全面释放AI潜力，生成式AI普惠化之路如何走？

  【雷竞技须安全稳定 企业频道】随着科技的发展，人工智能已经成为工作生活中不可或缺的部分，如今，生成式AI(Generative AI)的崛起及爆火，更让我们看到未来智能化的无限可能。Gartner预测，到2026年超过80%的企业将使用生成式AI的API或模型，或在生产环境中部署支持生成式AI的应用。另据赛迪顾问调查显示，2035年中国生成式AI企业采用率将达到约85%，为企业创造前所未有的商业价值。

  无论是Gartner预测的80%还是赛迪顾问预测的85%，这两个数据都在指向同一个趋势——生成式AI已经走上普及化、普惠化之路。如今，得益于数据大规模激增、丰富的高度可扩展的计算能力和机器学习模型随时间的不断创新，生成式AI已经成为各行业各组织商业领袖的首要关注点，企业都在思考如何借助生成式AI技术创新业务，快速赢得竞争优势。

  行难且艰：生成式AI普惠化之路

  风正好扬帆，尽管生成式AI的发展前景广阔，普及也仅仅是时间的问题，但是眼下要做到规模化拓展还存在不少难点。 

  亚马逊云科技大中华区产品部总经理陈晓建表示：“今天，当我们谈论生成式AI时，大多数人都在谈论基础模型，而整个生成式AI应用就像是浮在海面的冰山，露在海面上方能被大多数人看到的冰山一角就像是基础模型，而在冰川的底部，同样需要大量的基础模型以外的服务来支撑，如加速芯片，数据库，数据分析，数据安全服务等等。”

  具体来说，在大模型具体落地的过程中，厂商大多表示除了技术落地视角外，客户场景需要也是目前关注的核心，但在现实落地中仍然存在数据获取、数据治理等难题，尽管语料较为丰富的问答交互环节场景落地较快，但实际的企业级商业应用方面仍然存在较大挑战，呼唤生态破局。

  其中，在开发门槛方面，生成式 AI 基础模型固然强大，但其本身也存在局限性，比如无法完成需要与外部系统交互的复杂任务，这就需要开发人员将复杂任务拆分成多个步骤。在场景和模型选择上，未来不会是一个模型、一个业务场景通吃的天下，企业需要为自己的场景选择正确基础模型的“灵活性”。

  在数据安全方面，企业需要通过基础模型结合自己的私有数据构建定制化模型，同时保证自己“私有数据的安全”。此外，企业使用生成式AI也面临人才短缺的挑战。陈晓建表示：“开发生成式AI应用是一个充满挑战的系统工程，并不是单纯的产品和服务拼接，因此，如何加速客户最终应用的商业化落地。”

  将生成式AI普惠作为企业使命

  如今，生成式AI正在重塑各行各业，在此背景下，亚马逊云科技将“普惠”作为其在生成式AI领域的使命之一。

  针对生成式AI底层技术方面的支撑，亚马逊云科技提供了完整的端到端的生成式AI技术堆栈，从底层的加速层如加速芯片，存储优化，到中间层模型构建工具和服务，再到最上层的生成式AI相关应用，每一层都在针对客户的不同需求持续创新。

  在助力客户实现应用的商业化落地方面，亚马逊云科技致力于构建强大的合作伙伴生态，与它们一起助力解决生成式AI应用构建中的各种技术问题，加速应用落地。

  除了云服务之外，还提供解决方案架构师、产品技术专家、人工智能实验、数据实验室、快速原型团队、专业服务团队、培训与认证部门等多个资源共同助力客户成功，同时还携手生态合作伙伴与初创圈构建生成式AI的完整体系，进一步助力生成式AI技术的落地。

  亚马逊云科技还倡导“负责任的人工智能”，承诺以负责任的方式构建我们的服务，同时考虑到公平和偏见、稳定性、可解释性、治理、透明度、隐私和安全性。

  助力企业和开发者释放生成式AI潜力

  将生成式AI普惠作为使命的亚马逊云科技，正在围绕应用场景、工具和基础设施、数据基座、AI原生应用构建和生成式AI服务，助力企业和开发者释放生成式AI的潜力。

  企业应该选择合适的应用场景，从典型场景入手创新业务模式。根据麦肯锡咨询2023年6月发布的生成式AI生产力前沿技术报告，在生成式AI技术带来的经济效益中，大约3/4来自四类主要的职能：营销与销售、产品与研发、软件工程和客户运营;而这四类职能，恰恰是我们看到的生成式AI应用使用的主力军。

  事实上，典型的应用场景能够帮助企业增强客户体验，提升员工生产力与创造力，优化业务流程。海尔创新设计中心利用生成式AI能够实现文生图、图生图、定量图和全场景图四个方面的提效，上线后，自动化设计系统应用让相关业务的操作周期缩短了20%;国内知名的游戏客户上海沐瞳科技，正在携手亚马逊云科技使用生成式AI技术Amazon Bedrock，优化游戏开发领域的业务流程。

  借助专门构建的生成式AI工具和基础设施，快速构建高性价比的生成式AI应用对于企业而言同样重要。首先，在模型选择方面，应该如何便捷安全的选择最适合自己业务场景的基础模型，是每一家企业在构建生成式AI应用时面临的挑战。亚马逊云科技推出Amazon Bedrock，该服务与Amazon SageMaker Jumpstart结合，助力对基础模型有着不同需求的客户轻松、安全地选择基础模型。

  其次，基础模型本身存在局限性，无法完成需要与外部系统交互并且没有最新知识来源的复杂任务。这些功能本身虽然很简单，如预订航班或退回购买的物品，但开发人员必须经过多个步骤才能实现这些功能。Amazon Bedrock代理功能是一项全新的全托管功能，使开发人员能够更轻松地创建基于生成式AI的应用程序，以完成各种用例的复杂任务，并根据专有知识源提供最新的答案。

  最后，选择高性价比的基础设施成为关键。10多年来，亚马逊云科技对全球基础设施进行深度投资，能够为客户提供广泛的加速器选择，包括强大而灵活的基于GPU的解决方案，例如基于英传达最新GPU芯片H100 Tensor Core的Amazon EC2 P5实例，与上一代相比速度快6倍，训练成本节省40%。

  另外，基于亚马逊云科技自研的机器学习推理芯片Amazon Inferentia2推出的Amazon EC2 Inf2实例，与其他类似的EC2实例相比性价比高40%;基于自研机器学习训练芯片Amazon Trainium推出的Amazon EC2 Trn1实例，与同类实例相比训练成本节省高达50%。

  夯实数据基座，有助于企业打造差异化竞争优势。面向生成式AI构建强大的数据“基座”，需要一套全面的服务，以便能够存储用于构建和微调模型的各种类型的数据;还需要服务间的集成，以打破数据孤岛，确保能够随时访问所有数据;还需要在构建生成式AI应用程序的整个生命周期中，确保数据安全并对其进行管理。

  全面的服务方面，亚马逊云科技针对生成式AI领域的用户个人信息、会话信息管理、私域知识库等应用场景都提供了专门构建的数据库。数据集成方面，ETL是端到端数据旅程迫切需要解决的问题，亚马逊云科技提出“Zero-ETL”的愿景，并采用了相应的创新。数据治理方面，亚马逊云科技提供Amazon DataZone这一全新的数据治理服务。

  借助云原生服务，加速AI应用构建，助力业务敏捷创新也是亚马逊云科技的核心能力之一，亚马逊服务百万客户无数次变化的现代化应用转型过程中，积累了一些不变的经验，以分享给生成式AI时代的构建者：

  以微服务化和事件驱动架构为核心的设计框架，松耦合的去处理每个功能模块之间的互相依赖;Serverless First简化运维，提升效率;数据决策优先，数据能力作为应用的核心竞争壁垒加入到生成式AI应用的设计理念中来;安全围栏将安全与数据的合规与保护放在前所未有的重要地位;避免重复造轮子，在DevOps，基础设施即服务，自动化等现代应用治理理念持续投入，构建高效敏捷的构建者文化。

  借助开箱即用的生成式AI服务，消除重复性工作并专注创新本身。编程将是生成式AI技术得到快速应用的领域之一。软件开发者需要花费大量时间编写相当浅显和无差别的代码，真正用于创新的时间少之又少。从网上复制代码片段则可能无意中复制无效代码或有安全隐患的代码，或对开源代码的使用没有进行有效追溯。

  亚马逊云科技的Amazon CodeWhisperer使参与者完成任务的速度平均快57%，成功率高27%。Amazon Whisperer自定义功能，能够生成优于之前的代码建议。亚马逊云科技通过将Amazon Quicksight Q功能与Amazon Bedrock提供的大语言模型功能相结合，为Amazon QuickSight提供生成式BI(Business Intelligence商务智能)功能。据悉，亚马逊云科技通过开箱即用的生成式AI服务及工具，已帮助1000+中小企业和初创公司快速实现生成式AI创新，已赋能10W+中国开发者。

  写在最后

  生成式AI普惠之路道阻且长，甚至需要长时间不懈的投入、努力。幸运的是，我们正在见证越来越多的企业投身AI普惠实践，从底层算力、人才、应用层构建、算法、数据等各个方面进行努力，虽然方向有所差别，但殊途同归——AI普惠。

  最后借用亚马逊CEO Andy Jassy的话结束：“我们的目标是让任何人都能够获得和大型企业一样先进的基础设施和成本来实现自己的创新。在生成式AI领域我们同样希望借助于亚马逊云科技的产品和服务，实现生成式AI技术的普惠化，赋能更多的企业和个人开发者加速创新。”