亚马逊云科技顾凡解读云计算助力初创快速抢滩生成式AI新风口

本文主要是介绍亚马逊云科技顾凡解读云计算助力初创快速抢滩生成式AI新风口,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

麦肯锡发布的《生成式人工智能的经济潜力》报告指出,“生成式AI可以被用到16个业务部门的63个场景,解决具体的业务挑战,为企业带来2.6到4.4万亿美元的价值。”

 在亚马逊云科技大中华区战略业务发展部总经理顾凡看来,未来每一个To C或者To B的应用,都可以通过生成式AI去重新构建。一方面,各行各业的应用场景都有可能由大模型带来更新升级,另一方面,生成式AI还将带来诸多全新的应用场景。这些都给初创企业带来巨大的发展机遇。

 生成式AI热潮涌现 催生三大创业机会点

 顾凡指出,生成式AI热潮下初创企业的机会主要体现在三个方面,基础模型、生成式AI的应用以及产业上下游对工具链的需求。

 首先,基础模型是生成式AI底层的重要平台,大量的初创企业已经加入到基础模型创业的大潮中。亚马逊云科技CEO Adam Selipsky在多个场合强调,“不会有一个生成式AI基础模型适用所有业务场景。”同样的,顾凡也表示,“企业既需要通用性更广的大模型,也需要在专属领域能力更深入的模型。不会一直是百模大战,但也不会有一个大模型一家独大。基础模型领域最终会有几个或一些赢家,为构建生成式AI应用的企业提供多样性的选择。”

 其次,应用为王,无论是To C还是To B,内嵌生成式AI能力的应用才是王道。初创企业要能够打造自己的“杀手锏”应用。顾凡指出,“真正改变未来‘游戏规则’的是对基础模型进行调优和定制化,服务企业与行业的特定场景和领域。”企业的私有数据一定会在生成式AI应用中扮演非常重要的角色。初创企业既要充分利用这些私有数据帮助各行各业构建定制模型解决行业应用的具体问题,同时还要具备妥当地保护这些私有数据安全的能力。

 最后,生成式AI工具链需求爆发,也是初创企业的机会所在。伴随着基础模型的进化,公共数据和私有数据的交替使用,需要各种工具链将他们串接起来。例如,从数据的清洗、存储、处理,再到形成定制化的模型,以及模型的蒸馏、性能调优等,这些新工具新实践的出现,都为生成式AI初创企业带来了新机会。

 提供多维赋能支持

 助力初创构建生成式AI之旅

 顾凡指出,亚马逊云科技希望推动生成式AI的普惠,让各行各业都能充分发挥生成式AI的潜力。

 具体到初创企业来讲,算力成本节约、基础模型的选择、数据安全保障的能力,是他们在生成式AI领域创业时的普遍需求。亚马逊云科技也致力于在这些方面为初创提供帮助。

 “今天大家普遍关注的是模型训练带来的算力需求。未来当生成式AI的能力内嵌到所有应用里的时候,模型推理还将进一步加剧大规模算力的性价比和能耗的挑战。”顾凡说道。亚马逊云科技很早以前便开始为解决大规模算力的性价比及能耗挑战而自研训练和推理的芯片。亚马逊云科技自研的训练芯片Amazon Trainium和推理芯片Amazon Inferentia可以帮助客户以低成本在云上训练模型和运行推理。同时,Amazon SageMaker服务还提供高性能CPU、GPU、自研加速芯片等丰富的计算资源,并能够根据实际需求进行弹性算力调配,提高了算力的利用率,节省闲时的花销。

 潞晨科技基于亚马逊云科技,推出了其面向海外业务的开源AI大模型解决方案Colossal-AI,除了充分调度亚马逊云科技的计算资源之外,潞晨科技还将Amazon SageMaker和其Colossal-AI做了技术对接与验证,从而帮助开发人员和数据科学家快速构建、训练和部署大模型,同时做到大模型应用的降本增效。

 “生成式AI的普惠要解决的另一个问题是把模型的选择权交给客户,无论是文生文、文生图的,商用的、开源的,亚马逊云科技自己的还是第三方的,我们希望帮客户挑选优秀的模型,提供丰富的选择,并让客户在使用这些模型的时候,就像使用一个API一样,不用去关心模型底层的基础设施的管理。”顾凡强调。Amazon Bedrock就是一个云托管服务,允许出海用户通过API访问从文本到图像的一系列强大的基础模型,如来自AI21 Labs、Anthropic、Cohere、Meta、Stability AI等的基础模型以及Amazon Titan基础模型。预计Amazon Bedrock还将覆盖更多的大模型。

 今天,已经有一批优秀的初创企业在海外借助Amazon Bedrock开发和测试新的生成式AI的能力。例如,游戏初创企业正在通过Amazon Bedrock开发海外业务的用户聊天内容审核工具,探索收集、分析用户反馈数据,不断改进用户游戏体验。出海电商初创企业正在通过Amazon Bedrock探索广告营销文案生成,缩短广告制作时间,并快速优化广告。

 “企业在构建自己的定制化模型的时候,一定会用到自己的私有数据,而这部分数据对企业来说超级宝贵,尤其是企业级客户,他们特别关注自己的数据不会被大模型吸收,”顾凡强调,“这对于初创企业来说,意味着去服务大企业的时候,也需要为企业的私有数据负责。要拿到这些业务的机会,他们必须向大企业证明自身在数据安全保障方面的能力。”

 出海初创企业可以直接借助Amazon Bedrock为大企业构建定制化模型。Amazon Bedrock可以协助确保企业的私有数据不会被用于训练底层大模型,也不会离开企业在亚马逊云科技上的虚拟私有网络(VPC),保护私有数据的安全。同时,亚马逊云科技自身在安全合规领域近20年的经验能够很好地为初创企业提供技术支撑,其覆盖全球245个国家和地区的基础设施均根据安全最佳实践和最高标准来建立和管理,并提供超过300个安全合规服务和功能。

 构建桥梁

 全面助力初创快速拥抱生成式AI机遇

 除了从技术方面帮助初创企业提高在生成式AI领域的产品力,亚马逊云科技还为处于不同发展阶段的初创企业提供丰富的资源支持。

 亚马逊云科技与天使投资机构真格基金共同发起了“AI超新星计划”,帮助那些计划在生成式AI领域发力的创业者降低启动门槛。这些创业者可以通过该计划获得云资源,以及模型选择、微调、应用落地等技术支持,从0到1完成产品原型搭建,快速启动生成式AI之路。

 同时,顾凡强调,“在生成式AI领域,大企业有业务场景、有数据,初创企业有模型、有工具。亚马逊云科技能够很好的将大企业和初创企业链接起来,并帮助双方完成具体应用场景的升级换代。”例如,初创企业通过加入亚马逊云科技合作伙伴网络(APN),或把自己的模型或应用上架亚马逊云科技Marketplace,可以获得各行各业的大企业使用并部署其方案的机会,促进生成式AI在企业应用场景中的落地。目前,一批优秀的初创企业正在将模型或应用上架亚马逊云科技Marketplace,比如,大模型初创企业百川智能、聚焦人工智能和设计创意交叉领域的企业计算美学等等。

 亚马逊云科技还与上海人工智能产业投资基金合作,在建设人工智能“上海高地”行动方案框架下,共同发起了上海人工智能开源产业集群。这一集群集合了上海临港集团、国盛集团、上海人工智能基金以及十余家优秀的初创企业,通过有序对接和机制安排,使得初创企业有机会服务大企业客户,开拓生成式AI行业应用场景的快速落地。

 此外,亚马逊云科技还助力百川智能、面壁智能、RWKV等打造了一系列生成式AI黑客松活动,帮助更多人了解这些公司的基础模型,并共同探索基础模型在医疗健康、游戏娱乐等领域的前沿应用。

 今年6月,亚马逊云科技还与28家创投与产业机构合作,共同推出了“亚马逊云科技创业加速器”,从全球创投网络资源对接、前沿技术赋能、全球业务拓展以及创新组织能力构建四方面,为处于早期到成长期的初创企业提供全方位的技术及资源支持,帮助AI领域的初创企业释放创新潜能。目前,首期创业加速器已经有30家初创企业入营。

 顾凡表示,“生成式AI的发展就像一场马拉松比赛,现在比赛才刚刚开始。对于初创企业而言,这也是一个全新的时代。”

这篇关于亚马逊云科技顾凡解读云计算助力初创快速抢滩生成式AI新风口的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/231241

相关文章

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

springboot security快速使用示例详解

《springbootsecurity快速使用示例详解》:本文主要介绍springbootsecurity快速使用示例,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝... 目录创www.chinasem.cn建spring boot项目生成脚手架配置依赖接口示例代码项目结构启用s

java之Objects.nonNull用法代码解读

《java之Objects.nonNull用法代码解读》:本文主要介绍java之Objects.nonNull用法代码,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐... 目录Java之Objects.nonwww.chinasem.cnNull用法代码Objects.nonN

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

SpringCloud负载均衡spring-cloud-starter-loadbalancer解读

《SpringCloud负载均衡spring-cloud-starter-loadbalancer解读》:本文主要介绍SpringCloud负载均衡spring-cloud-starter-loa... 目录简述主要特点使用负载均衡算法1. 轮询负载均衡策略(Round Robin)2. 随机负载均衡策略(

解读spring.factories文件配置详情

《解读spring.factories文件配置详情》:本文主要介绍解读spring.factories文件配置详情,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录使用场景作用内部原理机制SPI机制Spring Factories 实现原理用法及配置spring.f

Spring MVC使用视图解析的问题解读

《SpringMVC使用视图解析的问题解读》:本文主要介绍SpringMVC使用视图解析的问题解读,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Spring MVC使用视图解析1. 会使用视图解析的情况2. 不会使用视图解析的情况总结Spring MVC使用视图

Linux中的进程间通信之匿名管道解读

《Linux中的进程间通信之匿名管道解读》:本文主要介绍Linux中的进程间通信之匿名管道解读,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、基本概念二、管道1、温故知新2、实现方式3、匿名管道(一)管道中的四种情况(二)管道的特性总结一、基本概念我们知道多

Spring AI ectorStore的使用流程

《SpringAIectorStore的使用流程》SpringAI中的VectorStore是一种用于存储和检索高维向量数据的数据库或存储解决方案,它在AI应用中发挥着至关重要的作用,本文给大家介... 目录一、VectorStore的基本概念二、VectorStore的核心接口三、VectorStore的

C++快速排序超详细讲解

《C++快速排序超详细讲解》快速排序是一种高效的排序算法,通过分治法将数组划分为两部分,递归排序,直到整个数组有序,通过代码解析和示例,详细解释了快速排序的工作原理和实现过程,需要的朋友可以参考下... 目录一、快速排序原理二、快速排序标准代码三、代码解析四、使用while循环的快速排序1.代码代码1.由快