作者｜张帅
编辑｜刘湘明
本文首发于钛媒体APP
“AI or die”
至少有那么一小段时间，云计算行业真的开始担心亚马逊云科技会落后。
彼时微软押中OpenAI，风光一时无两，激动人心的故事背后是一场豪赌，就连比尔·盖茨也曾警告萨提亚·纳德拉不要投资OpenAI，随后ChatGPT的现象级热度让一切质疑消弭于无形，OpenAI GPT和微软Azure的组合似乎稳赢。
图片来源：unsplash
在“名不见经传”的OpenAI爆火之前，谷歌一直是人工智能领域技术的标杆，OpenAI也是站在谷歌的肩膀上才有所成就，比如Transformer架构最早由谷歌推出，涌现现象由谷歌研究员发现。如果AI是云服务未来最大的变量，那么谷歌云一定是最有力的竞争者，位次还要在微软Azure之前。
不得不向微软Azure和谷歌云脱帽致敬，他们加速了人工智能改变一切的节奏，也让云服务的焦点转向AI。这是一场“AI or die”的竞赛，云巨头不仅要具备AI能力，还要比直接竞争对手有更突出的差异化优势。
当外界普遍为亚马逊云科技担心时，Adam Selipsky显然不这么想，亚马逊云科技遍布全球的庞大基础设施和繁荣的合作伙伴生态，是其长久以来的领先壁垒，外界都在期待亚马逊云科技的新底牌。
那些认为微软Azure和谷歌云能够凭借大模型超过亚马逊云科技，或者说缩小与其差距的观点，也同时抱有另一种期待，即一旦亚马逊云科技将AI纳入其提供给客户的强大服务生态系统，亚马逊云科技失去的任何阵地都会很快被弥补回来。
这就是2023年4月Amazon Bedrock诞生时的背景。相比于微软和谷歌主推的OpenAI和Google PaLM，亚马逊云科技采取了不同的策略。
起初Amazon Bedrock主打多模型接入，亚马逊云科技的基础模型(Amazon Titan），和各种第三方模型（如AI21 Labs、Anthropic、Stability AI等），都可以通过API的方式接入。同时发布的还有代码生成器以及用于训练和推理的云上算力。
此后Amazon Bedrock不断更新，增加全新基础模型、基础模型供应商以及Agents功能，提供微调、知识库、代理、模型评估等各种丰富的功能，同时还能与亚马逊云科技其他工作负载无缝集成。
图片来源：pixabay
总结来说就是三大方面，简化选择：多样化业界基础模型选择；简化定制：提供持续预训练，fine-tuning, RAG等方式；简化集成：Agent on Amazon Bedrock。
最新一次的重磅更新，亚马逊云科技数据和人工智能副总裁Swami Sivasubramanian形容其为“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、效果显著，成为Amazon Bedrock本次更新的关键词。
大模型向下看，仍旧是云平台
Amazon Bedrock对外发布已有一年，过去一年，大模型依然在不断迭代，甚至迭代得有些过于快速，以至于企业客户不知道把应用做到什么程度，Amazon Bedrock给出的答案是，云厂商不只负责大模型，而是对最终的业务效果负责。
Swami Sivasubramanian表示，Amazon Bedrock聚焦于客户所需的关键领域，以适当的成本和速度构建可投入生产的企业级生成式AI 应用程序。
当所有人都在关注大模型的时候，更应该关注支撑大模型所必需的云服务，通过一系列的更新，Amazon Bedrock打造了一个端到端的、对客户业务效果负责的平台，也让业内再次把目光聚焦到亚马逊云科技。
首先，新增了Llama 3的Llama 3 8B和Llama 3 70B版本模型，目前最强的开源模型正式GA。Llama 3 8B擅长文本摘要、分类、情感分析和翻译，适合有限资源和边缘设备场景。Llama 3 70B在内容创建、对话式人工智能、语言理解、研发、企业、准确摘要、细致分类/情感分析、语言建模、对话系统、代码生成和指令跟踪方面表现出色。
同时Amazon Bedrock还预告了Amazon Titan Text Embeddings V2，Embeddings V2提供256、512和1024向量空间尺寸，优先考虑降低成本，同时保留RAG用例97%的准确性，性能优于其他领先模型。
以及即将支持Cohere的Command R和Command R+企业FM。Command R+是Cohere最强大的模型，针对长上下文任务进行了优化，而Command R则针对大规模生产工作负载进行了优化。
值得关注的是，Amazon Bedrock 的模型评估工具全面可用，能够根据特定应用场景的指标（如相关性、风格和品牌声音）对模型进行评估，为客户评估、比较和选择适合其应用程序的最佳模型，将评估模型的时间从几个星期缩短到几个小时，评估后还会提供评估报告，为更多模型使用者提供参考。
钛媒体App观察到，现阶段客户并不希望被一个模型绑定，基础模型在进化，应用场景也在调试，客户希望更多选择、更低成本、更易调试不同的模型，来测试自己的业务效果，模型评估工具就很有必要且应景。
另外还有非常实用的Amazon Titan图像生成器现已全面推出，客户可以利用自然语言实现低成本、大量高效地生成图像，并且每张图像都包含不可见水印，有助于降低知识产权风险。
其次，如何让企业更安全地定制模型，并将其集成到特定业务用例，Amazon Bedrock实现了自定义模型导入，客户现在可以导入和访问流行的开放模型架构（包括Flan-T5、Llama和Mistral）构建自定义模型，作为Amazon Bedrock中完全托管的应用程序编程接口 （API）。
如此，客户可以采用在Amazon SageMaker或其他工具上定制的模型，并将其轻松添加到Amazon Bedrock，并且经过自动验证后无缝访问其自定义模型，就像Amazon Bedrock提供的模型一样，效果和体验拉满，这也完全体现了Amazon Bedrock的开放性。
最后是安全，Amazon Bedrock的Guardrails现已全面上市，可帮助客户防止有害内容并管理应用程序内的敏感信息。客户能够定义内容策略、设置应用程序行为边界并实施针对潜在风险的保护措施。 据了解，与Amazon Bedrock上FM本身提供的保护相比，它可以帮助客户阻止多达85%的有害内容。
GenAI，延续亚马逊云科技的第一性原理
不得不说，轮到行业继续向亚马逊云科技脱帽致敬了，老大哥依旧是老大哥。
Amazon Bedrock仅用一年时间就扭转了风向，行业依然关注大模型本身的技术进步，但更关注大模型能不能为我所用，这涉及到庞大的基础设施、工程能力、生态系统等。
亚马逊云科技没有选择只做大模型，而是以另一种方式，也是他们所擅长的方式，将人工智能融入到原有的生态系统中，数以万计的客户正在使用Amazon Bedrock来构建和扩展大模型应用程序。
亚马逊云科技就此构建了完备的生成式AI全栈布局，企业构建生成式AI 应用的三层架构，包括：用于基础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、利用基础模型构建的开箱即用的应用程序。
在底层算力层，一方面，亚马逊云科技继续提供来自英伟达的计算实例，包括最新的NVIDIA Grace Blackwell GPU的Amazon EC2实例等；另一方面是亚马逊云科技自研芯片，包括推理芯片Inferentia和Trainium系列。
中间层是Amazon Bedrock以及各种附加功能。上层是包括Amazon Q在内的应用程序，Amazon Q可以连接到企业自己的数据、信息和系统，可以根据客户的业务定制Amazon Q，企业中的营销人员、项目经理以及销售代表等，都可以利用Q进行定制对话、解决问题、生成内容、采取行动等等，据悉，亚马逊云科技即将带来进一步的更新。
如果说大模型改变了云计算行业的游戏规则，那么如今行业人士会发现，亚马逊云科技制定的游戏规则，在更广泛的层面还在发挥着作用。
OpenAI GPT和Google PaLM足够引人注目，但同时也为微软Azure和谷歌云制造了新的竞争问题，市面上还有很多模型公司，Amazon Bedrock为这些模型公司建立了一个相同的起点，客户得以同等体验不同的模型。
在钛媒体App看来，亚马逊云科技不论是做云还是做生成式AI，其基本理念和逻辑如出一辙，所以亚马逊云科技不必摇摆去思考到底怎么做、做什么，而是直接按照第一性原理，做出最适合亚马逊云科技的Amazon Bedrock。
早年Andy Jassy做云计算的理念是——“将IT基础设施细分到最小单元，让程序员可以最大自由来选择与组合”，亚马逊云科技的确是这么做的，到了大模型依然如此。
翻阅Swami Sivasubramanian在Amazon Bedrock刚发布时的观点，“我们生活在一个机器学习非常激动人心的时代。我可能每年都这么说，但是今年它甚至更特别，因为这些大型语言模型和基础模型确实可以支持如此多的用例，在这些用例中，人们不必组建单独的团队来构建特定于任务的模型。机器学习模型开发的速度将真正提高。”
“但在未来几年里，除非我们让这些模型对每个人都更容易使用，否则你不会达到你想要的最终状态。这就是我们在SageMaker早期的机器学习中所做的，这也是我们在Bedrock及其所有应用程序中需要做的。”他说。
人工智能是比IT更复杂的技术堆栈，亚马逊云科技依旧兑现了此前的承诺，让企业内的任何开发人员都能够自由构建生成式AI应用，而无需关注复杂的机器学习或底层基础设施，也让人工智能成为到达云计算应许之地的关键一跃。
（本文首发于钛媒体App）
