承着AI的东风，生成式AI迎来了“高光时刻”。

除了众多厂商争先切入、发布大模型外，行业对这一趋势的发展也持积极态度。国际信息调查机构IDC最新报告显示，到2027年，全球生成式AI支出将达到1430亿美元，复合年增长率为73.3%。可见，未来几年生成式AI将有一番新天地。

的确，生成式AI并非“徒有其名”，它通过颠覆内容生产模式，加速企业生产方式变革，为普罗大众创造出耳目一新的服务体验。

作为AI技术的先行者和领导者，亚马逊云科技切入生成式AI的动作又快又准。在2023 亚马逊云科技re:Invent中国行北京站活动中，向中国市场同步了美国re:Invent中的丰富内容，比如芯片、开发工具、数据库在内的系列产品、完整的数据战略、生成式AI三层架构等，让我们看到亚马逊云科技在AI时代的深度思考。

企业对生成式AI的期待在哪里？亚马逊云科技怎样帮助企业重塑生产力？背后的数据战略又承担了什么角色？让我们深度解读亚马逊云科技在生成式AI上的布局。

生成式AI的行业价值不容小觑。麦肯锡发布的《生成式人工智能的经济潜力：下一波生产力浪潮》研究报告指出，如果将分析的63种生成式人工智能应用于各行各业，将为全球经济每年带来2.6万亿至3.1万亿美元的增长。

那么，企业对生成式AI的期待在哪里？

主要集中在三点，一是要简单，最好是与业务结合后可以直接用。因为大部分企业并不擅长“造工具”，也没必要，从底层基础设施干起对企业消耗巨大。二是要低成本。生成式AI虽好，但如果费用过高，大部分企业也负担不起。三，要安全。生成式AI与大模型紧密相连，牵扯到数据采集、模型训练等各个环节，因此，数据安全要考虑。

但是，能不能找到满足上述期待的合作伙伴，就考验企业的智慧了。

在IDC 的一项调查中，针对“在未来12个月，您更可能选择哪类厂商作为最重要的生成式AI战略合作伙伴？”问题，无论是在全球还是在中国，公有云提供商都排在第一位，分别占比36%、31%。

这说明，公有云厂商是行业公认的可靠生成式AI伙伴。

作为公有云的主力军，亚马逊云科技是很有感知力和行动力的，从快速推出芯片、存储等基础设施，大模型服务平台和AI助手各个维度入手，紧紧抓牢生成式AI的机会，持续领先。

打铁还需自身硬，生成式AI这笔生意确实“诱人”，但困难也很大。

算力能不能禁得住企业海量数据的考验？当企业想快速构建应用时，工具能不能跟上企业创新速度？而且，企业的全部需求能不能都满足？显然，大部分厂商不能做到。

亚马逊云科技是有底气的，因为亚马逊云科技推出了三层生成式AI技术架构。借此架构，亚马逊云科技可为客户提供构建生成式AI应用和创新的一切，让客户安全快速地用生成式AI技术重塑业务。

首先底层是基础设施底座，包括芯片、存储优化等，属于加速层。如果将生成式AI比作参天大树，那么底层就是扎根土壤的“根系”，能源源不断地为树干提供养分。

典型的是Amazon Graviton4和Amazon Trainium2自研芯片，可为机器学习训练和生成式AI应用等广泛的工作负载提供更高性价比和能效。

其中，Amazon Graviton4与Amazon Graviton3处理器相比，性能提升高达30%，独立核心增加50%以上，内存带宽提升75%以上，为在Amazon Elastic Compute Cloud (Amazon EC2)上运行的工作负载提供最佳性能和能效。

要知道，Amazon Graviton系列首款产品在2018年发布，短短5年间就更迭了四代，数据处理能力提升飞快。

而Amazon Trainium2可以说是“为生成式AI而生”。众所周知，生成式 AI 应用离不开基础模型和大语言模型的支持，因此需要更强大的算力支撑。

这一点，Amazon Trainium2芯片有能力胜任。与第一代Amazon Trainium芯片相比，其性能提升多达4倍，内存提升3倍，能源效率（每瓦性能）提升多达2倍。Amazon EC2 Trn2实例采用最新的Amazon Trainium2，一个单独实例包含16个Amazon Trainium加速芯片。

中间层是使用基础模型进行构建的工具，能让企业的创新更加高效。代表是全托管服务Amazon Bedrock，降低了企业构建生成式AI应用程序的门槛。

大模型时代，企业想要通过单一模型实现创新是几乎不可能的，通常需要集合不同大模型的优势来创造契合自己场景的生成式AI。Amazon Bedrock 提供全面托管的服务，帮助用户轻松访问来自AI21 Labs、Anthropic、Cohere、Meta、Stability AI和亚马逊云科技的多种行业领先大语言模型和其他模型。

简单说，Amazon Bedrock 赋予了客户模型选择自由。比如，其丰富的行业领先的模型选择和评估模型新功能，让客户不被单一模型限制。

而且，除了第三方模型外，Amazon Bedrock还包含了亚马逊云科技自研的、最新升级的基础模型Amazon Titan。

同时，对于缺乏经验的企业来说，模型的筛选也是难题。Amazon Bedrock 的“模型评估”功能恰好能帮助企业穿透大模型选择的“迷雾”，简化确定基准、设置评估工具和运行评估等原本复杂耗时的流程，实现科学的评估和筛选，最终克服“选择困难症”。

上层是生成式AI的相关应用，企业级生成式AI助手Amazon Q，就是企业可以快速上手的应用。

当前，企业文档和数据已经成为企业的重要资产。但是从财务、人力资源，到营销，到销售，每个角色都需要耗费大量时间进行信息检索、拼凑分析结果、写报告等。而且，企业规模越大，工作量越大。

Amazon Q是一位颇具“智慧”的助理， 它在各类工作场景中，化身得力助手，帮助员工完成日常任务，比如，战略文档总结、内部支持票填写以及回答有关公司政策的问题。更重要的是，Amazon Q可以根据用户的业务进行定制，这样用户可以使用其数据询问有关其业务的问题，不用再从海量的工作文档中中检索。

Amazon Q还可以和众多的亚马逊云科技的应用和服务集成，比如，集成了 Amazon QuickSight 中新增的生成式 BI 功能，用户可以通过自然语言提示来生成、定制和共享极具信息量的可视化图表。

从三层架构的逻辑看，亚马逊云科技思维清晰，能像“建房子”一样，打牢“地基”到“房梁”的各个部分，且每一部分能力都是平衡的，不会出现短板。

由此看，亚马逊云科技具备生成式AI综合实力，能让企业在任何场景、任何阶段快速开启创新。正如亚马逊云科技大中华区产品部总经理陈晓建所说，“亚马逊云科技从客户需求出发， 持续引领创新，重塑创新，让生成式AI赋能千行百业”。

对企业来说，数据即是资产，也是“麻烦”，因为随着业务的增加，企业的数据越来越多，如何盘活数据，让数据流动起来就成了难题。

因此，生成式AI能力的养成，需要一套完整的数据思路和数据战略，涉及数据的存储、计算、调用、治理等各个方面，是数据智慧的集中体现。亚马逊云科技的逻辑是，通过打造坚实的数据基础，实现智能化数据集成和数据治理，帮助企业将数据转换为资产，为生成式AI提供强有力的支持。

为此，亚马逊云科技打造出了全面、集成、受治理的数据基座，形成了三纵的数据战略。

一是全面，为了帮助客户通过数据激发创新，亚马逊云科技提供了广泛而深入的数据服务，比如新增支持向量数据库的系列功能，包括全新发布的Vector Engine for OpenSearch Serverless，能够带来更高效的搜索和流程处理；Amazon DocumentDB和Amazon DynamoDB新增支持向量检索功能，允许用户将多种数据存储在一起。

二是集成， 新发布的Zero-ETL 集成了Amazon Aurora PostgreSQL、Amazon DynamoDB、Amazon Relational Database Service（Amazon RDS）for MySQL与Amazon Redshift的能力，使客户能够快速、轻松地连接和分析数据，而不用构建建和管理复杂的提取、转换和加载 (ETL) 数据管道。

也就是说，客户的数据无论存储在哪里，这些Zero-ETL集成特性都能简化数据连接和操作流程，帮助客户深挖数据价值，做出更明智的数据驱动决策。

三是受治理，本质是实现数据管理，且确保数据安全。比如Amazon Clean Rooms ML允许用户在不共享底层数据的情况下，与业务伙伴共同使用机器学习模型。前文提到的Amazon Q，也可以帮助用户更好的管理数据，实现便捷、直观，更容易访问。

基于完整的数据战略，亚马逊云科技在解决企业用数困难的同时，还能将数据安全交给企业。这也是亚马逊云科技在生成式AI的赛道上“一骑绝尘”的关键原因。

生成式AI不是空中楼阁，是牵一发动全身的系统性工程。亚马逊云科技无疑抓住了先行机会，占据了优势，更难能可贵的是，还在努力将优势拉大。

在北京站的活动中，“重塑”一词贯穿全程。这意味亚马逊云科技会将最新的生成式AI能力一直带给企业。

仔细分析，亚马逊云科技也具备这样的能力。从基础设施、应用、算力、安全等方方面面，亚马逊云科技一直是这样做的。通过赋予企业最新的创新方式、最强的创新能力，亚马逊云科技以自己的一小步，推动生成式AI的一大步。

面向未来，亚马逊云科技将继续深入生成式AI，将晦涩技术变成企业的标配，不断推动产业共生，行业共荣。

温馨提示

2023亚马逊云科技re:Invent中国行活动火热进行中，接下来将走进上海、广州、深圳、成都、青岛、南京、西安、杭州、长沙9个城市。如果您也想抓住生成式AI机会，掌握创新新模式，期待您的参与和持续关注。

微信搜索大数网，看亚马逊云科技 re:Invent 2023 的所有热门发布阅读原文链接。