“AI or die”
至少有那麼一小段時間，雲計算行業真的開始擔心亞馬遜雲科技會落後。
彼時微軟押中OpenAI，風光一時無兩，激動人心的故事背後是一場豪賭，就連比爾·蓋茨也曾警告薩提亞·納德拉不要投資OpenAI，随後ChatGPT的現象級熱度讓一切質疑消弭于無形，OpenAI GPT和微軟Azure的組合似乎穩赢。
圖檔來源：unsplash
在“名不見經傳”的OpenAI爆火之前，谷歌一直是人工智能領域技術的标杆，OpenAI也是站在谷歌的肩膀上才有所成就，比如Transformer架構最早由谷歌推出，湧現現象由谷歌研究員發現。如果AI是雲服務未來最大的變量，那麼谷歌雲一定是最有力的競争者，位次還要在微軟Azure之前。
不得不向微軟Azure和谷歌雲脫帽緻敬，他們加速了人工智能改變一切的節奏，也讓雲服務的焦點轉向AI。這是一場“AI or die”的競賽，雲巨頭不僅要具備AI能力，還要比直接競争對手有更突出的差異化優勢。
當外界普遍為亞馬遜雲科技擔心時，Adam Selipsky顯然不這麼想，亞馬遜雲科技遍布全球的龐大基礎設施和繁榮的合作夥伴生态，是其長久以來的領先壁壘，外界都在期待亞馬遜雲科技的新底牌。
那些認為微軟Azure和谷歌雲能夠憑借大模型超過亞馬遜雲科技，或者說縮小與其差距的觀點，也同時抱有另一種期待，即一旦亞馬遜雲科技将AI納入其提供給客戶的強大服務生态系統，亞馬遜雲科技失去的任何陣地都會很快被彌補回來。
這就是2023年4月Amazon Bedrock誕生時的背景。相比于微軟和谷歌主推的OpenAI和Google PaLM，亞馬遜雲科技采取了不同的政策。
起初Amazon Bedrock主打多模型接入，亞馬遜雲科技的基礎模型 (Amazon Titan)，和各種第三方模型（如AI21 Labs、Anthropic、Stability AI 等），都可以通過API的方式接入。同時釋出的還有代碼生成器以及用于訓練和推理的雲上算力。
此後Amazon Bedrock不斷更新，增加全新基礎模型、基礎模型供應商以及 Agents功能，提供微調、知識庫、代理、模型評估等各種豐富的功能，同時還能與亞馬遜雲科技其他工作負載無縫內建。
圖檔來源：pixabay
總結來說就是三大方面，簡化選擇：多樣化業界基礎模型選擇； 簡化定制：提供持續預訓練，fine-tuning, RAG等方式；簡化內建：Agent on Amazon Bedrock。
最新一次的重磅更新，亞馬遜雲科技資料和人工智能副總裁Swami Sivasubramanian形容其為“Significant new capabilities make it easier to use Amazon Bedrock to build and scale generative AI applications – and achieve impressive results”。
重大更新、更易使用、效果顯著，成為Amazon Bedrock本次更新的關鍵詞。
大模型向下看，仍舊是雲平台
Amazon Bedrock對外釋出已有一年，過去一年，大模型依然在不斷疊代，甚至疊代得有些過于快速，以至于企業客戶不知道把應用做到什麼程度，Amazon Bedrock給出的答案是，雲廠商不隻負責大模型，而是對最終的業務效果負責。
Swami Sivasubramanian表示，Amazon Bedrock聚焦于客戶所需的關鍵領域，以适當的成本和速度建構可投入生産的企業級生成式 AI 應用程式。
當所有人都在關注大模型的時候，更應該關注支撐大模型所必需的雲服務，通過一系列的更新，Amazon Bedrock打造了一個端到端的、對客戶業務效果負責的平台，也讓業内再次把目光聚焦到亞馬遜雲科技。
首先，新增了Llama 3 的Llama 3 8B 和Llama 3 70B 版本模型，目前最強的開源模型正式GA。Llama 3 8B 擅長文本摘要、分類、情感分析和翻譯，适合有限資源和邊緣裝置場景。Llama 3 70B 在内容建立、對話式人工智能、語言了解、研發、企業、準确摘要、細緻分類/情感分析、語言模組化、對話系統、代碼生成和指令跟蹤方面表現出色。
同時Amazon Bedrock還預告了Amazon Titan Text Embeddings V2，Embeddings V2 提供256、512 和1024 向量空間尺寸，優先考慮降低成本，同時保留RAG 用例97%的準确性，性能優于其他領先模型。
以及即将支援Cohere的Command R和Command R+ 企業FM。Command R+是Cohere最強大的模型，針對長上下文任務進行了優化，而Command R則針對大規模生産工作負載進行了優化。
值得關注的是，Amazon Bedrock的模型評估工具全面可用，能夠根據特定應用場景的名額（如相關性、風格和品牌聲音）對模型進行評估，為客戶評估、比較和選擇适合其應用程式的最佳模型，将評估模型的時間從幾個星期縮短到幾個小時，評估後還會提供評估報告，為更多模型使用者提供參考。
钛媒體App觀察到，現階段客戶并不希望被一個模型綁定，基礎模型在進化，應用場景也在調試，客戶希望更多選擇、更低成本、更易調試不同的模型，來測試自己的業務效果，模型評估工具就很有必要且應景。
另外還有非常實用的Amazon Titan圖像生成器現已全面推出，客戶可以利用自然語言實作低成本、大量高效地生成圖像，并且每張圖像都包含不可見水印，有助于降低知識産權風險。
其次，如何讓企業更安全地定制模型，并将其內建到特定業務用例，Amazon Bedrock實作了自定義模型導入，客戶現在可以導入和通路流行的開放模型架構（包括 Flan-T5、Llama 和 Mistral）建構自定義模型，作為Amazon Bedrock中完全托管的應用程式程式設計接口（API）。
如此，客戶可以采用在 Amazon SageMaker 或其他工具上定制的模型，并将其輕松添加到Amazon Bedrock，并且經過自動驗證後無縫通路其自定義模型，就像Amazon Bedrock提供的模型一樣，效果和體驗拉滿，這也完全展現了Amazon Bedrock的開放性。
最後是安全，Amazon Bedrock的Guardrails現已全面上市，可幫助客戶防止有害内容并管理應用程式内的敏感資訊。客戶能夠定義内容政策、設定應用程式行為邊界并實施針對潛在風險的保護措施。 據了解，與Amazon Bedrock上FM本身提供的保護相比，它可以幫助客戶阻止多達85%的有害内容。
GenAI，延續亞馬遜雲科技的第一性原理
不得不說，輪到行業繼續向亞馬遜雲科技脫帽緻敬了，老大哥依舊是老大哥。
Amazon Bedrock僅用一年時間就扭轉了風向，行業依然關注大模型本身的技術進步，但更關注大模型能不能為我所用，這涉及到龐大的基礎設施、工程能力、生态系統等。
亞馬遜雲科技沒有選擇隻做大模型，而是以另一種方式，也是他們所擅長的方式，将人工智能融入到原有的生态系統中，數以萬計的客戶正在使用Amazon Bedrock來建構和擴充大模型應用程式。
亞馬遜雲科技就此建構了完備的生成式 AI 全棧布局，企業建構生成式AI 應用的三層架構，包括：用于基礎模型訓練和推理的基礎設施、使用基礎模型進行建構的工具、利用基礎模型建構的開箱即用的應用程式。
在底層算力層，一方面，亞馬遜雲科技繼續提供來自英偉達的計算執行個體，包括最新的NVIDIA Grace Blackwell GPU的Amazon EC2執行個體等；另一方面是亞馬遜雲科技自研晶片，包括推理晶片Inferentia和Trainium系列。
中間層是Amazon Bedrock 以及各種附加功能。上層是包括Amazon Q在内的應用程式，Amazon Q可以連接配接到企業自己的資料、資訊和系統，可以根據客戶的業務定制Amazon Q，企業中的營銷人員、項目經理以及銷售代表等，都可以利用Q進行定制對話、解決問題、生成内容、采取行動等等，據悉，亞馬遜雲科技即将帶來進一步的更新。
如果說大模型改變了雲計算行業的遊戲規則，那麼如今行業人士會發現，亞馬遜雲科技制定的遊戲規則，在更廣泛的層面還在發揮着作用。
OpenAI GPT和Google PaLM足夠引人注目，但同時也為微軟Azure和谷歌雲制造了新的競争問題，市面上還有很多模型公司，Amazon Bedrock為這些模型公司建立了一個相同的起點，客戶得以同等體驗不同的模型。
在钛媒體App看來，亞馬遜雲科技不論是做雲還是做生成式AI，其基本理念和邏輯如出一轍，是以亞馬遜雲科技不必搖擺去思考到底怎麼做、做什麼，而是直接按照第一性原理，做出最适合亞馬遜雲科技的Amazon Bedrock。
早年Andy Jassy做雲計算的理念是——“将IT基礎設施細分到最小單元，讓程式員可以最大自由來選擇與組合”，亞馬遜雲科技的确是這麼做的，到了大模型依然如此。
翻閱Swami Sivasubramanian在Amazon Bedrock剛釋出時的觀點，“我們生活在一個機器學習非常激動人心的時代。我可能每年都這麼說，但是今年它甚至更特别，因為這些大型語言模型和基礎模型确實可以支援如此多的用例，在這些用例中，人們不必組建單獨的團隊來建構特定于任務的模型。機器學習模型開發的速度将真正提高。”
“但在未來幾年裡，除非我們讓這些模型對每個人都更容易使用，否則你不會達到你想要的最終狀态。這就是我們在SageMaker早期的機器學習中所做的，這也是我們在Bedrock及其所有應用程式中需要做的。”他說。
人工智能是比IT更複雜的技術堆棧，亞馬遜雲科技依舊兌現了此前的承諾，讓企業内的任何開發人員都能夠自由建構生成式AI應用，而無需關注複雜的機器學習或底層基礎設施，也讓人工智能成為到達雲計算應許之地的關鍵一躍。
（本文首發于钛媒體App，作者 | 張帥，編輯 | 劉湘明）