摘要：每逢岁末年初，都不乏关于热门技术的总结与展望。已站在舞台中央两年有余的生成式AI，自然是备受关注的焦点——经历了狂飙突进之后，“前行脚步可能放缓”的焦虑正弥漫于坊间。
每逢岁末年初，都不乏关于热门技术的总结与展望。已站在舞台中央两年有余的生成式AI，自然是备受关注的焦点——经历了狂飙突进之后，“前行脚步可能放缓”的焦虑正弥漫于坊间。
算力投资是否出现过热迹象？大模型的“Scaling Law”定律会不会失灵？众人翘首以盼的杀手级应用到底何时到来？面对接踵而来的挑战，仅靠单打独斗不足以应对愈发复杂的局面，生成式AI亟需携手平台级的战略伙伴，谋求崭新的突围路径。
谁能担此重任？非云厂商莫属。事实上，云计算已成为千行百业数字化转型的首选平台，以生成式AI为引擎的智能化快车只有驶入这条超级赛道，才能冲破横亘在眼前的各种障碍，进入自由驰骋的更高境界。
值得关注的是，主流云厂商围绕各种大模型均推出了不少创新举措，但生成式AI要实现彻底“出圈”，还离不开行业领头羊的震撼出击。在近日举办的2024亚马逊云科技re:Invent大会上，作为全球最大的云计算巨头，亚马逊云科技不仅在计算、存储、数据、模型推理等核心领域驱动人工智能底座跃迁，而且重磅推出生成式AI基础模型Amazon Nova，应用构建及开发服务Amazon Bedrock和Amazon Q也焕新升级，为云计算与生成式AI深度融合树立起新标杆。
根据笔者的观察，这是面向三层架构的全面发力模式，更开启了兼具系统性、根本性、开创性的“三级助推”新纪元，生成式AI有望在云计算的驱动下加速蜕变。
一级助推：以系统性变革思路，助力生成式AI三层架构全面升级
在替代传统IT建设模式的过程中，云计算逐步形成了IaaS、PaaS、SaaS三层经典架构。当生成式AI的浪潮扑面而来，很多云厂商开始探索架构调整的可能性，由此衍生出增加MaaS层等新的尝试。
亚马逊云科技的做法最为彻底，围绕生成式AI进行全栈布局，重新定义了三层架构，涵盖用于模型训练和推理的基础设施、使用基础模型进行构建的工具和开箱即用的应用程序。这充分体现出亚马逊云科技全面拥抱生成式AI的信心与决心，为云计算开疆扩土创造了必要条件。
有了上述铺垫，今年的re:Invent大会堪称见证“奇迹”的时刻。亚马逊云科技在三个层面全线出击，重磅推出诸多令人惊艳的产品。亚马逊云科技高级副总裁Peter DeSantis认为，这种澎湃的创新动力源自“深深扎进土壤的树根”，庞大而富有活力的根系会纵横扩展，为整个森林生态体系的再造贡献力量。
重塑底层基础设施，是构建生成式AI新生态的核心基石。亚马逊云科技的Trainium2芯片已在市场广泛应用，3nm的第三代AI训练芯片Trainium3也将于明年面世，基于其构建的Trainium加速器及服务器专门为人工智能工作负载量身定制，Amazon EC2 Trn2的性价比较GPU实例高30%~40%；同时，由全新NeuronLink技术集成的多服务器集群“UltraServer”比现有实例计算能力高出5倍，内存容量增加10倍，为大模型训练与推理保驾护航。
打造更强大、多元的中间层，是促进生成式AI再上台阶的重要保障。亚马逊云科技重磅发布6款Amazon Nova系列大模型，包括Micro、Lite、Pro、Premier四个版本的基础大模型，以及图像生成模型Canvas、视频生成模型Reel，明年一季度还将推出语音到语音的模型和多模态输入到多模态输出的前沿模型。这些大模型在性能上比肩一流水平且性价比超群，在Amazon Bedrock中还可进行微调和蒸馏，能满足不同类型客户的差异化需求。
优化应用程序开发进程，是生成式AI真正落地的必由之路。针对开发人员大量时间都花在非代码编写工作的痛点，Amazon Q Developer全新推出三个Agent，支持端到端的全面单元测试、准确的文档生成以及代码审查；Amazon Q Business则可连接不同的业务系统、企业数据源，使用户可以在安心挖掘数据价值；亚马逊云科技还发布将Amazon QuickSight和Amazon Q Business的数据全部结合的新功能，BI工具变得更加强大。
二级助推：以客户为原点创造独特价值，并让其拥有选择的主动权
如果说云计算三层架构的系统性变革是生成式AI起飞的一级助推器，那么回归商业本质——从客户实际需求出发，以独特模式创造价值，并将选择的主动权交给客户，则是生成式AI加速渗透的二级助推器。
在今年的re:Invent大会上，亚马逊云科技CEO Matt Garman分享了颇具借鉴意义的客户至上理念和逆向工作法。以金融行业为例：早期的银行客户认为不太可能将核心工作负载运行在云上，并列出合规性、监管、安全等一整套理由。亚马逊云科技并未畏难不前，大约用十年时间解决了清单上的每一个问题，许多大型金融公司都已成为其拥趸。
“当你想创新时，一定记住要从客户开始。你必须知道什么对他们最重要，但你不只是交付客户要求的东西，而要为他们创造新的可能。”正是基于这样的企业文化，亚马逊云科技没有依循曾盛行的捆绑式解决方案路径，而是开创性地将几乎所有技术能力分解为独立的“构建单元”，以安全、易用、高性价比的组件形式满足纷繁场景的复杂需求。
在生成式AI亟需突破瓶颈的关键节点，扮演承上启下角色的中间层无疑发挥着举足轻重的作用，而模型推理即是其中最核心的“构建单元”。Amazon Bedrock由此脱颖而出，堪称构建和扩展生成式AI应用的极简方式，可提供生成式AI从集成到应用所需的一切服务。
直面客户的需求痛点、持续探索最优方案，是Amazon Bedrock秉承的文化基因。为了最大限度降低企业使用大模型的门槛，亚马逊云科技发布模型蒸馏功能，可提升推理速度高达500%，成本降低75%；为克服生成式AI深度集成到企业生产环节的障碍，Amazon Bedrock上新自动推理检查功能，能检测幻觉并有效验证大模型的准确性；面对整合多个Agents执行复合型任务的新挑战，Amazon Bedrock multi-agent collaboration可确定Agent访问机密信息，按顺序触发或并行执行任务；为促进生成式AI更快落地，Amazon Bedrock低延迟优化推理服务让客户能在各种领先模型上获得卓越的推理性能。
不难看出，Amazon Bedrock将选择的主动权真正交给用户，与当年摒弃“捆绑”的思路一脉相承。用户可在最受欢迎的基础大模型中自由切换，Amazon Bedrock在提供微调、知识库、代理、模型评估等丰富功能的同时，还支持用户定制模型，确保其数据隐私和安全。
三级助推：探索颠覆性、开创性发展路径，打开生成式AI向上的天花板
在一、二级助推器的加持下，生成式AI有望扫除跃迁道路上的主要障碍，但总有一些前所未见、难度逆天的挑战，需要领先的云厂商探索具有颠覆性、开创性的发展路径。
由数据大爆发衍生的诸多难题，即是生成式AI面临的典型困境。作为人工智能新基座的倡导者与缔造者，亚马逊云科技正从存储、数据库、数据服务等维度多管齐下，有望摘得“冰山上的雪莲”。
存储创新是化解数据难题的底层基石。亚马逊云科技重新定义了面向数据湖的对象存储，Amazon S3 Tables可提供更好的性能、成本和规模扩展能力；Amazon S3 Metadata服务能自动从对象中提取元数据，并近实时地将其存储在新的Amazon S3 Tables桶中，为后续的数据分析与管理奠定坚实基础。
与存储面临的挑战相比，打破数据库的“不可能三角”难度更高。在相当长时间里，数据库无法同时达成低延迟、高可用性和强一致性。新鲜出炉的Amazon Aurora DSQL破除这一“魔咒”，可在全球范围内实现跨区域部署且无限扩展，兼具99.999%的多区域高可用性、强数据一致性和低延迟特征；针对NoSQL领域，亚马逊云科技推出Amazon DynamoDB global tables的多区域强一致性功能，填补了市场空白。
站在更开阔的视角，将数据全生命周期与人工智能融为一体，在用户端形成整合的体验，才是终极的破局之道。亚马逊云科技人工智能与数据部门副总裁Dr. Swami表示，Amazon SageMaker已成为数据分析和AI的一站式平台，将重塑生成式AI的游戏规则。全新发布的Amazon SageMaker Unified Studio提供整合的数据和人工智能开发环境，允许客户访问组织中的所有数据，并使用最适合的工具；面向应用程序的Zero-ETL则能帮助客户无需构建数据管道，便可分析存储在第三方SaaS应用程序中的数据。
大江大河的交汇处，更容易催生繁荣富庶之地。生成式AI、大数据、云计算都是奔腾不息的时代洪流，它们共同绘制的未来图景值得期待。
来源：IT创事记
