ChatGPT一聲驚雷，讓全球見識(shí)到了生成式AI的威力。

當(dāng)前，生成式AI進(jìn)入一個(gè)爆發(fā)時(shí)刻，并在許多領(lǐng)域中展現(xiàn)出它的無限潛力。

OpenAI的ChatGPT iOS版，一周之內(nèi)就突破了50萬次下載。AI繪畫工具M(jìn)idjourney，憑借訂閱付費(fèi)模式，在一年內(nèi)實(shí)現(xiàn)了約1億美元的營收。

現(xiàn)在，基于AIGC的新應(yīng)用依然層出不窮。Midjourney V5.2可以無限縮放畫面，能直接制作鏡頭伸縮的視頻；Figma官宣AI設(shè)計(jì)能力，創(chuàng)意、繪圖、代碼全部包含。

整個(gè)AI圈，仿佛瞬間都活了起來。

那么，在這輪生成式AI大爆發(fā)中，企業(yè)應(yīng)當(dāng)如何抓住機(jī)遇，順應(yīng)這一波時(shí)代的潮水，得到自己的獨(dú)特紅利？

這屆亞馬遜云科技中國峰會(huì)，給了我們答案。

0代碼構(gòu)建應(yīng)用

AI大爆發(fā)中，許多企業(yè)都希望能順勢(shì)抓住紅利，但無論是成本還是技術(shù)壁壘，大模型的門檻之高，都會(huì)把許多企業(yè)拒之門外。

亞馬遜云科技的Amazon Bedrock，就把大模型的門檻打了下來。

在峰會(huì)現(xiàn)場，亞馬遜云科技全球產(chǎn)品副總裁Matt Wood為我們展示了一個(gè)令人印象深刻的無代碼產(chǎn)品demo。

Matt表示：「從未有過如此簡單、低成本的方式讓每個(gè)人可以借助機(jī)器學(xué)習(xí)進(jìn)行代碼構(gòu)建。」

現(xiàn)在，根據(jù)下面這個(gè)個(gè)人用戶的每月開銷表格， 我們需要開發(fā)一個(gè)理財(cái)應(yīng)用程序。

從十幾個(gè)數(shù)字中能看出什么呢？用Amazon Bedrock向大模型提問，你會(huì)得到驚喜。

首先，在眨眼間，Amazon Bedrock就會(huì)得出對(duì)表中的信息做總結(jié)，根本不用寫代碼。

在這個(gè)收入?yún)R總表中，它概括出了收入和主要支出，并列舉了出了主要支出的摘要，還總結(jié)出了每月的高頻消費(fèi)。

我們可以問Amazon Bedrock：這個(gè)表有哪些異常？

它會(huì)告訴你：從收支表可以看出，整個(gè)月的開支分配似乎相當(dāng)不平衡，沒有與儲(chǔ)蓄或投資相關(guān)的交易，整個(gè)月只有兩筆收入存款，一些支出似乎被過于低估了……總之，問題重重。

除此之外，我們還可以構(gòu)建一個(gè)個(gè)性化的財(cái)務(wù)儀表板。

我們可以問Amazon Bedrock，每年的燃?xì)忾_銷是多少？它會(huì)根據(jù)數(shù)據(jù)做出預(yù)估：大概占總支出的10%或15%。

要得出這些結(jié)論，一行代碼都不用寫，只需要用自然語言給出提示詞即可。

而Amazon Bedrock也提供了一個(gè)聊天框，這樣可以快速向用戶展示聊天界面。

最后，通過這個(gè)模型，銀行就可以向用戶提供各種理財(cái)建議，讓他們做出改進(jìn)了。

生成式AI的變革

DALL-E 2、Stable Diffusion、ChatGPT等AI工具的相繼誕生成功引爆了AIGC時(shí)代。

由此，2022年也被稱為「生成式AI元年」。

近二十年來，我們見證了從「機(jī)器學(xué)習(xí)」算法到「深度學(xué)習(xí)」，再到「基礎(chǔ)模型」的發(fā)展。

隨著數(shù)據(jù)量大規(guī)模膨脹，可擴(kuò)展的算力，再加上機(jī)器學(xué)習(xí)不斷創(chuàng)新，生成式AI走向了一個(gè)轉(zhuǎn)折點(diǎn)。

AI能夠生成內(nèi)容，是因?yàn)榛谏墒綄?duì)抗網(wǎng)絡(luò)（GAN）、預(yù)訓(xùn)練模型等技術(shù)，根據(jù)已有的數(shù)據(jù)尋找規(guī)律，并通過泛化能力生成一切。

那么，生成式AI具體經(jīng)歷了怎樣一個(gè)演變，那還得從機(jī)器學(xué)習(xí)說起。

顧名思義，機(jī)器學(xué)習(xí)就是讓計(jì)算機(jī)對(duì)數(shù)據(jù)進(jìn)行學(xué)習(xí)，從中找出規(guī)律，并建立模型。

根據(jù)監(jiān)督學(xué)習(xí)方法的差異，機(jī)器學(xué)習(xí)領(lǐng)域出現(xiàn)了兩種類型：判別式模型和生成式模型。

前者是對(duì)條件概率進(jìn)行建模，對(duì)給定輸入進(jìn)行分類或標(biāo)記。后者則對(duì)聯(lián)合概率進(jìn)行建模，根據(jù)已有數(shù)據(jù)生成新的內(nèi)容。

直到2014年，Ian Goodfellow等人提出的GAN，傳統(tǒng)機(jī)器學(xué)習(xí)模型逐漸轉(zhuǎn)向深度神經(jīng)網(wǎng)絡(luò)。

通過利用多層人工神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)和訓(xùn)練模型，深度學(xué)習(xí)很快展現(xiàn)出強(qiáng)大的能力。就連2016年打敗人類圍棋高手李世石的AlphaGo，其背后原理也是基于深度學(xué)習(xí)訓(xùn)練的。

與此同時(shí)，生成式機(jī)器學(xué)習(xí)模型也被廣泛應(yīng)用于文本、圖像、語音等智能生成，由此，人們將其成為「生成式AI」。

隨著時(shí)間推移，可以看到，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支，而生成式AI是深度學(xué)習(xí)的分支。

因此，生成式AI并非是全新產(chǎn)物，而是一點(diǎn)點(diǎn)演進(jìn)而來，因?yàn)槲覀兒苋菀讖拇饲氨鸬腁I模型中發(fā)現(xiàn)它的原型。

就比如，2017年，一位國外小哥Zack Thoutt等不及馬丁新作，便用AI——分支循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）續(xù)寫了「冰與火之歌」。

那么，為什么生成式AI在如今才迎來爆發(fā)呢？

首先，從模型的規(guī)模來講，更加適用于生成式AI的「大模型」，逐漸取代了「小模型」。

人們發(fā)現(xiàn)，隨著參數(shù)量的不斷擴(kuò)增，更大的基礎(chǔ)模型能夠取得更好的效果，執(zhí)行越來越多的復(fù)雜任務(wù)。

因?yàn)楫?dāng)模型達(dá)到一定規(guī)模時(shí)，就會(huì)出現(xiàn)一種不可預(yù)測(cè)的現(xiàn)象，即「涌現(xiàn)」能力。

其次，最值得一提的是，2017年提出的王者架構(gòu)Transformer，讓大模型訓(xùn)練變得更加容易。

比起以往RNN等架構(gòu)，Transformer能夠?qū)崿F(xiàn)很好的并行性，大幅縮短了訓(xùn)練時(shí)間?；赥ransformer構(gòu)建的GPT-4、DELL-E等都是最好的例證。

第三個(gè)原因便是算力飛升，CPU/GPU硬件不斷突破、充足供應(yīng)，為大模型的訓(xùn)練和推理提供了巨大算力支撐。

還有最后重要的一點(diǎn)原因是，數(shù)據(jù)量極大豐富。

一方面GAN的提出，直接突破了以往傳統(tǒng)機(jī)器學(xué)習(xí)數(shù)據(jù)局限，使得大規(guī)模無監(jiān)督學(xué)習(xí)成為可能。

另一方面，互聯(lián)網(wǎng)的發(fā)展，提供了各種圖片、文字、視頻等豐富的訓(xùn)練材料。

豐富的數(shù)據(jù)，更好的模型，以及更強(qiáng)的算力，正是在諸多因素共同作用下，才使得生成式AI在當(dāng)下迎來大爆發(fā)。

生成式AI的火熱不僅意味著商業(yè)的可能性，更代表著AI進(jìn)入一個(gè)新時(shí)代。

在亞馬遜云科技中國峰會(huì)上，亞馬遜云科技全球產(chǎn)品副總裁Matt Wood提到了，生成式AI將最先在四個(gè)方面發(fā)生深刻的變革。

它們分別是：創(chuàng)意輸出、功能增強(qiáng)、交互式體驗(yàn)、決策支持。

創(chuàng)意輸出是指通過生成式AI做一些有創(chuàng)造力的工作，比如寫作、編碼、視頻、設(shè)計(jì)等。

辦公軟件能夠幫你去做總結(jié)、分析各種個(gè)性化內(nèi)容的實(shí)現(xiàn)，還有進(jìn)行相關(guān)內(nèi)容搜索，都是功能增強(qiáng)的體現(xiàn)。

另外，交互式體驗(yàn)是通過與包括ChatGPT在內(nèi)的聊天機(jī)器人，進(jìn)行Q&A互動(dòng)。最后的決策支持，比如智能數(shù)據(jù)報(bào)表AI助理。

現(xiàn)在，生成式AI的大爆發(fā)就在眼前，而且還是多點(diǎn)爆破，許多企業(yè)，都希望能抓住機(jī)遇。

四大挑戰(zhàn)，一站式解決

然而在現(xiàn)實(shí)中，企業(yè)想要利用生成式AI，還面臨著重重困難。

比如，不是每個(gè)人都能獲得一流的模型、安全和私有的環(huán)境，以及低成本和低延遲的基礎(chǔ)設(shè)施。

那么問題來說，我們?nèi)绾巫畲蠡墒紸I在創(chuàng)意輸出、功能增強(qiáng)、交互式體驗(yàn)、決策支持等方面的潛力呢？

首先最重要的，當(dāng)然就是有性能最強(qiáng)大的一流基礎(chǔ)模型，用來構(gòu)建出色的生成式AI應(yīng)用。

有了模型之后，就需要一個(gè)安全私密的環(huán)境，用私有數(shù)據(jù)來定制化這些模型。

第三，當(dāng)然就是需要專門構(gòu)建的機(jī)器學(xué)習(xí)基礎(chǔ)設(shè)施，以實(shí)現(xiàn)低成本的推理。

最后，就需要借助專業(yè)的代碼生成工具，消除繁重的工作、大幅提升效率。

而亞馬遜云科技，正在通過種種服務(wù)產(chǎn)品，彌補(bǔ)著這一差距，爭取讓生成式AI的好處，能夠惠及所有企業(yè)。

1. 獲得一流的模型

在當(dāng)今的背景之下，大多數(shù)公司都有使用大語言模型的需要。便捷的訪問，靠譜的模型，都漸漸成為剛需。

然而，真正好的大語言模型，動(dòng)輒需要數(shù)十億美元的訓(xùn)練，還要經(jīng)歷數(shù)年的時(shí)間。

大多數(shù)企業(yè)無法自己實(shí)現(xiàn)這個(gè)過程，他們希望的是能夠從一個(gè)龐大的基礎(chǔ)模型開始改進(jìn)，然后根據(jù)自己的需求進(jìn)行定制。

但包括ChatGPT和Bing AI在內(nèi)的聊天機(jī)器人，都無法避免「幻覺」的問題，會(huì)輸出看起來令人信服、實(shí)則是胡說八道的答案。

如何獲得一流的模型呢？亞馬遜云科技的Amazon Bedrock，就提供了非常好的選擇。

首先，Amazon Bedrock最重要的優(yōu)勢(shì)就在于，用戶可以將其與亞馬遜云科技的其他部分集成。這意味著，企業(yè)可以更輕松地訪問存儲(chǔ)在Amazon S3對(duì)象存儲(chǔ)服務(wù)中的數(shù)據(jù)，并從亞馬遜云科技的訪問控制和治理策略中受益。

其次，通過Amazon Bedrock，用戶可以輕松訪問AI21的Jurassic-2、Anthropic的Claude、Stability AI的Stable Diffusion，以及亞馬遜云科技自己的Amazon Titan模型。

在這些模型中，最被大家熟知的應(yīng)該就是來自Anthropic的Claude了，而它的效果和性能也是一眾模型中最接近GPT-4的那個(gè)。

當(dāng)然，除了第三方的SOTA模型外，Amazon Bedrock還支持基于亞馬遜云科技在機(jī)器學(xué)習(xí)領(lǐng)域20多年經(jīng)驗(yàn)的——Amazon Titan基礎(chǔ)模型。

Amazon Titan包含了兩個(gè)大語言模型，一個(gè)是用于生成文本的Titan Text，一個(gè)是讓網(wǎng)絡(luò)搜索個(gè)性化的Titan Embedding。

Titan Text針對(duì)的是總結(jié)、文本生成、分類、開放式問答和信息提取等任務(wù)。

用戶可以通過自己的數(shù)據(jù)定制Amazon Titan模型。并且，亞馬遜云科技非常保護(hù)用戶數(shù)據(jù)隱私，不會(huì)將用戶數(shù)據(jù)拿來再訓(xùn)練Amazon Titan模型。

而且，不同于其他大模型時(shí)常會(huì)出現(xiàn)的「幻覺」，Amazon Titan在訓(xùn)練時(shí)非常關(guān)注精度，就是為了保證產(chǎn)生的響應(yīng)一定是高質(zhì)量的。

2. 安全和私有環(huán)境

雖然使用大模型是剛需，但所有客戶都不希望自己的數(shù)據(jù)被拿去訓(xùn)練模型。

此前，三星就被曝出芯片機(jī)密代碼遭ChatGPT泄露，新程序的源代碼、內(nèi)部會(huì)議記錄等機(jī)密數(shù)據(jù)都發(fā)生了外泄。

另有新聞曝出，谷歌就警告員工，在使用Bard時(shí)不要泄露機(jī)密信息，或用其生成代碼。

美國國會(huì)眾議院也在近日明確，要求職員僅可使用付費(fèi)版ChatGPT，不能使用包括免費(fèi)版ChatGPT在內(nèi)的其它AI模型，就是為了防止泄密。

在一項(xiàng)調(diào)查中亞馬遜云科技也發(fā)現(xiàn)，由于數(shù)據(jù)非常寶貴，因此客戶的一個(gè)關(guān)鍵需求就是，在模型訓(xùn)練的過程中時(shí)刻保持?jǐn)?shù)據(jù)的安全和隱私。

而Amazon Bedrock的Amazon SageMaker，正提供了這樣一個(gè)安全的模型訓(xùn)練環(huán)境，可以讓客戶把預(yù)訓(xùn)練模型通過在自己的數(shù)據(jù)上微調(diào)，變成一個(gè)定制化的模型。

亞馬遜云科技的副總裁表示，客戶可以使用自己的數(shù)據(jù)定制Amazon Titan模型，但這些數(shù)據(jù)永遠(yuǎn)不會(huì)用于訓(xùn)練Amazon Titan模型，可以保證其他客戶（包括競爭對(duì)手），都不會(huì)從這些數(shù)據(jù)中獲益。

3. 低成本和低延遲

而在這些基礎(chǔ)上，就需要有相應(yīng)的工具實(shí)現(xiàn)更快的開發(fā)。

推理芯片和訓(xùn)練芯片，都是為了幫助客戶去更好地實(shí)現(xiàn)算力上的高性價(jià)比。

現(xiàn)在大家面臨的情況是，GPU的成本都非常高。Sam Altman曾透露，OpenAI創(chuàng)建GPT-4的成本，已經(jīng)超過了1億美元。

而OpenAI的內(nèi)部會(huì)議上也曝出：OpenAI目前嚴(yán)重受限于GPU，訓(xùn)練大模型動(dòng)輒需要千萬美元，何況每天還有ChatGPT的上億用戶在消耗著海量的算力資源。

大模型時(shí)代，得算力者得天下。

對(duì)此，亞馬遜云科技推出的訓(xùn)練和推理芯片Amazon Inferentia、Amazon Inferentia2和Amazon Trainium，就加速了AI工具的開發(fā)過程。

Amazon Trainium是亞馬遜云科技專門為超過1000億參數(shù)模型的深度學(xué)習(xí)訓(xùn)練打造的第二代機(jī)器學(xué)習(xí)加速器。

每個(gè)Amazon Elastic Compute Cloud（EC2）Trn1 實(shí)例可部署多達(dá)16個(gè)Trainium加速器，為云中的深度學(xué)習(xí)（DL）訓(xùn)練提供高性能、低成本的解決方案。

Amazon Inferentia是亞馬遜云科技設(shè)計(jì)的一款機(jī)器學(xué)習(xí)推理加速器，可在云中提供高性能和低成本的機(jī)器學(xué)習(xí)推理。

與第一代Amazon Inferentia相比，Amazon Inferentia2加速器在性能和功能方面實(shí)現(xiàn)了重大飛躍，吞吐量提高了4倍，延遲低至前者的1/10。

在模型訓(xùn)練過程中，訓(xùn)練效率和性價(jià)比是最重要的指標(biāo)。

基于Amazon Trainium的Trn1的實(shí)例表現(xiàn)，單節(jié)點(diǎn)的吞吐量可以提升1.2倍，而多節(jié)點(diǎn)吞吐量可以提升1.5倍。從成本考慮，單節(jié)點(diǎn)降低1.8倍，集群更是降低了2.3倍。

而推理往往需要考慮吞吐量和延遲。更高的吞吐量，當(dāng)然能帶來更高的性價(jià)比。然而這兩者，對(duì)于開發(fā)者來說，往往不可兼得。

Amazon Inferentia2的實(shí)例測(cè)試表明，其吞吐量可以提升3倍，延遲降低8.1倍，而成本只是1/4。

那么Amazon Inferentia2在大語言模型性能表現(xiàn)如何？

用業(yè)界常用的開源模型OPT-30B做測(cè)試，Amazon Inferentia2吞吐量增加了65%，推理成本降低52%，基本上是一半的成本。

跑視覺模型Stable Diffusion時(shí)，Amazon Inferentia2可以實(shí)現(xiàn)50%更低的成本。

亞馬遜云科技的訓(xùn)練和推理芯片，能夠幫助客戶在算力上實(shí)現(xiàn)高性價(jià)比。

4. 專業(yè)的代碼生成

在有了便宜高效的算力之后，另一個(gè)讓企業(yè)開發(fā)者頭大的問題，就是代碼了。

而隨著各種Copilot，以及類ChatGPT大語言模型的發(fā)布，越來越多的開發(fā)者也開始把AI編碼輔助工具加入自己的工作流。

前段時(shí)間，GiHub就展開了一項(xiàng)關(guān)于「AI對(duì)開發(fā)者體驗(yàn)影響」的調(diào)查。

從結(jié)果來看，幾乎所有（92%）的開發(fā)人員都會(huì)在工作中使用AI編碼工具，大多數(shù)（67%）開發(fā)者在工作環(huán)境和個(gè)人時(shí)間中都使用過，不過還有6%的開發(fā)人員表示他們只在工作之外使用編碼輔助工具。

其中，更是有超過70%的開發(fā)者表示，AI編碼工具可以滿足現(xiàn)有的性能標(biāo)準(zhǔn)、提高代碼質(zhì)量、更快地輸出代碼，而且生產(chǎn)級(jí)事故也會(huì)更少。

無獨(dú)有偶，亞馬遜云科技也曾進(jìn)行過一個(gè)生產(chǎn)力挑戰(zhàn)。

結(jié)果顯示，使用自家Amazon CodeWhisperer的參與者在任務(wù)的完成率上，要比不使用的高了27%，而平均速度更是快了57%。

然而，這對(duì)于項(xiàng)目負(fù)責(zé)人來說，卻是一個(gè)不小的挑戰(zhàn)。

由于大模型的「幻覺」問題，此時(shí)的代碼和安全審查就變得尤為重要了。

為了解決這些挑戰(zhàn)，亞馬遜云科技全面推出了AI加持的代碼開發(fā)工具Amazon CodeWhisperer，可以讓用戶實(shí)現(xiàn)更快、更穩(wěn)健的開發(fā)。

具體來說，經(jīng)過數(shù)十億行亞馬遜和公開可用代碼的訓(xùn)練之后，Amazon CodeWhisperer不僅可以理解用自然語言（英語）編寫的注釋，還能實(shí)時(shí)生成整個(gè)函數(shù)和代碼的邏輯塊（通常包含10-15行代碼）。

代碼生成

與此同時(shí)，Amazon CodeWhisperer還會(huì)自動(dòng)過濾掉任何可能有偏見或不公平的代碼建議，并且對(duì)疑似開源代碼進(jìn)行過濾和標(biāo)記。

要知道，開發(fā)者從網(wǎng)上復(fù)制代碼片段時(shí)，很可能就會(huì)復(fù)制了有安全隱患的代碼，或者對(duì)開源代碼的使用沒有進(jìn)行有效的追溯。而Amazon CodeWhisperer大大掃清了這些潛在的問題。

參考檢查

在安全方面，Amazon CodeWhisperer也是查漏洞、debug樣樣精通。而且它查起bug來還非常細(xì)致，不僅會(huì)掃描開發(fā)者編寫的代碼，甚至連自己生成的都不放過。

安全檢查

當(dāng)然，對(duì)于個(gè)人用戶來說，最重要的一點(diǎn)便是——Amazon CodeWhisperer可以免費(fèi)用！

端到端的云原生數(shù)據(jù)戰(zhàn)略

數(shù)據(jù)爆炸不是未來，而是現(xiàn)實(shí)。

生成式人工智能狂飆猛進(jìn)的背后，是海量數(shù)據(jù)在發(fā)揮著巨大的價(jià)值。

可以看到，數(shù)據(jù)不僅是AI發(fā)展的驅(qū)動(dòng)力，更是商業(yè)和社會(huì)創(chuàng)新的核心要素。數(shù)據(jù)驅(qū)動(dòng)的決策和洞察力已經(jīng)成為各行各業(yè)的競爭優(yōu)勢(shì)。

Matt在峰會(huì)上表示，「我相信數(shù)據(jù)是現(xiàn)代革新的起源，尤其是生成式AI」。

而如何管理海量數(shù)據(jù)，挖掘數(shù)據(jù)價(jià)值，對(duì)每個(gè)企業(yè)來說都是巨大的挑戰(zhàn)。

當(dāng)前，我們需要的不僅僅是變革性技術(shù)和完善的基礎(chǔ)設(shè)施，更需要一個(gè)端到端的云原生數(shù)據(jù)戰(zhàn)略，進(jìn)而用數(shù)據(jù)創(chuàng)造新的idea。

而一個(gè)強(qiáng)大云原生數(shù)據(jù)戰(zhàn)略，應(yīng)當(dāng)有三個(gè)核心特征：全面的、集成的和受治理的。

1. 全面的數(shù)據(jù)服務(wù)

「全面」簡言之，能夠提供一套工具適用于任何case。

從2006年，亞馬遜云科技發(fā)布了第一個(gè)儲(chǔ)存服務(wù)Amazon S3開始，便致力于探索云原生數(shù)據(jù)服務(wù)的邊界。

亞馬遜云科技提供了一套全球領(lǐng)先的、全類別云數(shù)據(jù)庫服務(wù)，以及最全面的數(shù)據(jù)分析服務(wù)。

就數(shù)據(jù)庫講，有關(guān)系型數(shù)據(jù)庫、非關(guān)系型數(shù)據(jù)庫8大類型。

在數(shù)據(jù)分析服務(wù)方面，有交互式查詢的Amazon Athena、大數(shù)據(jù)分析服務(wù)Amazon EMR、云上數(shù)據(jù)倉庫Amazon Redshift、商業(yè)智能工具Amazon QuickSight，做日志分析的Amazon OpenSearch等。

2. 互相集成數(shù)據(jù)源

此外，連接數(shù)據(jù)的能力，實(shí)現(xiàn)數(shù)據(jù)一體化融合也是非常重要。

這樣做的優(yōu)勢(shì)在于，把所有數(shù)據(jù)資產(chǎn)連接，能夠讓客戶更容易獲取數(shù)據(jù)。

當(dāng)前，亞馬遜云科技將很多產(chǎn)品之間做了深度集成，其中就包括Amazon S3、Amazon Redshift等。

而最最重要的是，亞馬遜云科技正在致力實(shí)現(xiàn)一個(gè)「Zero ETL」愿景。

ETL是指數(shù)據(jù)的提取、轉(zhuǎn)換和加載過程。以往，業(yè)務(wù)數(shù)據(jù)往往需要通過ETL，才能進(jìn)行分析從而提供洞察。

然而，這一過程非常耗時(shí)且復(fù)雜，「Zero ETL」是邁出的關(guān)鍵一步。

在Amazon re:Invent 2022全球大會(huì)上，亞馬遜云科技全新發(fā)布的Amazon Aurora zero-ETL與Amazon Redshift集成功能，能夠幫助客戶實(shí)時(shí)分析PB級(jí)交易數(shù)據(jù)。

此外，亞馬遜云科技數(shù)據(jù)服務(wù)可以與外部數(shù)據(jù)庫實(shí)現(xiàn)Zero的集成。

讓數(shù)據(jù)實(shí)現(xiàn)一體化融合，將其數(shù)據(jù)庫、數(shù)據(jù)服務(wù)底層打通，由此數(shù)據(jù)實(shí)現(xiàn)「無感知」流動(dòng)。

3. 正確的治理策略

當(dāng)前，數(shù)據(jù)爆炸性增長，為數(shù)據(jù)治理帶來了前所未有的復(fù)雜度。

要知道，良好的治理是整個(gè)團(tuán)隊(duì)可以訪問數(shù)據(jù)的基礎(chǔ)。

在數(shù)據(jù)治理過程中，通常涉及到不同團(tuán)隊(duì)、應(yīng)用和權(quán)限管理，由此當(dāng)前急需細(xì)顆粒度的數(shù)據(jù)治理。

亞馬遜云科技全新的數(shù)據(jù)管理服務(wù)Amazon DataZone，可以幫助企業(yè)對(duì)內(nèi)部數(shù)據(jù)進(jìn)行編目、發(fā)現(xiàn)、共享和治理。

通過自身17年的數(shù)據(jù)創(chuàng)新經(jīng)驗(yàn)，亞馬遜云科技總結(jié)出云原生數(shù)據(jù)戰(zhàn)略的重要構(gòu)成要素。

F1、阿凡達(dá)2，全靠它

如今的AIGC大爆發(fā)，突發(fā)的用量都對(duì)系統(tǒng)提出了更高的需求，當(dāng)海量用戶暴漲時(shí)，如何應(yīng)對(duì)彈性變化？

基于一流的模型、安全的環(huán)境，以及低成本和低延遲的基礎(chǔ)設(shè)施，亞馬遜云科技為客戶所面對(duì)的各類棘手挑戰(zhàn)提供了支持。

比如，在世界上最受歡迎的體育賽事之一——F1賽車中，就大量用到了亞馬遜云科技的算力，形成了高性能業(yè)務(wù)場景，在高速度中進(jìn)行大量的模擬。

提供關(guān)鍵支持的，正是亞馬遜云科技的三大法寶——Amazon SageMaker、Amazon Kinesis和Amazon S3。

每輛F1賽車上都有300個(gè)傳感器，每秒可產(chǎn)生超過110萬個(gè)數(shù)據(jù)點(diǎn)，并從賽車傳輸?shù)骄S修站，因此 F1 是一項(xiàng)真正以數(shù)據(jù)為驅(qū)動(dòng)的運(yùn)動(dòng)。

亞馬遜云科技能夠帶來的是，高性能計(jì)算。F1能夠運(yùn)行空氣動(dòng)力學(xué)模擬，用比以往快70%的速度開發(fā)，并打造出一款能將下壓力損失從50%降低到15%的賽車。

而壓力損失的大幅降低，可以讓車手有了更多超車機(jī)會(huì)，表現(xiàn)也得到提升。

此外，F(xiàn)1還利用Amazon S3上存儲(chǔ)的70年歷史比賽數(shù)據(jù)，通過復(fù)雜的模型進(jìn)行分析，作為豐富的數(shù)據(jù)洞察與車迷分享，揭示出瞬間決策的細(xì)微差別，并通過這些先進(jìn)的統(tǒng)計(jì)數(shù)據(jù)突出不同車手的表現(xiàn)。

再舉個(gè)栗子，維塔數(shù)碼是全球領(lǐng)先的綜合性視覺效果公司，創(chuàng)作了《阿凡達(dá)》、《指環(huán)王》、《猩球崛起》一系列巨作。

在《阿凡達(dá)：水之道》中，亞馬遜云科技在8個(gè)月內(nèi)完成了高達(dá)33億渲染線程小時(shí)的云上制作，助力其打造48FPS HFR的逼真特效并按時(shí)交付，保證了影片的順利上映。

早在2020年，視頻特效制作公司 Wētā FX 公司已將業(yè)務(wù)全面部署至亞馬遜云科技，創(chuàng)建了新的基于云的視覺特效（VFX）制作流程。

Wētā FX 在電影中創(chuàng)造了令人難忘的場景和人物，包括《阿凡達(dá)》中的納美族和潘多拉星球的美麗風(fēng)景。

亞馬遜云科技為工作室提供了最全面的內(nèi)容制作云功能集，并且使他們?cè)趲仔r(shí)內(nèi)就能建立創(chuàng)意工作站，無需耗費(fèi)幾周時(shí)間。

而工作室則獲得了近乎無限的擴(kuò)展能力，可以在亞馬遜云基礎(chǔ)設(shè)施中按需渲染。

除了以上實(shí)例，地球已經(jīng)不是云計(jì)算的邊界，亞馬遜云科技的技術(shù)已經(jīng)可以在太空這種極端環(huán)境中收集、處理數(shù)據(jù)，并做出實(shí)時(shí)的決定。

生成式AI大爆發(fā)，在這個(gè)人工智能的iPhone時(shí)刻，越來越多的企業(yè)想要抓住機(jī)遇，同時(shí)面臨著挑戰(zhàn)。

而面對(duì)全球算力井噴帶來的挑戰(zhàn)，亞馬遜云科技通過自研芯片提供高性價(jià)比、各種豐富的彈性計(jì)算存儲(chǔ)服務(wù)組合，以及簡化算力的Serverless架構(gòu)去解決問題。

目前，亞馬遜云科技的在全球部署這無處不在的云服務(wù)，全球31個(gè)區(qū)域的99個(gè)可用區(qū)，已經(jīng)覆蓋了245個(gè)國家和地區(qū)。

在AI領(lǐng)域深耕25年的亞馬遜云科技，為10萬+客戶提供AI和機(jī)器學(xué)習(xí)服務(wù)來抓住當(dāng)下生成式AI挑戰(zhàn)和機(jī)遇。

從另一面來看，這個(gè)選擇是雙向的，越來越多客戶的加入也是對(duì)亞馬遜云科技AI能力和戰(zhàn)略的認(rèn)可。

在演講結(jié)尾，亞馬遜云科技全球產(chǎn)品副總裁Matt Wood引用了Bob Dylan的這首著名歌曲<The Times They Are A-Changin'>：

不要急著說話，因?yàn)檩喿舆€在旋轉(zhuǎn)

而且不知道它的名字是誰

不要站在門口，不要堵住大廳

誰停滯不前，誰就會(huì)受傷

外面有一場戰(zhàn)斗，正在肆虐

很快，它會(huì)搖晃你的窗戶，震動(dòng)你的墻壁

時(shí)代變了，我們應(yīng)該向舊傳統(tǒng)決裂。

同樣，生成式AI的到來，也在讓這個(gè)時(shí)代改變。

當(dāng)下，亞馬遜云科技正在做的，是幫助讓每個(gè)企業(yè)利用好AI，釋放生成式AI的巨大潛力。