据比模型更重要？
Swami 认为，生成式 AI 并非简单的机器人或搜索引擎，它拥有无限可能性。生成式 AI 能够重塑客户体验，改进个性化与搜索体验、自动化处理任务、协调代理工作以及创造全新的颠覆性产品，而这些能力都源自于生成式 AI 强大的大模型能力。
但长远来看，模型本身并非全部，真正重要的是数据。事实上，没有一种模型能够独自胜任所有任务，当前，生成式 AI 仍处于初级阶段，正如六年前横空出世的深度学习技术一样，各大模型和技术都在不断演进和迭代。生成式 AI 的关键在于找到最佳应用场景，并探索模型是否在这个领域适用，结合自有数据扩大应用场景的深度、进行模型定制，是未来的研究方向。
利用生成式 AI 创建全新体验及提高员工效率
生成式 AI 的发展为企业带来了许多机遇，例如，缤客（Booking.com）利用生成式 AI 处理旅行规划，并使用相关的 SAP 工具来自动生成旅行建议；在工业领域，Georgia-Pacific 等公司利用生成式 AI 帮助员工快速检索关键工厂和部件信息，提高问题诊断效率。
尽管企业常常关注如何通过协作代码提高开发人员的工作效率，但事实上，他们的大部分时间可能都花在了技术研究、软件升级、维护和故障诊断上。要真正提高开发人员的工作效率，企业需要为他们提供更多的资源。在亚马逊云科技内部，开发人员经常在 Java 升级上花费很长时间，消耗了大量的人力成本，通过使用 Amazon Q 进行代码转换后，实现了软件自动升级，节省了开发人员在软件升级上的时间。同时，Amazon Q 也支持业务分析师和非开发者实时提问，获得分析结果。这将重塑企业的运营方式，结合 Zero ETL 功能的使用，数据信息就可以实时流入数据仓库，企业员工可以用自然语言进行查询，让世界变得更加互联。
企业如何利用生成式 AI 进行构建
亚马逊云科技全栈生成式 AI 的三个层级，为企业生成式 AI 应用提供从基础设施层到应用层的全面支持
随着技术的发展和市场的变化，客户的需求也在不断演变。亚马逊云科技一直以来都致力于为客户提供全方位的解决方案，以满足他们在生成式 AI 方面的需求。每个企业都有自己的特点和需求，因此亚马逊云科技不会强推单一的模型或方案，而是提供全栈生成式 AI 的三个层级的服务，让客户根据自己的需求进行选择。
对于那些希望自行构建模型的企业，亚马逊云科技提供了 Amazon SageMaker 及基础结构服务，如基于 GPU 的实例和自定义芯片等基础设施，帮助他们快速实现模型的开发和部署；对于希望借助领先的大语言模型并利用自己的数据来定制模型的企业，亚马逊云科技提供了 Amazon Bedrock 等工具帮助他们进行模型评估，及创新使用最适合企业自身用例的模型；还有一些企业，他们大多数情况下并不需要自行构建生成式 AI 应用，他们的目标可能是提高开发人员的工作效率，帮助业务分析师查询所有数据，亚马逊云科技推出的 Amazon Q 就可以解决这些问题。
如何以安全、负责的方式实施生成式 AI 创新？
在探索生成式 AI 应用的发展过程中，确保技术的负责任使用是我们所有人共同关注的重点。以 Amazon Titan 为例，依靠 Amazon Titan 所生成的图像都配备了隐形水印，这不仅提供了防伪功能，还防止了图像未经授权的修改。这些水印使我们能够区分生成的图像与真实图像，这是负责任使用 AI 技术的良好示范。
此外，亚马逊云科技也在与合作伙伴共同努力，以减少生成式 AI 应用中的有害和偏见信息。Anthropic 等合作伙伴的工作帮助亚马逊云科技衡量和减少无害信息，减少 AI 错觉。这些努力确保即使在模型效果出色的情况下，也要通过负责任的技术实践来构建应用。
当涉及到实际的应用场景时，如生成式 AI 助理，必须设置适当的护栏来指导正确与错误的行为。这是为了确保能够安全地向数百万用户推出这些功能。例如，Amazon Q 在处理业务数据时，会实施严格的访问控制，确保数据安全和隐私。在全栈的每一层设置适当的护栏至关重要。无论是在数据访问、内容生成还是用户交互方面，我们都必须持续思考和实施负责任的技术实践。这是确保生成式 AI 应用在实际应用中既安全又有效所必须采取的措施。
数据战略：释放生成式 AI 力量的关键
正确的数据战略是企业在生成式 AI 时代取得成功的关键
在当今的数据驱动时代，企业正逐渐认识到有效整合数据和管理数据的重要性。幸运的是，在生成式 AI 领域，我们不需要从零开始，而是要迅速制定出正确的数据战略。亚马逊云科技的目标是让客户无论数据存储在哪里，无论是数据库、数据湖还是数据仓库，都能够轻松地进行数据整合和治理。亚马逊云科技将 Zero ETL 方面的投资从 Amazon Aurora、Amazon RDS 和 Amazon DynamoDB 等各种主要数据存储转移到 Amazon Redshift 上。便捷数据访问将会带来重大变革，这样可以实现轻松整合数据并实施检索增强生成（RAG）或机器学习（ML）。
构建数据战略的关键是向量嵌入，当我们考虑实现个性化和搜索等功能时，这种嵌入方式可以带来巨大的优势。通过将客户资料和订单历史记录等信息转化为独特的向量嵌入，并将其存储在底层数据库中，企业可以轻松地利用推荐引擎和定制体验来优化业务。为了避免在多个数据库间建立复杂的 ETL 环节，亚马逊云科技在 Amazon Aurora、Amazon RDS、Amazon DocumentDB 和 Amazon MemoryDB 中引入了高效的向量搜索功能。此外，对于图形分析的需求，亚马逊云科技还推出了 Amazon Neptune Analytics。亚马逊云科技在数据战略上为企业提供了强大的工具集，以支持他们在数据驱动的世界中取得成功。
生成式 AI 时代下的机遇与变化
在数据与生成式 AI 方面，Swami 认为真正的机遇在于如何创新地结合数据和优化模型来提升企业效率和收入。生成式 AI 虽然能帮企业做很多事情，但热度退去，企业更需要思考投资回报和应用的实际效果。例如，Perplexity 通过从 GPT-4 等大型模型迁移到更轻量级的模型，实现了更低的成本和更高的语境相关性，这进一步降低了延迟、提升了准确度和收入。
更长远来看，模型本身不会成为最大的差异点，最大的机遇是如何创新利用数据和生成式 AI 打造出卓越的体验。现在，不需要所有人都成为数据科学家或机器学习科学家，借助 Amazon Bedrock 和 Amazon PartyRock 这样简单易用的工具，任何人，甚至非开发人员，也能快速启动项目。
亚马逊云科技创新技术为构建者赋能
亚马逊云科技鼓励已经熟悉这些工具的创新者选择合适的堆栈层构建自己的应用，对于不确定应该关注哪些问题或追求什么样的解决方案的企业，亚马逊云科技开发了 GenAI Innovation Center，这个平台的核心在于逆向思考——识别和跟踪具体的业务用例，并围绕这些用例构建解决方案，为客户提供定制和优化的可能。亚马逊云科技在大语言模型的错觉处理和围栏部署等方面有着丰富的成功案例，利用 GenAI Innovation Center，企业可以整合数据，逆向思考业务目标，开发端到端生成式 AI 堆栈。另外，企业也可以使用 Claude2 等领先的边缘模型，并通过 GenAI Innovation Center 自定义模型程序进行定制和优化。
生成式 AI 是企业不可忽视的重要趋势。通过深入了解和利用这一技术，企业能够重塑战略、提升竞争力，创造出全新的客户体验和前所未有的产品。同时，企业还需要关注数据的安全性和合规性问题，才能确保技术的可持续发展，开创更加美好的未来！
让我们共同见证亚马逊的一小步
云计算的一大步