·“生成式AI的發(fā)展就像一場馬拉松比賽，當比賽剛剛開始時，如果只以前三四步就判斷比賽結果，顯然并不科學。這是一場長跑，我們現(xiàn)在還處于非常早期的階段，要拭目以待。”

·亞馬遜云計劃如何解鎖生成式AI的價值？伍德總結了三點：用Amazon Bedrock調用模型、機器學習創(chuàng)新及定制化芯片。

亞馬遜云科技全球產(chǎn)品副總裁馬特·伍德（Matt Wood）在峰會現(xiàn)場作主題演講。

“生成式AI有一種特殊的能力，用得越多，性能就越好。換句話說，當越來越多的企業(yè)、初創(chuàng)公司甚至個人更頻繁地使用這些模型，隨著使用量的增加，其反饋和回答都會變得越來越好?！痹趤嗰R遜云科技中國峰會期間，亞馬遜云科技全球產(chǎn)品副總裁馬特·伍德（Matt Wood）在接受澎湃科技（www.usamodel.cn）采訪時表示，“所以我們現(xiàn)在所見到的生成式AI是基礎，是起跑線，而不是天花板?！?/p>

亞馬遜云科技（以下簡稱“亞馬遜云”）和微軟被稱為全球云計算市場的兩大龍頭。據(jù)Synergy Research Group估計，2023年第一季度，亞馬遜云在全球云基礎設施市場的份額達到32%，微軟占23%。而在微軟憑借對OpenAI的早期投資在生成式AI這一局比賽中下了先手棋后，亞馬遜云便時常被議論為因動作慢而被第二名逐漸蠶食領先地位。

在采訪中，伍德毫不諱言地直面了這個問題，“生成式AI的發(fā)展就像一場馬拉松比賽，當比賽剛剛開始時，如果只以前三四步就判斷比賽結果，顯然并不科學。這是一場長跑，我們現(xiàn)在還處于非常早期的階段，要拭目以待?！?/p>

亞馬遜云的“三板斧”

隨著數(shù)據(jù)爆炸、高度可擴展計算能力的可用，以及機器學習技術的不斷進步，生成式AI登上了舞臺?！癎PU以及芯片方面的巨大進展，使得我們在過去6個月的時間能夠看到機器學習方面的驚人發(fā)展?！蔽榈抡f。

那么，亞馬遜云計劃如何解鎖生成式AI的價值？伍德總結了三點：用Amazon Bedrock調用模型、機器學習創(chuàng)新及定制化芯片。

4月，亞馬遜云推出Amazon Bedrock，也就是說通過API（應用程序編程接口）即可訪問來自AI21 Labs、Anthropic、Stability AI和亞馬遜的基礎模型，并由此構建生成式AI驅動的應用程序。

“我們并不認為目前會有一個單一的模型包辦一切，每一個模型都有自己的專長，一些特別適用于圖像生成，另外一些適于推理，還有一些在寫作方面特別有優(yōu)勢。我們希望把所有模型整合，提供對所有最佳模型的訪問，無論它們來自亞馬遜還是第三方，抑或開源。”伍德說。

國內的互聯(lián)網(wǎng)大廠字節(jié)跳動也做了類似的戰(zhàn)略選擇。6月底，字節(jié)跳動旗下火山引擎發(fā)布大模型服務平臺“火山方舟”，集成了百川智能、出門問問、復旦大學MOSS、IDEA研究院、瀾舟科技、MiniMax、智譜AI等多家AI科技公司及科研團隊的大模型，類似于為各行各業(yè)提供了一個“大模型商場”。

不過，伍德在采訪中表示，亞馬遜云不會把Amazon Bedrock做成類似應用市場的模型市場，而是選擇最有趣、最有用的模型，同時確保其是低時延且具有廣泛可用的運維性能。

“最終在Amazon Bedrock上可能會有幾十個拳頭模型產(chǎn)品，它們非常新穎有趣，或是與眾不同。不過在Amazon SageMaker（為機器學習提供工具和工作流）上會有幾百個模型存在，用戶可以選擇他們想要的基礎模型，然后進行重新訓練，使其與自己的需求高度匹配。”伍德說。

第二，通過技術創(chuàng)新保證用戶可以安全、隱私地在模型上做優(yōu)化和微調，以及基于機器學習為開發(fā)人員提供代碼生成服務Amazon CodeWhisperer。伍德說，“當你使用這些大型語言模型時，你必須非常清楚數(shù)據(jù)在使用時的去向，因為它可能會意外地泄露，并可能落入競爭對手手中。我們不會使用流經(jīng)我們系統(tǒng)的任何數(shù)據(jù)來改進底層基礎模型?！?/p>

第三，自研定制芯片，以實現(xiàn)低成本、低延遲地進行基礎模型的訓練和推理。

從2013年推出首顆Amazon Nitro芯片至今，亞馬遜云是最先涉足自研芯片的云廠商，已擁有網(wǎng)絡芯片、服務器芯片、人工智能機器學習自研芯片3條產(chǎn)品線。

目前亞馬遜云已經(jīng)發(fā)展出三代不同的機器學習芯片。亞馬遜云科技大中華區(qū)產(chǎn)品部總經(jīng)理陳曉建在亞馬遜云科技中國峰會上介紹道，“機器學習分為兩個主要的場景，一個是訓練，一個是推理。在整個生命周期之中推理所占的成本往往更高，因為推理是7×24在線不中斷服務，而訓練往往只是階段性的服務。所以我們在2019年推出了第一代用于機器學習的推理芯片Amazon Inferentia，之后2022年推出了第二代推理芯片Amazon Inferentia2。通過優(yōu)化，第二代Amazon Inferentia可以大規(guī)模部署復雜模型，如大型語言模型(LLM)，訓練方面則推出了加速芯片Amazon Trainium?！?/p>

在AI芯片競賽中，亞馬遜云似乎占據(jù)了先機，已擁有兩款AI專用芯片——訓練芯片Amazon Trainium和推理芯片Amazon Inferentia，谷歌則擁有第四代張量處理單元（TPU）。相比之下，微軟等還在很大程度上依賴于英偉達、AMD和英特爾等芯片制造商的現(xiàn)成或定制硬件。

數(shù)據(jù)是一切的起點

伍德認為，數(shù)據(jù)對于生成式AI而言是一切的起點。

牛津大學、劍橋大學和英國帝國理工學院等機構的研究人員發(fā)現(xiàn)，未來模型訓練使用的高質量數(shù)據(jù)將會愈來愈昂貴，內容創(chuàng)作者將會竭盡全力防止其內容被免費抓取，社交媒體公司也逐漸認識到其數(shù)據(jù)的價值，對API訪問收取昂貴費用。研究認為，如果未來的模型使用容易獲取的數(shù)據(jù)（很可能是其它模型生成）訓練，那么這將會加速模型的崩潰，增加對模型進行中毒攻擊的可能性。

對于可供AI訓練的數(shù)據(jù)未來可能稀缺的問題，伍德對澎湃科技表示，目前沒有遇到過模型訓練所需數(shù)據(jù)不足的問題。

“有海量可用數(shù)據(jù)，不僅是公開可用數(shù)據(jù)，還有各種類型的自有數(shù)據(jù)，我們都可以獲得使用許可。實際上客戶手里掌握的數(shù)據(jù)比現(xiàn)在亞馬遜云上已有的數(shù)據(jù)還要多，可能令人驚訝的是，一些大型企業(yè)，甚至是成功的初創(chuàng)企業(yè)，他們在亞馬遜云上擁有的數(shù)據(jù)已經(jīng)達到XB（Xerobyte是目前已知最大的數(shù)據(jù)存儲計算單位，1XB = 2^130B）級別?！蔽榈抡J為，在可預見的未來，還不會出現(xiàn)模型訓練所需數(shù)據(jù)不足的問題。

對于企業(yè)利用數(shù)據(jù)開始構建生成式AI，伍德提出四點建議：

第一，基于企業(yè)現(xiàn)有的數(shù)據(jù)戰(zhàn)略構建生成式AI。此前投入很多時間和精力構建的數(shù)據(jù)戰(zhàn)略和數(shù)據(jù)湖，會在生成式AI時代成為巨大的先發(fā)優(yōu)勢。

第二，思考如何在組織內更廣泛、更安全地進行生成式AI實驗。在組織內部設置相關安全護欄，同時在構建團隊方面給予更高自由度。

“目前生成式AI在早期發(fā)展階段，沒有人知道其邊界在哪里，沒有現(xiàn)成的模型和架構可以采用，所有的機會和想法、創(chuàng)業(yè)的點子都是日新月異，所以組織要有自由度，能夠追逐機遇，同時推出新的產(chǎn)品和新的功能。有一些基礎性的規(guī)則，更廣的意義上可以讓構建者放心去實驗?！蔽榈抡f。

第三，為需求場景定制化模型。

第四，選擇場景，即刻啟程。