当云厂商主动拥抱生成式AI，会碰撞出什么样的火花？

如果说这是AI大模型的时代，不如说是生成式AI的时代。

在AI大模型、生成式AI、ChatGPT这三者中，生成式AI是最广泛的概念，涵盖了所有使用AI生成新内容的应用。

大模型是实现生成式AI的一种方式，而ChatGPT则是大模型和生成式AI在实践中的一个特定应用。

在ChatGPT表现震惊全球之时，国内外科技巨头们将目光放在了ChatGPT背后所使用的大模型上，纷纷下场实践。

与走大模型路线的科技巨头不同的是，亚马逊云科技从一开始视野就放到了生成式AI上。

最近，在2023年亚马逊云科技中国峰会上，亚马逊全球副总裁、亚马逊云科技大中华区执行董事张文翊表示，大模型并不是生成式AI的全部，而是生成式AI生态系统的一个底层基础平台。

  亚马逊全球副总裁、

亚马逊云科技大中华区执行董事 张文翊

“平台的使命是让人们可以更容易地在上面构建机器学习的应用，用好生成式AI去解决自己的特定领域或行业场景的问题，这才是真正在To B领域改变行业的关键因素”，张文翊如是说道。

 

生成对抗网络（GANs）：这是一种特别的深度神经网络结构，包括两个子网络，一个是生成器，另一个是判别器。

生成器试图生成假数据，而判别器试图分辨这些数据是否真实。通过这种对抗过程，生成器能够学习生成越来越逼真的数据。

变分自编码器（VAEs）：这是一种生成模型，它使用神经网络将输入数据（如图像）编码成一个潜在空间，然后从这个空间解码出新的、原始的数据。

VAEs是一种很好的方法来学习数据的内在结构，并能生成新的数据。

自回归模型：这种模型预测下一个数据点基于前面的数据点，可以用于生成连续的数据序列，如文本、音乐等。

变换器模型（Transformer Models）：如OpenAI的GPT-3，利用自注意力机制和变换器架构生成文本，是现代自然语言处理中非常重要的一类模型。

这些生成式AI模型在各种应用中都有广泛的使用，包括艺术生成（如DeepArt或DeepDream）、文本生成（如聊天机器人和新闻生成器）、音乐生成，以及更复杂的任务，如视频生成和虚拟现实环境生成。

具体来看，在游戏行业，生成式AI可以创造新的游戏环境和角色，从而带来更丰富的游戏体验。例如，AI可以生成无尽的地图，让游戏世界更加庞大且多样化。

此外，生命科学行业也有望因生成式AI的进步而实现突破。生成式AI可以帮助科学家更快发现与疾病相关的蛋白质，进一步加速药物研发的过程。

不仅如此，利用专门的基础模型来预测分子特性，引导生成具有更好生理功能的、新的蛋白质，发现治疗疾病的新药物。

在生成式AI的助力下，更多目前不可治愈的疾病有望被治愈，人类的寿命也将得到进一步延长。

在制造业，生成式AI可以通过已有的设计训练模型，自动化生成新的设计，设计师们在这些设计的基础上，再进行提升和改善，从而降低设计的人力成本，提升产出效率。

在产线上，未来每一个机械臂、每一台设备、每一条产线，都有机会通过生成式AI去控制，提高自动化水平，进一步推动制造业的智能化发展。数据显示，到2027 年，30%的制造商将使用生成式AI提高产品研发的效率。

除此之外，生成式AI在教育、社会和公益、创意产业都有不小的想象空间。随着技术的不断发展，它未来可能会带来更多我们今天无法想象的机遇。

据高盛预测，生成式AI可以推动全球GDP增长7%，达到近7万亿美元。麦肯锡也预计，这种技术可以提升全球850个职业的2100个具体工作的生产效率，生产成本降低可以高达6.1到7.9万亿美元。

我们可以感知到的是，生成式AI正在重塑我们的生活，其可能引发的改变的规模、深度和广度，可能只有互联网的爆发能与之相提并论。

但具体到应用实践，在这场时代洪流中，企业应该怎么做？作为全球领先云服务商的亚马逊云科技给出了自己的解题思路：

首先，帮助企业找到合适的场景以及合适这个场景的基础模型，帮助企业用自己的私有数据结合基础模型“更容易”地构建自己的定制化模型，同时保证自己“私有数据的安全”，不会被基础模型吸收。

对此，亚马逊云科技推出Amazon Bedrock，企业可以灵活选择适合自己的模型，更容易地构建应用，并在保证数据安全和隐私基础上，进行定制化模型的开发，还无需大量的标注数据。

其次，帮助企业在一些通用场景获得开箱即用的生成式AI应用，进一步降低使用门槛。

亚马逊云科技还推出一款AI编程助手Amazon CodeWhisperer，通过内嵌的基础模型，可以根据开发者的自然语言指令实时生成代码建议，大大减少开发人员繁重的工作。

再次，随着企业生成式AI应用的普适化，和基础模型的不断迭代，必须有超大规模和高性价比的云平台来支持持续的模型训练和应用端大规模的推理。

亚马逊云科技提供齐全的计算、高速联网和高性能存储选项。除了业内通用的CPU、GPU选项，亚马逊云科技还有超过5年自研芯片的经验。

此外，对于人才这一问题，亚马逊云科技也给出了方案。

亚马逊云科技还拥有丰富的专业技术支持资源，包括SA、产品专家、人工智能实验室、数据实验室、快速原型团队、专业服务团队，帮客户打通应用生成式AI的最后三公里的工程化挑战。

在本次峰会上，亚马逊云科技还针对初创企业推出“亚马逊云科技创业加速器”，从基础模型开发、全新消费应用或行业应用的创造，再到工具链优化，来助力更多企业快速拥抱生成式AI。

其实不难发现，每一次技术进步的背后，云厂商都扮演着重要角色。

这一次AI浪潮背后，我们可以看见的是，云厂商为AI研发提供了基础设施、AI服务和应用工具，还在推动AI研究、开发人才培养和实际应用方面发挥了积极作用。

亚马逊云科技即是如此。除了上述AI服务和应用工具，亚马逊云科技还为市场提供了丰富的计算资源和存储服务，

面对生成式AI时代带来的井喷式算力需求，亚马逊云科技通过自研芯片提供更好的性价比，通过各种丰富的计算、网络、存储等各种产品的组合应对突发的算力需求，通过Serverless有效降低运维的复杂性，从而简化算力的使用，全面满足用户的多样化的算力需求。

“对于全球布局，亚马逊云科技提供从中心到边缘的多种产品的解决方案，包括覆盖全球的基础架构，以及快速部署稳定系统的能力，还有全面支持全球各个国家和地区业务合规能力，这些都能够成为用户创造坚实底层架构的基石。”亚马逊云科技大中华区产品部总经理陈晓建补充道。

如此来看，将云厂商比作生成式AI时代的“底层架构师”也不为过。

云厂商不仅要扮演生成式AI时代的“底层架构师”，与此同时，云厂商必须克服数据安全和隐私保护等挑战，为用户提供安全、便捷的服务，使得生成式AI的应用能够更广泛、更深入地渗透到每一个行业和领域。

这意味着他们需要继续提供有力的技术支持，同时也要承担起社会责任，推动AI技术的健康发展，助力AI的普及和应用。

作为“底层架构师”的云厂商，需要在几个重要方面发挥作用。首先，他们需要继续研发和优化AI技术，确保这些技术的可靠性和安全性，为广大用户和开发者提供更强大、更易用的工具。

其次，云厂商需要积极参与AI标准和规范的制定，引导AI技术的健康发展。此外，他们还需要担负起培养AI人才、推动AI普及和应用的重任。

面对未来，我们期待云厂商能够持续发挥其“底层架构师”的角色，引领生成式AI技术的发展，助力全社会实现AI的巨大潜力。