亞馬遜CEO Andy Jassy 曾表示，亞馬遜云科技的目標是讓任何人都能夠獲得和大型企業一樣先進的基礎設施和成本來實現自己的創新。

在今年爆火的生成式 AI 領域，亦是如此。

亞馬遜云科技認為，生成式 AI 并不僅僅是大模型，整個生成式 AI 應用就像是浮在海面的冰山，露在海面上方是基礎模型，而在冰山底部，也需要大量的基礎模型以外的服務來支撐，比如加速芯片、數據庫、數據分析和數據安全服務等等。

為此，亞馬遜云科技提供了完整的端到端的生成式 AI 技術堆棧，從底層的加速層，包括加速芯片和存儲優化等，到中間層模型的構建工具和服務，再到最上層的生成式 AI 應用，每一層都在根據客戶的不同需求進行持續創新。

亞馬遜云科技大中華區產品部總經理陳曉建表示，為了完成“技術普惠”的使命，亞馬遜云科技提出實現生成式 AI 有五個關鍵因素，助力企業和開發者釋放生成式 AI 的潛力。

第一步：選擇合適的應用場景，從典型場景入手創新業務模式

根據麥肯錫咨詢 2023 年 6 月發布的生成式 AI 生產力前沿技術報告顯示，在生成式 AI技術帶來的經濟效益中，大約四分之三來自四類主要的職能：營銷與銷售、產品與研發、軟件工程和客戶運營。這四個職能也是生成式 AI 應用的主要使用領域。

為此，企業要想實現生成式 AI，首先要選擇適合企業業務發展的場景，從典型的應用場景入手，從而創造新的業務模式。

亞馬遜云科技認為，典型的應用場景帶給企業的業務價值主要包含三個方面：增強客戶體驗，提升員工生產力與創造力，優化業務流程。例如，海爾創新設計中心利用生成式 AI 能夠實現文生圖、圖生圖、定量圖和全場景圖四個方面的提效，上線后，自動化設計系統應用讓相關業務的操作周期縮短了 20%。

第二步：借助專門構建的生成式 AI 工具和基礎設施，快速構建高性價比的生成式 AI 應用

隨著基礎模型的不斷發展和迭代，新出現的每個大模型都在特定領域有著獨特的優勢。如何在眾多的基礎模型中，選擇最適合自己企業的業務場景的基礎模型，是每個企業在構建生成式 AI 應用時面臨的挑戰。

為此，亞馬遜云科技推出了 Amazon Bedrock，該服務與 Amazon SageMaker Jumpstart 結合，幫助對基礎模型有不同需求的客戶輕松、安全地選擇基礎模型。

亞馬遜云科技認為，沒有一個基礎模型能夠適用于所有的業務場景。為此，Amazon Bedrock服務提供的基礎模型來自 Meta、Anthropic、Stability AI、AI21 Labs、Cohere 等第三方領先供應商，以及亞馬遜云科技自研的 Amazon Titan 模型家族。亞馬遜云科技透露，近期 Amazon Bedrock 還加入了 Meta 下一代開源大模型 Llama2 以及 Anthropic 的 Claude2 等熱門基礎模型。

Amazon Bedrock 在開發之初就考慮到了安全性和隱私保護，幫助客戶保護敏感數據。首先，用戶的任何數據都不會被用于訓練任何原始大模型。其次，用戶可以配置他們的私有環境，比如說虛擬網來執行他們自己的環境訓練，而這個環境和其他用戶之間都是安全隔離的，所有的數據都是加密的，并且數據的傳輸是不會暴露在公眾的網絡。此外，如果客戶有一些場景的高監管要求，Amazon Bedrock 符合 HIPAA（健康保險流通與責任法案）和 GDPR（歐盟《通用數據保護條例》）這樣合規的標準。

Amazon Bedrock 代理功能是一項全新的全托管功能，使開發人員能夠更輕松地創建基于生成式 AI 的應用程序，以完成各種用例的復雜任務，并根據專有知識源提供最新的答案。開發人員只需進行簡單操作，Amazon Bedrock 代理功能就會自動分解任務并創建編排計劃，無需任何手動編碼。該代理通過簡單的 API 接口安全地連接到公司數據，自動將數據轉換為機器可讀的格式，并增加相關信息以生成最準確的回答。然后，代理可以自動調用 API 來滿足用戶的請求。

第三步：夯實數據基座，使用私有化數據，打造差異化競爭優勢

數據是將通用人工智能轉變為了解業務和客戶的個性化人工智能生成模型的關鍵。那些尚未找到有效協調和隨時訪問其數據方法的公司無法對生成式人工智能進行微調以釋放其潛在的變革性用戶。

面向生成式 AI 構建強大的數據“基座”，企業需要一套全面的服務，以便能夠存儲用于構建和微調模型的各種類型的數據；同時，企業還需要服務間的集成，以打破數據孤島，確保能夠隨時訪問所有數據；此外，企業還需要在構建生成式 AI 應用程序的整個生命周期中，確保數據安全并對其進行管理。

亞馬遜云科技針對生成式 AI 領域的用戶個人信息、會話信息管理、私域知識庫等應用場景都提供了專門構建的數據庫。針對檢索增強生成（RAG,Retrieval Augment GenerationRAG）需要處理的向量數據，亞馬遜云科技為 Amazon OpenSearch Service、Amazon Aurora PostgreSQL和 Amazon RDS for PostgreSQL 加入了向量數據庫功能，客戶可以使用這些功能來存儲和搜索其機器翻譯和生成式 AI 應用中使用的嵌入，將向量與數據同地放置，可以更輕松地連接數據并減少數據重復。

第四步：借助云原生服務，加速  AI 應用構建，助力業務敏捷創新

在亞馬遜云科技服務百萬客戶、經歷無數次應用現代化轉型的過程，也積累了一些寶貴的經驗，希望對生成式 AI 時代的構建者有所幫助。

首先，亞馬遜云科技強調以微服務化和事件驅動架構為核心的設計框架。通過松耦合的方式處理每個功能模塊之間的相互依賴，可以更好地實現敏捷創新。

其次，Serverless First 策略能夠簡化運維、提升效率。

第三，數據決策優先是亞馬遜云科技重要的設計理念之一。像資產一樣重視數據，將數據能力作為應用的核心競爭壁壘加入到生成式 AI 應用的設計中。

第四，安全圍欄和影響面控制也是亞馬遜云科技在應用構建過程中關注的重點，這能夠減小事故的爆炸半徑，將安全與數據的合規與保護放在前所未有的重要地位。

第五，避免重復造輪子也是亞馬遜云科技一直倡導的理念。除了技術本身，亞馬遜云科技也在 DevOps、基礎設施即服務、自動化等現代應用治理理念上持續投入，促進企業內部的應用資產與實踐的分享，構建高效敏捷的構建者文化。

第五步：借助開箱即用的生成式 AI 服務，消除重復性工作并專注創新本身。

編程將是生成式 AI 技術得到快速應用的領域之一。軟件開發者需要花費大量時間編寫相當淺顯和無差別的代碼，真正用于創新的時間少之又少。從網上復制代碼片段則可能無意中復制無效代碼或有安全隱患的代碼，或對開源代碼的使用沒有進行有效追溯。

為了解決這些問題，亞馬遜云科技推出了 Amazon CodeWhisperer。它是一款人工智能編碼伙伴，在基礎模型高級選項中使用，可以實時生成代碼建議，從根本上提高開發人員的生產力。根據亞馬遜云科技的一項生產力測試顯示，與未使用的參與者相比，使用 Amazon CodeWhisperer 的參與者完成任務的速度平均快 57%，成功率高 27%。

近日，亞馬遜云科技還推出了 Amazon CodeWhisperer 自定義功能，能夠生成優于之前的代碼建議。它允許客戶使用私有代碼庫安全地定制 CodeWhisperer 代碼建議，這些私有代碼庫可涵蓋內部 API、數據庫、最佳實踐和架構模式等。

亞馬遜云科技認為，開發生成式 AI 應用是一個充滿挑戰的系統工程，并不是單純的產品和服務拼接。因此，如何加速客戶最終應用的商業化落地是亞馬遜云科技一直關注的問題。除了亞馬遜本身的資源以外，亞馬遜云科技同樣需要構建強大的合作伙伴生態，攜手助力解決生成式 AI 應用構建中的各種技術問題，加速應用落地。

除了云服務之外，亞馬遜云科技還提供解決方案架構師、產品技術專家、人工智能實驗、數據實驗室、快速原型團隊、專業服務團隊、培訓與認證部門等多個資源共同助力客戶成功。同時，亞馬遜云科技還將攜手生態合作伙伴與初創圈，構建生成式 AI 的大生態，進一步助力生成式 AI 技術的落地。