云計算行業很久沒有這么熱鬧了，這一次，行業集體看到了誘人的新果實，垂涎欲滴。

毋庸置疑，AIGC是云計算的Game changer，將從根本上改變云計算乃至整個科技行業的游戲規則，作為云計算行業的Game Rulemaker，亞馬遜云科技也展露出新的崢嶸。

(資料圖片僅供參考)

4月13日，亞馬遜云科技宣布推出生成式 AI 新工具，包括Amazon Bedrock和Amazon Titan模型，也涵蓋極具性價比的Amazon EC2 Trn1n和Amazon EC2 Inf2實例，AI編程助手Amazon CodeWhisperer同時發布。

“大多數公司都想使用這些大型語言模型，但真正好的大型語言模型需要花費數十億美元來訓練很多年，大多數公司都不想經歷這些，”亞馬遜首席執行官安迪·賈西表示。“因此，他們想要的是，希望從一個已經非常大的基礎模型中脫穎而出，然后能夠根據自己的目的對其進行定制”。

于內于外，云廠商都有意愿和動力參與這次盛宴，開展大模型業務所需要的算力、算法和數據，云廠商都有一定的優勢，并且，若論面向客戶的產品工程化輸出能力，云廠商顯然更合適。

AI，是云產業高枝上的果實

經濟學中有一個名詞，叫做“低垂的果實”，一棵果樹上總有一些果子結在較低的位置，樹下的人們伸手可得，套用在云計算領域十分應景。

過去十年，是云計算行業高速發展的十年，亞馬遜云科技將云計算的技術和商業模式厘清之后，云廠商們只需要踮踮腳，就能摘下低垂又飽滿的果實，然而，這種增長不可能無限持續。

“突飛猛進的‘低垂的果子’時代已經結束了，大家都要開始有跑馬拉松的耐心。”，一位云計算行業高管在數年前就做出該論斷，隨后一步步被時間驗證。

從云計算應用程度最高的美國，傳遞到數字化相對滯后的全球其他地區，從最先采用云計算的互聯網行業，到遷移改造上云的大型政企部門，以收入全局觀測，云廠商始終能夠摘到低垂的果實，直至低垂果實逐漸被摘盡。

頭部云廠商在財報中披露的業績數據，是云市場最直觀的晴雨表。在最新一季的云廠商財報中，大家都不可避免地遭遇了增速下滑，盡管有宏觀經濟的影響、后疫情時代企業IT支出恢復不及預期等因素，但是結合一段時間內的增速變化，云廠商增長持續放緩，且創下增速新低，已經是云計算行業面臨的共性難題。

與此同時，一些廠商早已走上馬拉松的賽道，他們向下投資硬件，向上拓展應用場景，希望用更低的成本撬動更高價值的業務場景，亞馬遜云科技就是典型代表，其很早就在數據與AI產品方面持續投入，積累了深厚的技術經驗與豐富的客戶案例，也引得不少云廠商效仿。

知其然，更要知其所以然，在云環境中，基于機器學習 (ML) 算法的 AI 軟件，可以為客戶和用戶提供直觀且互聯的體驗，但是亞馬遜云科技的投入要追溯到此前的足跡。

例如亞馬遜的電商推薦引擎、運營中心撿貨機器人的路徑選擇，以及供應鏈、預測和產能規劃，再如Prime Air（亞馬遜無人機）和Amazon Go中的計算機視覺技術，Alexa每周與客戶的數十億次回答。

不過，讓人沮喪的是，人工智能技術和產業走過六十余年，三起三落之間，始終沒有一個“殺手級應用”，這也就導致人工智能的規模化價值很分散，數據密集型負載以往在云上的效果也不佳，AI云的發展亦步亦趨。

如今，大模型被視為人工智能產業的一個轉折點，包括亞馬遜在內的廠商們，在以往為自己積累的籌碼，開始兌現價值，成為云廠商向上摘取高價值果實的階梯。

云與大模型，廣且深的護城河

行業公認的是，大模型是巨頭的游戲，正如安迪·賈西所言，能夠有足夠資金和資源自建大模型的廠商，絕對不會太多。從另一個維度來看，大模型也不是巨頭的獨角戲，云和人工智能的發展，都高度依賴產業生態的構建。

云計算的本質是云廠商將自己的儲備內生外化，以工程化產品輸出給客戶，在大模型領域又得到了加強，大模型時代，企業用戶既看重大模型本身的效用，也在意自己能否獲得簡單易用的體驗。

云是AI的承載，AI將成為云的核心抓手，開展大模型所需要的算法、算力和數據等能力，以及覆蓋IaaS、PaaS、MaaS的解決方案，都考較著云廠商本身的技術儲備。

以亞馬遜云科技本次推出的生成式AI新工具而言，最讓人印象深刻的是Amazon Bedrock，用戶通過API可以訪問來自AI21 Labs、Anthropic、Stability AI和亞馬遜云科技的基礎模型，從文本到圖像均有，其中也包括Amazon Titan的兩個基礎模型(Amazon Titan Text and Amazon Titan Embeddings）。

這就解決了一些行業客戶擔心的綁定問題，亞馬遜云科技集合了更多的大模型，客戶可以自由選擇亞馬遜基礎模型或者其他公司的大模型，既做到針對性調優，又提供更多選擇，使之不必擔心被一個大模型或者云廠商綁定。

Bedrock最突出的特性之一是足夠低的門檻，客戶甚至只需向Bedrock展示Amazon S3中的幾個標注好的數據示例，Bedrock就可以針對特定任務微調模型，最少僅需20個示例，就能訓練出一個客戶自己的場景化產品。

Bedrock的打磨顯然不是一蹴而就，向上向下觀測，亞馬遜云科技的在人工智能和機器學習堆棧的三個層級，都建立了深且廣的護城河。

算力也是Bedrock低門檻的表現之一，大模型考驗的不僅是大模型本身，算力是企業要面臨的第一重難關。公開資料顯示，訓練成本以數百萬美元計算，未來大模型普遍應用之后，推理成本可能比訓練還要高出一個數量級，具備自研芯片的云廠商能夠以更低的成本，提供更大的算力，相比其他云廠商有天然的競爭力。

亞馬遜云科技自研的Trainium和Inferentia芯片，就構成了對其他廠商的碾壓性優勢，根據亞馬遜云科技公布的數據，由Trainium支持的Trn1計算實例與其他任何EC2實例相比，都可以節省高達50%的訓練成本，在同一可用區中支持3萬個Trainium芯片互聯，相當于超過6 exaflops的計算能力，并具有PB級網絡。

由Amazon Inferentia2提供支持的Inf2實例也對外正式可用，與上一代相比，Inf2實例吞吐量提高了4倍，延遲降低了10倍，還可實現加速器之間的超高速連接以支持大規模分布式推理。與同類Amazon EC2實例相比，推理性價比提高了40%。

Amazon SageMaker一直是亞馬遜云科技的明星產品，IT 工程師可以輕松地構建和訓練機器學習模型，然后直接將模型部署到生產就緒托管環境中，本次亞馬遜云科技更進一步，推出了大量服務，使客戶通過簡單的API調用就可添加AI功能到應用程序中，如圖像識別、預測和智能搜索。

AI云，跨過奇點時刻

美國作家盧克·多梅爾在《人工智能》一書中提出了“奇點”的概念，奇點指的是機器在智能方面超過人類的那個點，現在雖然不能說人工智能已經比人類更聰明，但是它在很多場景已經能夠替代部分人類工作，在商業化方面具備巨大的想象空間。

而在人工智能改變各行各業之前，先改變了云計算，云計算和人工智能成為強綁定的關系，未來無限的人工智能場景，意味著相同規模的云計算消耗。

有觀點認為，云計算幾乎完成了對技術的統治，云解決方案變得普遍，相對于其他技術方案，云的成本效應突出，并且可選擇的能力變得更多，沒有公司會拒絕成本更低且選擇更多的解決方案，人工智能自然而然生長在云之上。

云客戶對大模型的需求是熱烈且現實的，亞馬遜云科技綜合了客戶在云上的大模型需求，首先，他們需要能直接找到并訪問高性能基礎模型，這些模型需要能夠給出最匹配業務場景的優秀反饋結果。

其次，客戶希望無縫與應用程序集成，且無需管理大量基礎設施集群，也不會增加過高的成本。

最后，客戶希望能夠輕松上手，基于基礎模型，利用自己的數據（可多可少）構建差異化的應用程序。由于客戶進行定制化的數據是非常有價值的 IP，因此需要在處理過程中確保數據安全和隱私保護。同時，客戶還希望能控制數據共享和使用。

綜合這些需求，亞馬遜云科技才有了一系列的生成式AI工具，可以清晰地看出，亞馬遜云科技目前的兩個方向，一是把價格打下來，現在的訓練以及未來的推理，成本低到客戶能夠接受，大模型才有規模應用的空間；二是價值足夠突出，只有客戶在自己的業務場景中提質增效，簡單低門檻的使用大模型，人工智能的價值才會被認可。

相關數據顯示，在預估AI的技術影響時，僅通過將AI集成到在線工作中，每年就可以在 19 個國家/地區產生 3.5 萬億至 5.8 萬億美元的價值。

大模型時代轟轟烈烈，企業要么主動轉型，要么被動擁抱，通過亞馬遜云科技的人工智能和機器學習服務，企業、合作伙伴可以輕松地構建和部署行業模型，讓業務朝向人工智能做奮力一躍。

* 據了解，5月25日將舉辦亞馬遜云科技大模型及生成式AI發布深度解讀大會，助力探索企業業務與新技術結合的更多可能。

關鍵詞：