2023年10月24日，亚马逊云科技在北京召开了主题为“赋能生成式AI新时代，助力数据和AI普惠”的生成式AI构建者大会，众多行业大咖和技术专家们深度聚焦生成式AI前沿技术，就生成式AI的热点技术话题和热门应用场景展开了深入分享与交流，为开发者们解读了当下应如何应对生成式AI带来的机遇，在AI时代保持强有力的竞争力。
亚马逊云科技正在围绕应用场景、工具和基础设施、数据基座、AI原生应用构建和生成式AI服务这五个层面，不断助力企业和开发者全面释放生成式AI的潜力。西门子集团、金山办公软件以及科思创中国作为亚马逊云科技中国区生成式AI创新的代表客户，也分享了各自的创新案例。大会还设立了三大分会场，探讨应用基座、数据战略和AI原生等生成式AI领域的热门话题，同时设立开发者论坛和动力训练营帮助更多的开发者上手体验生成式AI时代开发的速度与激情。
亚马逊云科技大中华区产品部总经理陈晓建在演讲中表示，“生成式AI不仅仅是大模型，今天，当我们谈论生成式AI时，大多数人都在谈论基础模型，而整个生成式AI应用就像是浮在海面的冰山，露在海面上方能被大多数人看到的冰山一角就像是基础模型，而在冰川的底部，同样需要大量的基础模型以外的服务来支撑，如加速芯片，数据库，数据分析，数据安全服务等等。亚马逊云科技提供了完整的端到端的生成式AI技术堆栈，从底层的加速层如加速芯片，存储优化，到中间层模型构建工具和服务，再到最上层的生成式AI相关应用，每一层都在针对客户的不同需求持续创新。”
·生成式AI正在重塑各行各业 如何实现AI平权
随着数据的大规模激增、高度可扩展的计算能力和机器学习模型的创新，生成式AI迎来爆发，企业都在思考如何借助生成式AI技术去创新业务，快速赢得竞争优势。
生成式AI的核心是利用机器学习领域的基础模型驱动的，但生成式AI并不仅仅是大模型。基础模型能够学习复杂概念并执行多种任务，客户可以使用同一个预训练的基础模型来适应多项任务，通过少量私有数据集即可进行自定义，而无须像传统机器学习模型那样从头训练。
但整个生成式AI应用就像是浮在海面的冰山，露在海面上方能被大多数人看到的冰山一角就像是基础模型，而在冰川的底部，同样需要大量的基础模型以外的服务来支撑，如加速芯片，数据库，数据分析，数据安全服务等等。如何让所有企业都能获得这些资源和能力？
亚马逊云科技提供了完整的端到端的生成式AI技术堆栈，从底层的加速层如加速芯片，存储优化，到中间层模型构建工具和服务，再到最上层的生成式AI相关应用，每一层都在针对客户的不同需求持续创新。
亚马逊CEO Andy Jassy曾经提过，“我们的目标是让任何人都能够获得和大型企业一样先进的基础设施和成本来实现自己的创新。在生成式AI领域我们同样希望借助于亚马逊云科技的产品和服务，实现生成式AI技术的普惠化，赋能更多的企业和个人开发者加速创新。我们承诺以负责任的方式构建我们的服务，同时考虑到公平和偏见、稳定性、可解释性、治理、透明度、隐私和安全性。”
·亚马逊云科技助力企业和开发者释放生成式AI潜力
具体来看的话，亚马逊云科技围绕应用场景、工具和基础设施、数据基座、AI原生应用构建和生成式AI服务等方面，帮助企业和开发者释放生成式AI的潜力。
1）选择合适的应用场景，从典型场景入手创新业务模式
在生成式AI技术带来的经济效益中，营销与销售、产品与研发、软件工程和客户运营等四类职能是生成式AI应用使用的主力军。典型的应用场景带给企业的业务价值主要包含三个方面：增强客户体验，提升员工生产力与创造力，优化业务流程。
例如Salesforce将Amazon Bedrock和Amazon Titan集成到其生成式AI产品中，使客户能够在Salesforce Data Cloud上轻松安全地使用其数据，以构建生成式AI应用；海尔创新设计中心利用生成式AI能够实现文生图、图生图、定量图和全场景图四个方面的提效，上线后，自动化设计系统应用让相关业务的操作周期缩短了20%。
2）借助专门工具和基础设施快速构建生成式AI应用
基础模型的发展和迭代日新月异，在众多基础模型中，如何选择最适合自己业务场景的基础模型，是每一家企业在构建生成式AI应用时面临的挑战。
亚马逊云科技推出了Amazon Bedrock，这是一项无服务器服务，提供了广泛的模型选择、数据隐私，并且能够自定义模型，无需管理任何基础设施。该服务与Amazon SageMaker Jumpstart结合，助力对基础模型有着不同需求的客户轻松、安全地选择基础模型，是企业使用基础模型构建和扩展生成式AI应用程序的最简单方法。
但我们要清楚地认识到，由于基础模型本身存在局限性，单独的基础模型无法完成需要与外部系统交互并且没有最新知识来源的复杂任务。Amazon Bedrock代理功能是一项全新的全托管功能，使开发人员能够更轻松地创建基于生成式AI的应用程序，以完成各种用例的复杂任务，并根据专有知识源提供最新的答案。
高性价比的基础设施是生成式AI应用构建的关键，10多年来，亚马逊云科技对全球基础设施进行深度投资，能够为客户提供广泛的加速器选择，包括强大而灵活的基于GPU的解决方案，例如基于英传达最新GPU芯片H100 Tensor Core的Amazon EC2 P5实例、基于亚马逊云科技自研的机器学习推理芯片Amazon Inferentia2推出的Amazon EC2 Inf2实例、基于自研机器学习训练芯片Amazon Trainium推出的Amazon EC2 Trn1实例，与同类实例相比训练成本更加节省。
3）夯实数据基座，打造差异化竞争优势
数据是将通用人工智能转变为符合客户需求的人工智能生成模型的关键。面向生成式AI构建强大的数据“基座”，需要一套全面的服务。为此，亚马逊云科技从服务、数据集成、数据治理等多个方面提供了相应的服务。
全面的服务方面，亚马逊云科技针对生成式AI领域的用户个人信息、会话信息管理、私域知识库等应用场景都提供了专门构建的数据库。
数据集成方面，亚马逊云科技提出“Zero-ETL”的愿景，并采用了相应的创新，如推出的Aurora Zero ETL for Redshift Integration, 允许存储在Amazon Aurora中实时产生的业务数据，无需ETL工具，以自动的方式同步到数据仓库Amazon Redshift中，以供近实时的进行海量数据的聚合分析。
数据治理方面，亚马逊云科技提供的全新Amazon DataZon理服务让客户能够跨组织边界发现、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。此外，数据所有者和数据管理者可以通过在用户界面中使用预定义的审批工作流来平衡数据访问治理，以及通过向数据添加业务上下文而简化数据发现。
4）借助云原生服务，加速AI应用构建
亚马逊云科技在服务百万客户无数次变化的现代化应用转型过程中，积累了一些积极的经验，可以帮助生成式AI时代的构建者加速AI应用构建。
如：以微服务化和事件驱动架构为核心的设计框架，松耦合的去处理每个功能模块之间的互相依赖；通过Serverless First简化运维；将数据能力作为应用的核心竞争壁垒加入到生成式AI应用的设计理念中来；将安全与数据的合规与保护放在前所未有的重要地位等方面。
5）开箱即用的生成式AI服务，专注创新
编程将是生成式AI技术得到快速应用的领域之一。通常，软件开发者需要花费大量时间编写相当浅显和无差别的代码，真正用于创新的时间少之又少。
亚马逊云科技提供的Amazon CodeWhisperer是一款人工智能编码伙伴，在基础模型高级选项中使用，可以实时生成代码建议，从根本上提高开发人员的生产力。最近推出的Amazon Whisperer自定义功能，能够生成优于之前的代码建议，因为它允许客户使用私有代码库安全地定制CodeWhisperer代码建议，这些私有代码库可涵盖内部API、数据库、最佳实践和架构模式等。
亚马逊云科技通过开箱即用的生成式AI服务及工具，已帮助1000+中小企业和初创公司快速实现生成式AI创新，已赋能超过10万名的中国开发者。
亚马逊云科技大中华区产品部总经理陈晓建说到：“开发生成式AI应用是一个充满挑战的系统工程，并不是单纯的产品和服务拼接，因此，如何加速客户最终应用的商业化落地，除了亚马逊本身的资源以外，我们同样需要构建强大的合作伙伴生态，携手助力解决生成式AI应用构建中的各种技术问题，加速应用落地。除了云服务之外，我们还提供解决方案架构师、产品技术专家、人工智能实验、数据实验室、快速原型团队、专业服务团队、培训与认证部门等多个资源共同助力客户成功，同时携手生态合作伙伴与初创圈，构建生成式AI的大生态，进一步助力生成式AI技术的落地。”
