整個AI領域，GPT-4 發(fā)布無疑成為載入 AI 史冊的大事件。但其還留下來一些發(fā)展空間，其不可能把所有的事情都做完。比如，涉及小數(shù)、分數(shù)的運算，GPT-4 可能給不出正確答案（其多位乘法運算準確率僅為 4.3%）。

可以說，現(xiàn)階段我們并沒有實現(xiàn)理想中的「通用人工智能」，強如 GPT-4 也并不完美。這也意味著，對于大模型使用者或者想在其上開發(fā)應用的技術人員來說，GPT-4 或許不是唯一的選擇，甚至不是最適合的選擇。

那么，在生成式 AI 的下半場，應用到底應該怎么造？這并不是一個能夠簡單得出答案的問題，很多時候，我們恨不得把現(xiàn)有的比較強的模型都試一下。但即使要做這件事也不容易，因為很多模型在發(fā)布的同時其實并沒有提供太多「配套服務」，試用也有成本和代價。

好在，擁有強大基礎設施的亞馬遜云科技也關注到了這些問題。近日正式上線的 Amazon Bedrock 就是奔著「提供更多選擇」和配套服務這一目標來的。

一、Claude、Llama 2、Stable Diffusion... 超全明星模型庫

除了 ChatGPT，在更多領域中，人們想要應用生成式 AI 還存在肉眼可見的挑戰(zhàn)：我們必須構建專用于生成式 AI 的硬件基礎設施，配合自身數(shù)據(jù)對大模型進行調優(yōu)，不斷更新部署，同時還需要保護隱私數(shù)據(jù)的安全。即使對于科技公司而言，這也是非常復雜的事。

對此，亞馬遜云科技拿出了一套幫助人們建大模型應用的「基礎設施」。

今年 4 月，亞馬遜云科技正式發(fā)布 Amazon Bedrock，這是一套生成式 AI 全托管服務，包含業(yè)界領先的基礎模型和構建生成式 AI 應用程序所需的一系列功能。

Amazon Bedrock 匯聚了業(yè)內幾乎所有領先的基礎大模型，面對不同應用場景，它可以讓人們只需通過單一 API 就能用上來自 AI21 Labs、Anthropic、Cohere、Meta Llama2、Stability AI 等公司的先進大模型來構建自己的應用。

提到亞馬遜，很多人可能都會想到前段時間的一個重要融資事件：他們計劃對 OpenAI 頭號競爭對手 ——Anthropic 投資 40 億美元。

在大模型創(chuàng)業(yè)領域，Anthropic 是一個非常耀眼的存在。它由 OpenAI 前研究副總裁 Dario Amodei、GPT-3 論文第一作者 Tom Brown 等人在 2021 年共同創(chuàng)立，其創(chuàng)始成員大多為 OpenAI 的核心員工，他們曾經深度參與過 OpenAI 的 GPT-3，率先提出引入人類偏好的強化學習（RLHF）等技術。

這套強大的陣容打造出了一個同樣耀眼的模型 ——Claude（最新版本是 Claude 2）。在某些方面，這個模型甚至做到了 GPT-4 都沒做到的事情，比如 100k token 的上下文窗口，其代碼生成能力也超過了原版的 GPT-4。這些都是亞馬遜選擇投資 Anthropic 的重要原因。

更重要的是，亞馬遜云科技發(fā)布的新聞中有這么一段話：「作為投資協(xié)議的一部分，Anthropic 將使用亞馬遜云科技的服務承擔關鍵任務工作負載，合作進行安全研究和未來基礎模型開發(fā)。使用亞馬遜云科技的開發(fā)人員和工程師將能夠通過 Amazon Bedrock 在 Anthropic 最先進的模型基礎上構建應用?！?/p>

沒錯，應用生成式 AI，現(xiàn)在有了新的思路：有人把表現(xiàn)優(yōu)秀的模型上線到 AI 基礎設施平臺上，讓用戶去選什么是最合適的。為了擴大操作的范圍，Amazon Bedrock 不僅上線了 Claude 2，還有開源界的扛把子 Llama 2 以及口碑同樣很好的 Jurassic-2、Command 等模型。

Jurassic-2 來自 AI21 Labs，是業(yè)內規(guī)模最大，性能最強的幾種基礎大模型之一。在 Amazon Bedrock 上甚至提供了超千億參數(shù)的 Ultra 版本，其可以應用于任何復雜的語言生成任務，例如問答、摘要、長格式副本生成、高級信息提取等，也支持多種語言。

Command 則是另一家明星創(chuàng)業(yè)公司 Cohere 推出的，可夠接受用戶個性化命令訓練的文本生成模型。企業(yè)用戶在將自己的數(shù)據(jù)和 Command 結合之后，就可以生成一個面向特定應用的語言模型，能在實際業(yè)務中立即發(fā)揮作用。在 520 億參數(shù)的體量之上，Command 的性能超過了很多更大的模型。

此外，在 ChatGPT 之前就已席卷 AI 圈，擁有強大文生圖能力的 Stable Diffusion 也在他們的模型列表里。

至此，在大模型應用的方向上，一條道路正在變得逐漸清晰。

二、生成式 AI 落地的全流程服務

最近在業(yè)內，人們對于大模型的應用方向逐漸形成了一種思路：利用業(yè)內領先的大模型作為基礎模型（Foundation Model），配合自有數(shù)據(jù)進行訓練和調優(yōu)，進而構建出面向不同業(yè)務場景的應用。亞馬遜云科技把這條路迅速成為了現(xiàn)實，還進一步降低了企業(yè)入門的難度。

在 Amazon Bedrock 的基礎之上，企業(yè)可以更方便、快速地嘗試各種領先的基礎模型，進行提示工程，完成微調和檢索增強生成（RAG）等動作，使用自身專有數(shù)據(jù)定制模型。

利用 Amazon Bedrock Agents 工具生成式 AI 應用的開發(fā)、部署、管理等 Agent 能力被集合在一起。我們可以像用 AutoGPT 一樣無需編寫任何代碼就能創(chuàng)建出托管代理（AI agent），讓它來指揮大模型執(zhí)行復雜的任務，如旅行預訂、處理保險索賠、策劃廣告活動和管理庫存等。

只需用自然語言文字寫指令，Agent 就能明白要完成的目標。

在平臺和硬件上，作為專為人工智能打造的平臺，Amazon Bedrock 連接了亞馬遜云科技的基礎設施，從硬件和軟件都對 AI 計算進行了專門的優(yōu)化，覆蓋大模型從構建、訓練到部署的一系列工作負載。由于 Amazon Bedrock 采用無服務器（Serverless）技術，客戶不必管理任何基礎設施，就能在熟悉的亞馬遜云科技服務平臺上將生成式 AI 能力安全地集成和部署到應用程序中。

想要做大模型的應用，一個繞不過的問題就是算力的成本。最近就有人給微軟 GitHub Copilot 的服務算了筆賬：每月每位用戶收費 10 美元，結果微軟反而還要倒貼 20 美元。

對于亞馬遜云科技這樣的服務廠商而言，提高算力、降低成本的系統(tǒng)性解決方案是其最擅長的事。以使用最先進 AI 芯片英偉達 H100 的 Amazon EC2 P5 為例，它可以為訓練大模型提供高達 20 exaflops 的計算性能。與上一代基于 GPU 的實例相比，訓練時間最多可縮短 6 倍，而訓練成本則可以降低多達 40%。

具體到每 token 的價格上，Amazon Bedrock 上使用 Claude 系列模型的價格相比 GPT 系列有顯著優(yōu)勢。

當然，Amazon Bedrock 也充分考慮了安全性和隱私保護。客戶可以使用 Amazon PrivateLink 在 Amazon Bedrock 與虛擬私有網(wǎng)絡（VPC）之間建立專門的安全連接，確保任何數(shù)據(jù)傳輸都不會暴露在公共網(wǎng)絡上。

有趣的是，除了可以高效構建生成式 AI 應用之外，亞馬遜云科技也在其他層面上充分利用技術幫我們提高工作效率，比如利用大模型工具寫有你「自己風格」的代碼。

Amazon CodeWhisperer 是亞馬遜云科技提出的 AI 編碼應用程序，可在 IDE 中生成整行代碼和完整的函數(shù)代碼建議，幫人加速完成工作，它在今年 6 月發(fā)布了預覽版，并對個人開發(fā)者免費。目前它可以幫人們生成的 15 種編程語言的代碼，包括 Python、Java 和 JavaScript。

最近，亞馬遜云科技推出了一項 CodeWhisperer 企業(yè)計劃，旨在實現(xiàn)自定義化的 AI 代碼生成和建議服務。基于新功能，用戶可以利用企業(yè)內部的代碼存儲庫當訓練數(shù)據(jù)，讓 AI 相應地調整代碼生成建議，管理員也可以從控制臺管理自定義，在控制臺查看評估指標，估計每個自定義的執(zhí)行方式，并有選擇地將它們部署給開發(fā)人員，保證了企業(yè)質量與安全標準。

在開發(fā)新技術之外，我們也能應用生成式 AI 提高業(yè)務評估和診斷的效率。Amazon QuickSight 提供了生成式 BI 的數(shù)據(jù)分析功能，它能夠創(chuàng)建交互式儀表盤、分頁報告以及嵌入式分析，同時具備進行自然語言查詢的能力，讓業(yè)務分析師能夠更加方便快捷的探索數(shù)據(jù)，并使用自然語言描述輕松創(chuàng)建可視化報告。

在所有流程上，亞馬遜云科技提供的能力大幅度降低了先進大模型的落地門檻，在人們使用技術領先大模型的同時，消除了管理環(huán)境、配置硬件與安全管理的事務，只需要關心業(yè)務創(chuàng)新就可以了。

三、生成式 AI 的變革，應該走這條路

我們知道，生成式 AI 的前景是不可限量的。

隨著門檻被 AI 基礎設施打下來，我們可以展望：在醫(yī)療健康領域，讓 AI 自動提取關鍵細節(jié)并根據(jù)臨床醫(yī)生與患者的互動創(chuàng)建文檔摘要；在藥物發(fā)現(xiàn)上，使用生成式 AI 工具進行蛋白質折疊、蛋白質序列、對接和分子設計，加速藥物發(fā)現(xiàn)和設計過程；在制造業(yè)中，生成式 AI 可以通過提取歷史數(shù)據(jù)實時診斷設備故障，并建議維護操作，例如輸入調整、維修或可能的備件。

利用開箱即用的生成式 AI 服務提升創(chuàng)新效率，更快地構建出實用化應用，或許才是大模型時代創(chuàng)新的正確方式。

如此看來，構建平臺，降低門檻的意義與 Llama2 這樣的重要技術創(chuàng)新可謂同等重要。

正如亞馬遜 CEO Andy Jaessy 所說的：「讓任何人，哪怕他還在自己的宿舍或者車庫里剛剛開始創(chuàng)業(yè)之旅，也能獲得與大型企業(yè)一樣先進的基礎設施和成本來實現(xiàn)自己的創(chuàng)新。我們希望幫助所有初創(chuàng)企業(yè)都有機會成為明天的『巨頭』?！?/p>

一句話，亞馬遜云科技提供的服務，正在讓眾多AI 浪潮旁觀者變成參與者。一場變革正悄然發(fā)生，生成式 AI 也將會在不遠的未來發(fā)生顛覆式變化，沖擊各行各業(yè)。