云计算行业很久没有这么热闹了,这一次,行业集体看到了诱人的新果实,垂涎欲滴。

毋庸置疑,AIGC是云计算的Game changer,将从根本上改变云计算乃至整个科技行业的游戏规则,作为云计算行业的Game Rulemaker,亚马逊云科技也展露出新的峥嵘。


(资料图片仅供参考)

4月13日,亚马逊云科技宣布推出生成式 AI 新工具,包括Amazon Bedrock和Amazon Titan模型,也涵盖极具性价比的Amazon EC2 Trn1n和Amazon EC2 Inf2实例,AI编程助手Amazon CodeWhisperer同时发布。

“大多数公司都想使用这些大型语言模型,但真正好的大型语言模型需要花费数十亿美元来训练很多年,大多数公司都不想经历这些,”亚马逊首席执行官安迪·贾西表示。“因此,他们想要的是,希望从一个已经非常大的基础模型中脱颖而出,然后能够根据自己的目的对其进行定制”。

于内于外,云厂商都有意愿和动力参与这次盛宴,开展大模型业务所需要的算力、算法和数据,云厂商都有一定的优势,并且,若论面向客户的产品工程化输出能力,云厂商显然更合适。

AI,是云产业高枝上的果实

经济学中有一个名词,叫做“低垂的果实”,一棵果树上总有一些果子结在较低的位置,树下的人们伸手可得,套用在云计算领域十分应景。

过去十年,是云计算行业高速发展的十年,亚马逊云科技将云计算的技术和商业模式厘清之后,云厂商们只需要踮踮脚,就能摘下低垂又饱满的果实,然而,这种增长不可能无限持续。

“突飞猛进的‘低垂的果子’时代已经结束了,大家都要开始有跑马拉松的耐心。”,一位云计算行业高管在数年前就做出该论断,随后一步步被时间验证。

从云计算应用程度最高的美国,传递到数字化相对滞后的全球其他地区,从最先采用云计算的互联网行业,到迁移改造上云的大型政企部门,以收入全局观测,云厂商始终能够摘到低垂的果实,直至低垂果实逐渐被摘尽。

头部云厂商在财报中披露的业绩数据,是云市场最直观的晴雨表。在最新一季的云厂商财报中,大家都不可避免地遭遇了增速下滑,尽管有宏观经济的影响、后疫情时代企业IT支出恢复不及预期等因素,但是结合一段时间内的增速变化,云厂商增长持续放缓,且创下增速新低,已经是云计算行业面临的共性难题。

与此同时,一些厂商早已走上马拉松的赛道,他们向下投资硬件,向上拓展应用场景,希望用更低的成本撬动更高价值的业务场景,亚马逊云科技就是典型代表,其很早就在数据与AI产品方面持续投入,积累了深厚的技术经验与丰富的客户案例,也引得不少云厂商效仿。

知其然,更要知其所以然,在云环境中,基于机器学习 (ML) 算法的 AI 软件,可以为客户和用户提供直观且互联的体验,但是亚马逊云科技的投入要追溯到此前的足迹。

例如亚马逊的电商推荐引擎、运营中心捡货机器人的路径选择,以及供应链、预测和产能规划,再如Prime Air(亚马逊无人机)和Amazon Go中的计算机视觉技术,Alexa每周与客户的数十亿次回答。

不过,让人沮丧的是,人工智能技术和产业走过六十余年,三起三落之间,始终没有一个“杀手级应用”,这也就导致人工智能的规模化价值很分散,数据密集型负载以往在云上的效果也不佳,AI云的发展亦步亦趋。

如今,大模型被视为人工智能产业的一个转折点,包括亚马逊在内的厂商们,在以往为自己积累的筹码,开始兑现价值,成为云厂商向上摘取高价值果实的阶梯。

云与大模型,广且深的护城河

行业公认的是,大模型是巨头的游戏,正如安迪·贾西所言,能够有足够资金和资源自建大模型的厂商,绝对不会太多。从另一个维度来看,大模型也不是巨头的独角戏,云和人工智能的发展,都高度依赖产业生态的构建。

云计算的本质是云厂商将自己的储备内生外化,以工程化产品输出给客户,在大模型领域又得到了加强,大模型时代,企业用户既看重大模型本身的效用,也在意自己能否获得简单易用的体验。

云是AI的承载,AI将成为云的核心抓手,开展大模型所需要的算法、算力和数据等能力,以及覆盖IaaS、PaaS、MaaS的解决方案,都考较着云厂商本身的技术储备。

以亚马逊云科技本次推出的生成式AI新工具而言,最让人印象深刻的是Amazon Bedrock,用户通过API可以访问来自AI21 Labs、Anthropic、Stability AI和亚马逊云科技的基础模型,从文本到图像均有,其中也包括Amazon Titan的两个基础模型(Amazon Titan Text and Amazon Titan Embeddings)。

这就解决了一些行业客户担心的绑定问题,亚马逊云科技集合了更多的大模型,客户可以自由选择亚马逊基础模型或者其他公司的大模型,既做到针对性调优,又提供更多选择,使之不必担心被一个大模型或者云厂商绑定。

Bedrock最突出的特性之一是足够低的门槛,客户甚至只需向Bedrock展示Amazon S3中的几个标注好的数据示例,Bedrock就可以针对特定任务微调模型,最少仅需20个示例,就能训练出一个客户自己的场景化产品。

Bedrock的打磨显然不是一蹴而就,向上向下观测,亚马逊云科技的在人工智能和机器学习堆栈的三个层级,都建立了深且广的护城河。

算力也是Bedrock低门槛的表现之一,大模型考验的不仅是大模型本身,算力是企业要面临的第一重难关。公开资料显示,训练成本以数百万美元计算,未来大模型普遍应用之后,推理成本可能比训练还要高出一个数量级,具备自研芯片的云厂商能够以更低的成本,提供更大的算力,相比其他云厂商有天然的竞争力。

亚马逊云科技自研的Trainium和Inferentia芯片,就构成了对其他厂商的碾压性优势,根据亚马逊云科技公布的数据,由Trainium支持的Trn1计算实例与其他任何EC2实例相比,都可以节省高达50%的训练成本,在同一可用区中支持3万个Trainium芯片互联,相当于超过6 exaflops的计算能力,并具有PB级网络。

由Amazon Inferentia2提供支持的Inf2实例也对外正式可用,与上一代相比,Inf2实例吞吐量提高了4倍,延迟降低了10倍,还可实现加速器之间的超高速连接以支持大规模分布式推理。与同类Amazon EC2实例相比,推理性价比提高了40%。

Amazon SageMaker一直是亚马逊云科技的明星产品,IT 工程师可以轻松地构建和训练机器学习模型,然后直接将模型部署到生产就绪托管环境中,本次亚马逊云科技更进一步,推出了大量服务,使客户通过简单的API调用就可添加AI功能到应用程序中,如图像识别、预测和智能搜索。

AI云,跨过奇点时刻

美国作家卢克·多梅尔在《人工智能》一书中提出了“奇点”的概念,奇点指的是机器在智能方面超过人类的那个点,现在虽然不能说人工智能已经比人类更聪明,但是它在很多场景已经能够替代部分人类工作,在商业化方面具备巨大的想象空间。

而在人工智能改变各行各业之前,先改变了云计算,云计算和人工智能成为强绑定的关系,未来无限的人工智能场景,意味着相同规模的云计算消耗。

有观点认为,云计算几乎完成了对技术的统治,云解决方案变得普遍,相对于其他技术方案,云的成本效应突出,并且可选择的能力变得更多,没有公司会拒绝成本更低且选择更多的解决方案,人工智能自然而然生长在云之上。

云客户对大模型的需求是热烈且现实的,亚马逊云科技综合了客户在云上的大模型需求,首先,他们需要能直接找到并访问高性能基础模型,这些模型需要能够给出最匹配业务场景的优秀反馈结果。

其次,客户希望无缝与应用程序集成,且无需管理大量基础设施集群,也不会增加过高的成本。

最后,客户希望能够轻松上手,基于基础模型,利用自己的数据(可多可少)构建差异化的应用程序。由于客户进行定制化的数据是非常有价值的 IP,因此需要在处理过程中确保数据安全和隐私保护。同时,客户还希望能控制数据共享和使用。

综合这些需求,亚马逊云科技才有了一系列的生成式AI工具,可以清晰地看出,亚马逊云科技目前的两个方向,一是把价格打下来,现在的训练以及未来的推理,成本低到客户能够接受,大模型才有规模应用的空间;二是价值足够突出,只有客户在自己的业务场景中提质增效,简单低门槛的使用大模型,人工智能的价值才会被认可。

相关数据显示,在预估AI的技术影响时,仅通过将AI集成到在线工作中,每年就可以在 19 个国家/地区产生 3.5 万亿至 5.8 万亿美元的价值。

大模型时代轰轰烈烈,企业要么主动转型,要么被动拥抱,通过亚马逊云科技的人工智能和机器学习服务,企业、合作伙伴可以轻松地构建和部署行业模型,让业务朝向人工智能做奋力一跃。

* 据了解,5月25日将举办亚马逊云科技大模型及生成式AI发布深度解读大会,助力探索企业业务与新技术结合的更多可能。

推荐内容