文化视角-"成品网站源码入口隐藏通道"-搞成品网站源码入口隐藏通道懂这三个问题，AI战略落地就简单了很多

搞成品网站源码入口隐藏通道懂这三个问题，AI战略落地就简单了很多_ZAKER新闻

业绩报告称，虽然2023年第一季度访客数量逐渐增加，但澳门公司更愿意在新财政年度投放更小及更多样化的广告来试探澳门市场。因此，刊物及广告业务以及户外广告业务的需求因此减少。

12 月初，亚马逊云科技一年一度的 re:Invent 大会在美国拉斯维加斯大会召开，来自世界各地的超 6 万名参会者，他们脖子上佩戴着不同颜色的牌子，穿梭于各个会场之间。re:Invent 大会一直就以务实著称，但这一届发布的产品之多，连很多连续参会的资深专家都感觉到信息过载——仅仅在三天时间里，亚马逊云科技 CEO Matt Garman 与高级副总裁 Peter DeSantis、AI 和数据副总裁 Swami 博士就发布了超过 30+ 新品，涵盖推理芯片、AI 服务器、大语言模型、生成式 AI 开发工具等等。在亲身感受这些密集的产品发布过程，可以清晰地提炼出亚马逊云科技开会和演讲的套路，那就是——在服务客户过程中我们发现了 XX 问题，于是我们就推出了 XX 工具，非常简单直给。作为亚马逊云科技最早、也是应用最深入的客户，亚马逊 CEO Andy Jassy 时隔多年再次亮相 re:Invent，这次他不仅一口气发布了 6 款 Amazon Nova 模型（包括 4 款基础模型，1 款图像生成模型和 1 款视频生成模型），更是作为亚马逊云科技最早、也是应用最深入的客户（据他透露，亚马逊内部已构建或正在构建近 1000 个生成式 AI 应用程序），他分享的关于亚马逊应用 AI 的三个核心问题——选择、成本和需求，完全可以作为理解本次大会的基本逻辑。搞懂了这三个问题，再看这 30 多个产品发布的背后思路就很清晰了。更自由的选择" 当你尝试构建某些东西或者做决策时，常常需要在 A 和 B 之间做选择吗？这种选择其实限制了你的思路。在亚马逊云科技，我们不这么思考问题。" 亚马逊云科技一年一度的 re:Invent 大会上，亚马逊云科技 CEO Matt Garman 在主题演讲时，这样表达了对技术应用的理解。Matt 认为，" 做选择 " 实际上制造了虚假边界，" 让你马上开始想自己必须选 A 或者选 B，但我们推动团队去思考如何同时达成 A 和 B，就可以让大家换一种方式思考 "。在 Matt 眼中，开发者与客户永远有选择最优产品的权利。这是亚马逊云科技成立时秉承的理念，无论是一两百款 EC2，还是上百款数据库——亚马逊云科技一直都认为，客户的需求大于一切，那么需求的多样性就决定了选项的多样性。亚马逊云科技愿景文件撰写于 2003 年。彼时，众多科技公司纷纷构建捆绑式的解决方案，试图大包大揽。最终形成的是庞大而单一的解决方案，虽功能全面却仅达合格水准。但合格不应是追求的终点，人们真正渴望的是最优组件。若能将所有顶尖元素整合一体，那才堪称完美。" 基于此念，亚马逊云科技应运而生。"Matt 说。过去 18 年，灵活的技术构建模块，也成为亚马逊云科技服务逐渐向上的执念。这一理念也表现在时下热议的大模型服务上。" 在亚马逊内部构建项目中所使用模型的多样性令人惊讶。给予了开发者自主选择的权利，原本以为大家都会选用 Anthropic 的 Claude 模型，毕竟过去一年多它在全球属于性能顶尖的模型，确实有很多内部开发者在使用 Claude 模型，但他们也会采用 Llama 模型、Mistral 模型，甚至会使用自行研发的模型。"Andy Jassy 演讲时谈及亚马逊落地生成式 AI 的经验，" 因为一直都在汲取同一个教训，那就是永远不会出现一种工具能在某个领域一统天下的情况。就像数据库领域，探讨了 10 年，大家会使用各种各样的关系型数据库或者非关系型数据库；就像大数据领域讨论了很久是不是 TensorFlow 会一统天下，结果 PyTorch 更受欢迎。"Amazon Bedrock Marketplace 是 Swami 博士在现场发布的其中一款新品。这是一个拥有 100 多个领先大模型的 " 市场 "，Amazon Bedrock 中的统一体验极大简化模型开发工作流程，给用户带来了前所未有的灵活度，将让模型推理从 " 非 A 即 B" 的选择达到成本与延迟的 " 微妙平衡 "。" 对一个因素的优化通常需要对另一个因素进行妥协，这是因为成本和响应延迟与道德准确性呈反比关系，因为功能更强大、高度智能的模型会消耗更多的资源。"Swami 博士讲述从客户了解到的需求。而在更新的 Bedrock 上，新模型蒸馏功能，使得用户可以将特定知识从更大、更准确的模型转移到更小、更高效的专业模型，使其速度提高 500%，成本降低 75%。但是多元化的选择，也难免面临一些天然存在的竞合关系，比如亚马逊云科技在向客户提供模型市场、模型开发平台的同时，也推出了自己的基础模型。不过，亚马逊云科技一直以来都是开放性的看待这种竞合关系。对于亚马逊云科技的模型策略，Andy Jassy 做了这样的回答：" 我们一直以来的目标就是为大家提供选择，现实情况是，大家在不同的时间、出于不同的原因，都会使用不同的模型。这其实反映了现实世界的运行规律。就好比人类不会只找一个人去获取各个领域的专业知识一样，不同的人在不同的方面各有所长。有时候大家会侧重于优化编码，有时候关注数学，有时候看重与检索增强生成（RAG）的集成，有时候聚焦智能需求，还有时候在意更低的延迟或成本问题。大多数情况下，是各种因素的组合决定的。在亚马逊云科技，我们会为大家提供这些因素组合之后，满足需求的选择。我们认为，最近又为这个组合增添了一些非常有趣的模型。好消息是，所有这些模型都能在 Amazon Bedrock 中使用，大家可以按照自己期望的任何组合去使用它们，进行试验，并根据情况做出相应的调整。"可接受的成本云计算的成本问题，一直是 Matt 最为关心的问题。2018 年，亚马逊云科技曾经做过一个疯狂且颇具争议的决定：开发自己的芯片。即 Amazon Graviton，以期在 ARM 内核变得越来越快、越来越强大的背景下提供差异化价值。现在，Amazon Graviton 被几乎每个亚马逊云科技客户广泛使用。Amazon Graviton 提供比 x86 高 40% 的性价比、减少 60% 的能源消耗，也极大缩减了云计算成本。以图片分享网站 Pinterest 为例。在转向 Amazon Graviton 之前，Pinterest 运行着数千个 x86 实例来运营他们的业务。转向 Amazon Graviton 之后，Pinterest 将计算成本降低了 47%，碳排放减少了 62%。" 他们并不孤单，90% 的前 1000 个 Amazon EC2 客户都开始使用 Amazon Graviton。"Matt 说。现在，生成式 AI 时代来了，当下最大的计算问题都与 AI 相关。虽然与 NVIDIA 有着长达 14 年的合作关系（搭载 NVIDIA 新 Blackwell 芯片的 Amazon EC2 P6 服务器将于明年年初推出），也是 NVIDIA 的大型生成式 AI 集群场所，但 GPU 依然成了亚马逊云科技为计算降本的新目标：推出一款专为尖端生成式 AI 训练和推理这类高要求工作负载而设计的 GPU。会上，亚马逊云科技最强 Amazon EC2 Trn2 计算实例发布。配备 16 个 Trainium2 芯片，一个 Amazon EC2 Trn2 实例可在单个计算节点提供 20.8 petaflops 的计算能力，Amazon EC2 Trn2 实例提供比当前 GPU 服务器高出 30% 到 40% 的性价比，这些芯片通过一种称为 NeuronLink 的高带宽、低延迟互连连接在一起。AI 大模型公司 Anthropic 联合创始人兼首席计算官 Tom Brown12 月 2 日在 re:Invent 演讲时当场宣布，下一代的 Claude 模型将在 Project Rainier 上进行训练，他表示这将是一个新的计算集群，拥有数十万个 Amazon Tranium2 芯片。优化完成后，该集群预计将成为迄今为止世界上最大的 AI 计算集群，可供 Anthropic 构建和部署其未来模型。" 数十万个芯片意味着数百个密集的亿次浮点运算，比我们曾经使用过的任何集群都多五倍以上。这意味着客户将可以更低的价格、更快的速度获得更多的智能。有了 Amazon Tranium2 和 Project Rainier，我们不仅仅是在构建更快的人工智能，还在构建可扩展的、值得信赖的人工智能。"Tom Brown 表示。Andy Jassy 在演讲时也多次谈及 " 成本 "，他认为当生成式 AI 应用程序达到一定规模时，计算成本的重要性就凸显出来了，大家都迫切希望获得更高的性价比，即既能控制好延迟，也要具备合理的成本结构。据他观察，从全球范围来看，那些应用 AI 最为成功的公司，主要体现在成本规避和生产力提升方面，而且很多公司在这两方面都取得了进展。但值得一提的是，亚马逊云科技的成本控制，是体现在整场的产品创新上，而非简单的价格。需求导向，实用 AI如果一定要给亚马逊云科技的 AI 战略做一个定义，需求导向的实用 AI 或许更为精确。" 很多时候，人们用上不错的模型做了些工作，就以为打造出很棒的生成式 AI 应用程序了，但实际上可能只完成了大概 70% 的工作，而客户不会喜欢存在那 30% 问题的应用程序。"Andy Jassy 表示。以亚马逊自己为例，加入生成式 AI 这个 " 智慧大脑 " 之后，亚马逊聊天机器人客户满意度提升了 500 个基点，" 这就是实用 AI 的体现。"Andy Jassy 说。客户至尚和逆向工作法，是亚马逊云科技 DNA 的一部分。亚马逊云科技创业初期，由于合规性、审计、监管、安全、加密等考量，大部分的银行客户表示愿意采用云计算，但称可能永远不会上云。亚马逊云科技没有放弃这些金融客户，而是接下来花了十年来解决银行客户清单上的每一个问题。" 今天，我很自豪地说，许多大型金融公司都是我们的客户。因此，当你在创新时，重要的是要记住，你真的要从客户开始。你要问他们什么对他们重要，但你不仅仅是交付客户要求的东西。你要为他们发明。"Matt 说。AI 时代也是同理：要为客户发明好用的 AI 工具。会上，Swami 博士发布了新一代 Amazon SageMaker。从功能上看，SageMaker AI 与客户的数据强相关，是一个集合了数据调用、数据分析、大模型训练的一站式平台，定位上发生了重大的变化。" 许多客户向我们反馈，他们的分析和 AI 工作负载越来越多地围绕相同的数据和相同的工作流程进行融合。这正在改变其对分析服务的看法，因为事实证明，他们不再仅仅孤立地使用分析和 AI 工具，他们正在使用历史分析数据来训练机器学习模型，并且越来越多地将相同的数据纳入其生成式 AI 应用程序中。"Matt 谈及从一个客户案例中获得的启发。这也不难理解，因为数据才是企业的核心资产，才是差异化的竞争力，而非模型，将企业绝对优势的数据和大模型整合在一个平台上，才会有优势。综合来看，对客户来说，AI 落地的工具越来越多；对亚马逊云科技来说，他们又用一年的时间把 AI 生态这个木桶所有的木板都加长了一大截；对行业来说，这个市场又被卷紧了好几圈，竞争的焦点也逐渐从大模型本身转移到了工具和落地上。附：亚马逊云科技 re:Invent2024 产品发布全景（笔者现场整理）（本文首发于钛媒体 APP，作者 | 秦聪慧，编辑 | 刘湘明）‌