一文了解亚马逊云科技对生成式AI和企业之间关系的解读
如何通过生成式AI进行创新？如何将创新批量化？如何将创新成果融入到业务模型？如何管理其带来的风险？亚马逊云科技提供服务的重点一直都是帮助客户更好地驱动业务，不只是帮企业提升技术能力，还要帮助企业运用技术能力更好地走向成功。这就是亚马逊云科技一直说的“客户至尚”。亚马逊云科技还在做的一件事就是让AI普惠化：降低AI使用门槛，使其成为企业日常运行一部分，参与企业的实验创新、学习、客户需求研究、以及业务能力打造。
令人兴奋的出现
生成式AI，及其衍生品，能够为我们的企业运行带来下一个重大变革。从宏观角度来看，近期对于生成式AI的研究表明，这种超大型基础模型既实用又强大，可以通过简单的微调就用来完成重要的任务。这件事是非常让人惊喜的。因为即使是最先进的AI研究者也无法保证即使是如此巨大的模型，其产出的自然语言内容到底有多少可信度，而且这个巨大的模型到底应该有多“大”？现在各种大语言模型带来的惊喜不断，其影响目前尚不清楚。
语言并不是基础模型唯一的用武之地——氨基酸序列基础模型可以帮助医疗行业合成新的可用蛋白质，金融市场的基础模型可以更好地给金融应用提供消息，稳定扩散模型可以用来生成图像。对这种巨大的语言模型层出不穷的应用都已超过了单单语言处理的范畴。生成式AI能够改变我们考虑业务和挑战解决方案的思维方式，对于这项技术的创新远不止聊天机器人那么简单！
可持续的竞争优势
使用生成式AI的企业都是想打造可持续竞争力的企业。为此，他们提供给AI的训练资源必须是自己独有的、有专利的、或者有使用权的。ChatGPT这种提供文本服务的生成式AI使用的巨大的语言模型叫基础模型，这是一种预训练模型。拿GPT-4来说，它的基础模型中包含了数千亿的参数。由于基础模型需要巨大的资源和专业力量，大部分企业都无法构建自己的基础模型。所以他们会将目光转向服务商，而他们的竞争者也同样会寻找这些服务商，这就为之后的问题埋下了种子。所以光靠生成式AI也无法帮企业打造可持续的竞争力，因为如果只是在应用程序的前端加一个聊天机器人，你可以，你的对手也可以。
你的长线优势在于你如何对这个基础模型进行调整，你能提供什么样的专有数据对模型进行训练，或者你能怎样将生成式AI与你企业特有的流程结合起来。
虽然基础模型不是你的企业专有，但是你的数据是专有的——你的用户数据，他们的交易数据，你企业拥有或者控制的传感器，以及调研数据。这其中的部分数据可以用来对基础模型进行调整、为你的生成式AI应用生成提示词（prompt）、打造你自己的模型、或者直接通过基础模型打造应用。通过Amazon Bedrock，你可以在确保数据安全的前提下，对基础模型进行调整。这样你可以专注于管理数据质量，寻找能够帮企业打造差异化竞争力的专属方案。
将生成式AI融入企业特有的服务涉及到一个整合的过程——生成式AI必须能够和你其他在用的IT应用兼容。由于你的其他应用都在云上正常运行，亚马逊云科技会提供一些如Amazon API Gateway、分析服务、数据湖、数据异步移动等功能帮助你进行整合。同时亚马逊云科技还会保证你的验证和授权政策在整个IT系统里统一，包括生成式AI。
亚马逊云科技对于生成式AI的处理旨在帮助用户打造可持续的差异化竞争优势，而不仅仅是跟风新科技。
创新管理
企业管理人经常有一个误区就是认为创新就是让员工提出各种新想法。的确，员工经常会提出很多想法，尤其是在客户一线的员工。但真正的挑战在于执行这些想法，在于给这些想法提供机会证明自己的有效性。从字面意思就能看出，这些想法肯定都是带有风险性的。因为它们是想法，没有经过证实。所以对于创新的管理关键在于降低创新的风险，同时调整管理流程，为已经降低风险的想法提供更多自由的空间。
这时候亚马逊云科技（云服务）的优势就体现出来了。员工可以快速启动一套架构用于对新想法的测试，如果这个想法行不通，那么员工可以立即弃用这套架构并停止计费。这样员工就可以快速、低成本地使用很多亚马逊云科技的高端服务，比如各种构件，并借助无服务器的特性将它们快速整合或者在有更好的方案时立即停止当前测试。例如，企业不需要花费多年的时间打造自己的图像识别技术，员工可以直接通过Amazon Rekognition获取这项功能，一旦测试的想法证实行不通，可以立即停用并停止计费。
通过这样的方式，云服务极大地降低了尝试创新型想法的风险和成本，这样企业就能够重新考量自己之前由于种种原因而放弃的想法了。生成式AI接入云端之后，企业可以联动其他构件服务来测试由生成式AI带来的新点子，而且是以更低的成本和风险。这个过程并不只是为了测试企业生成式AI的能力，而是对于生成式AI嵌入到业务流程中进行的必要测试。
严谨说来，Amazon Bedrock使得企业员工能够通过各种基础模型进行创新。Bedrock在最初发布的时候就支持使用来自AI21 Labs、Anthropic、Stability AI、和两个亚马逊Titan家族的模型。这些模型适用于不同类型的应用。员工在测试新想法时可以选择最适合的基础模型或者多试几个进行比较。
亚马逊云科技对生成式AI的处理在创新管理和驱动业务流程创新中都有良好的实践反馈。
回应敏捷度：并驾齐驱
尽管打造可持续的竞争优势是一个很重要的目标，企业也可以使用生成式AI来提升客户体验。当客户需求发生变动时，拥有高云端敏捷度的企业可以快速对此作出响应。生成式AI技术必然是不断发展的，而随着这些发展进化，企业可以基于这一敏捷度不断提供新的功能或者打造新的应用。一旦竞争对手支持了新的服务或者功能，企业要能够迅速作出应对。同其他IT方面的能力一样，企业必须在生成式AI方面也保持敏捷度。
敏捷度是企业们过去几十年面对的话题。当他们开始整合生成式AI时，就需要再次考虑同样的问题：如何能够感知到客户需求的变化？如何能够迅速进行增量交付？如何对资金进行管理以快速推进执行？如何在不断变动的优先级间保持各种需求的平衡？云技术（以及现代的一些实践如DevOps）是打造敏捷度和速度的关键。
让生成式AI真正运转起来
IT负责人们很快就会意识到生成式AI并不是简单地提出一个想法然后推进执行。生成式AI和其他技术一样，必须严格有效地运行起来，而这个过程中会面临的一些挑战对于IT从业者来说都是再熟悉不过了。最基本的一些方面包括AI应用和模型的部署流程必须可靠、受版本控制、经过测试、并且合规。用户必须经过授权、必须建立与其他系统的接口、并且可以寻求服务台的帮助。同时应用必须保证安全。道德问题也必须被重视起来，建立必要的护栏（guardrails）。
生成式AI必须成为企业技术运行的一部分。亚马逊云科技的优势在于能够简化企业的IT运行架构，其对于服务的选择以及云端的自动化性能对于生成式AI应用的可靠性、弹性、安全性、和效率都是至关重要的。其中，Amazon SageMaker专用于帮助企业减轻AI应用的运行压力。与其他功能相比，SageMaker能够帮助企业实现管理流程自动化，为机器学习产品提供中心化目录，将机器学习应用整合到自动化持续集成和持续交付（CI/CD）流程中，并监控使用中的数据和模型以保证质量。
当生成式AI应用成为企业核心业务流程中的一环，提高效率的同时，随之而来的一个问题就是成本。Amazon Inferentia和Amazon Trainium芯片专为高性价比的AI模型训练和部署而打造。无论企业推进什么样的创新流程，亚马逊云科技整套的云服务和其云端架构的伸缩能力都能在企业成本管理中发挥至关重要的作用。
价值观外显
对于人工智能这一赛道，道德层面的考虑和合规的应用架构是非常重要的。Amazon Bedrock为客户提供了各种基础模型的选择，客户可以根据自己的合规需求以及企业价值观选择最恰当的基础模型，即使企业需求可能在不断变化。Amazon AI Service Cards对于亚马逊云科技所有服务在公平、无偏见、可解释性、隐私与安全、健壮性、管理、以及透明度方面都进行了阐述，企业可以按需查询。
负责任的人工智能（Responsible AI）和其他需要负责任使用的技术一样，都会伴随着企业文化和管理流程的改变。企业管理为企业建立了保护屏障，是非常重要的。而员工的日常行为则是受企业文化的约束，所以建立负责任使用人工智能的文化在领导力方面也是前沿的变革。
结语
生成式AI是一项很强大的新技术。但是对于亚马逊云科技的客户来说，不止于此，它更是达成业务目标和设定业务期许的一种新途径。企业对于生成式AI的考量，并不仅仅是这项新科技能做什么，而是如何创新性地利用这项技术向用户传达企业价值观，为企业带来强有力的竞争优势。这才是对于亚马逊云科技生成式AI服务的正确解读。