去年底，OpenAI掀起的生成式AI浪潮席卷全球。

如今，生成式AI赛道依然火爆，越来越多行业用户也意识到生成式AI将对于其业务带来巨大影响。但生成式AI应用的打造，除了大语言模型之外，其实更像是一个复杂的系统工程，涉及到计算、数据、模型调优、应用开发等一系列复杂的工作。

因此，“入局”大模型依然是一件很高门槛的事情。如何让生成式AI门槛降低、惠及行业用户？近日，在亚马逊云科技生成式AI构建者大会上，亚马逊云科技带来了它的答案。

亚马逊云科技大中华区产品部总经理陈晓建介绍，亚马逊云科技正从应用场景、工具和基础设施、数据基座、AI原生应用构建和生成式AI服务五个层面帮助企业降低生成式AI应用开发门槛，加速实现生成式AI潜力的全面释放。

赋能创新，亚马逊云科技打造生成式AI全栈服务

麦肯锡《生成式人工智能的经济潜力：下一波生产力浪潮》报告显示，分析当前63种生成式AI应用于各行各业，将为全球经济每年带来2.6万亿至4.4万亿美元的增长。

可以说，生成式AI已经初具产业魅力，吸引了越来越多企业的目光。与此同时，生成式AI赛道也涌入了大批公司，中国市场更是上演了“百模大战”。对于亚马逊云科技等云服务商而言，生成式AI也是市场中必须争夺的一个战略制高点。

从今年4月起，亚马逊云科技推出包括Amazon Bedrock、Amazon Titan基础模型、Amazon CodeWhisperer AI编程工具等多款生成式AI产品和服务。

其中Amazon Bedrock是一项全托管生成式AI服务，它允许用户通过API访问亚马逊云科技和第三方基础模型提供商的预训练基础模型。目前，Amazon Bedrock支持Meta、Anthropic、Stability AI、AI21 Labs、Cohere等第三方开发商的主流大模型。

毫无疑问，Amazon Bedrock代表了云服务商在大模型服务上的一个重要方向，即利用云服务商自身的基础设施优势，通过大模型服务来屏蔽基础设施的复杂性，降低大模型使用的门槛。陈晓建介绍，Amazon Bedrock是无服务器化的云服务，并且提供广泛的模型选择和数据隐私保护，用户可以轻松构建和扩展生成式AI应用程序。

以金山办公为例，其在年初将大语言模型能力引入到办公产品之中时，就遇到了基础模型性能有限、数据安全难保障、高额投入等一系列挑战。为此，金山办公成为Amazon Bedrock国内第一批预览版用户，利用Amazon Bedrock支持大模型在金山办公软件多个场景中的需求。

此外，Amazon CodeWhisperer是一款AI编程工具。众所周知，编程是生成式AI技术快速应用的领域之一，众多开发者开始尝试利用AI编程工具来提升开发效率。Amazon CodeWhisperer在基础模型高级选项中使用，可以实时生成代码建议，使用Amazon CodeWhisperer的开发者完成任务的速度平均快57%，成功率高27%。

在数据处理层面，亚马逊云科技推出了，Amazon DataZone数据治理服务，可以跨组织边界发现、访问、共享和治理大规模数据，并减少企业内部成员访问数据和使用分析工具时繁重的工作量。针对检索增强生成（RAG,Retrieval Augment GenerationRAG）需要处理的向量数据，亚马逊云科技为Amazon OpenSearch Service、Amazon Aurora PostgreSQL和 Amazon RDS for PostgreSQL加入向量数据库功能。

在基础设施层面，亚马逊云科技提供客户最为广泛的GPU和AI加速器服务，包括英伟达最新GPU H100的计算实例Amazon EC2 P5，基于自研机器学习推理芯片Amazon Inferentia2的Amazon EC2 Inf2实例、基于自研机器学习训练芯片Amazon Trainium的Amazon EC2 Trn1实例等，用户可以根据需求来灵活选择不同的基础设施服务。

事实上，开发生成式AI应用就像一个充满挑战的系统工程，不是简单的产品、服务堆叠。陈晓建总结道：“生成式AI应用就像海面上的冰山，大模型是被大多数人看到的冰山一角，底部则需要数据分析、数据安全等一系列服务。亚马逊云科技提供完整的端到端生成式AI技术栈，来加速用户最终的商业化落地。”

构建生成式AI都应该注意什么

毫无疑问，生成式AI正处于产业发展起步阶段，对绝大多数企业而言都是陌生的，很多企业对于生成式AI是“想入局却不知道怎么操作”的状态。

亚马逊云科技通过对大量企业服务的积累，逐步给出了“端到端的构建生成式AI应用”的关键路径五步走的方法论。

首先，亚马逊云科技建议用户在尝试生成式AI时需要选择合适的场景入手，尤其是典型、经过 验证的场景进行尝试。当前，生成式AI对营销与销售、产品与研发、软件工程和客户运营等工作能够带来显著收益，企业选择这些场景入手既能降低门槛和风险，也能够提升业务效率。

其次，亚马逊云科技建议认为用户需要通过专门构建的生成式AI工具和基础设施来快速搭建生成式AI应用。目前看，没有一个基础模型可以适用于所有的业务场景，用户需要根据自身业务场景的需求特点去选择最合适的模型。此时，大模型云服务的优势就得到凸显；类似Amazon Bedrock这样的大模型云服务可以快速让用户搭建生成式AI应用。

第三，生成式AI离不开强大的的数据基座，需要融合企业私有化数据。众所周知，大模型的背后是海量数据的存储、汇聚、打通、安全管理等一系列的数据工程化工作。为此，亚马逊云科技认为端到端的数据服务，有效集成和治理数据、安全策略，通过Zero ETL策略可以让数据在生成式AI应用开发中充分发挥作用。

以西门子中国为例，面对企业内部信息分散、数据信息传递能力不足、知识运营能力缺乏等情况，西门子与亚马逊云科技一起合作，利用坚实的数据底座，成功在三个月上线一款生成式AI应用–“小禹”助手。

第四，生成式AI应该是AI原生应用构建。亚马逊云科技认为微服务化、Serverless First、数据洞察、数据全等可以帮助企业减少重复造轮子的工作。例如，微服务化可以让应用在不断变化需求之际，还能保持快速进化和迭代；Serverless First则可以帮助用户从繁重的基础架构运维、部署中解脱出来。

最后，亚马逊云科技建议使用生成式AI服务来降低工作的复杂性。亚马逊云科技认为开箱即用的生成式AI服务、工具可以大幅提升效率。

总体来看，生成式AI正处于产业发展的早期，大模型、工具链当前正是百花齐放的状态，行业用户也在探寻生成式AI的落地场景，这无疑注定了生成式AI落地式一个复杂的过程。根据当前产业界面临的问题，亚马逊云科技的端到端全栈技术服务以及清晰的方法论路径，无疑为当前生成式AI普惠提供了重要的参考价值。

“生成式AI长期发展离不开强大的合作伙伴生态，需要大家一起努力去解决生成式AI引用构建中遇到的各种技术问题。面向未来，亚马逊云科技将继续携手生态伙伴逐步持续完善生成式AI的体系，助力生成式AI真正走向普惠。”陈晓建最后表示道。