整个AI领域，GPT-4 发布无疑成为载入 AI 史册的大事件。但其还留下来一些发展空间，其不可能把所有的事情都做完。比如，涉及小数、分数的运算，GPT-4 可能给不出正确答案（其多位乘法运算准确率仅为 4.3%）。
可以说，现阶段我们并没有实现理想中的「通用人工智能」，强如 GPT-4 也并不完美。这也意味着，对于大模型使用者或者想在其上开发应用的技术人员来说，GPT-4 或许不是唯一的选择，甚至不是最适合的选择。
那么，在生成式 AI 的下半场，应用到底应该怎么造？这并不是一个能够简单得出答案的问题，很多时候，我们恨不得把现有的比较强的模型都试一下。但即使要做这件事也不容易，因为很多模型在发布的同时其实并没有提供太多「配套服务」，试用也有成本和代价。
好在，拥有强大基础设施的亚马逊云科技也关注到了这些问题。近日正式上线的 Amazon Bedrock 就是奔着「提供更多选择」和配套服务这一目标来的。
一、Claude、Llama 2、Stable Diffusion… 超全明星模型库
除了 ChatGPT，在更多领域中，人们想要应用生成式 AI 还存在肉眼可见的挑战：我们必须构建专用于生成式 AI 的硬件基础设施，配合自身数据对大模型进行调优，不断更新部署，同时还需要保护隐私数据的安全。即使对于科技公司而言，这也是非常复杂的事。
对此，亚马逊云科技拿出了一套帮助人们建大模型应用的「基础设施」。
今年 4 月，亚马逊云科技正式发布 Amazon Bedrock，这是一套生成式 AI 全托管服务，包含业界领先的基础模型和构建生成式 AI 应用程序所需的一系列功能。
Amazon Bedrock 汇聚了业内几乎所有领先的基础大模型，面对不同应用场景，它可以让人们只需通过单一 API 就能用上来自 AI21 Labs、Anthropic、Cohere、Meta Llama2、Stability AI 等公司的先进大模型来构建自己的应用。
提到亚马逊，很多人可能都会想到前段时间的一个重要融资事件：他们计划对 OpenAI 头号竞争对手 ——Anthropic 投资 40 亿美元。
在大模型创业领域，Anthropic 是一个非常耀眼的存在。它由 OpenAI 前研究副总裁 Dario Amodei、GPT-3 论文第一作者 Tom Brown 等人在 2021 年共同创立，其创始成员大多为 OpenAI 的核心员工，他们曾经深度参与过 OpenAI 的 GPT-3，率先提出引入人类偏好的强化学习（RLHF）等技术。
这套强大的阵容打造出了一个同样耀眼的模型 ——Claude（最新版本是 Claude 2）。在某些方面，这个模型甚至做到了 GPT-4 都没做到的事情，比如 100k token 的上下文窗口，其代码生成能力也超过了原版的 GPT-4。这些都是亚马逊选择投资 Anthropic 的重要原因。
更重要的是，亚马逊云科技发布的新闻中有这么一段话：「作为投资协议的一部分，Anthropic 将使用亚马逊云科技的服务承担关键任务工作负载，合作进行安全研究和未来基础模型开发。使用亚马逊云科技的开发人员和工程师将能够通过 Amazon Bedrock 在 Anthropic 最先进的模型基础上构建应用。」
没错，应用生成式 AI，现在有了新的思路：有人把表现优秀的模型上线到 AI 基础设施平台上，让用户去选什么是最合适的。为了扩大操作的范围，Amazon Bedrock 不仅上线了 Claude 2，还有开源界的扛把子 Llama 2 以及口碑同样很好的 Jurassic-2、Command 等模型。
Jurassic-2 来自 AI21 Labs，是业内规模最大，性能最强的几种基础大模型之一。在 Amazon Bedrock 上甚至提供了超千亿参数的 Ultra 版本，其可以应用于任何复杂的语言生成任务，例如问答、摘要、长格式副本生成、高级信息提取等，也支持多种语言。
Command 则是另一家明星创业公司 Cohere 推出的，可够接受用户个性化命令训练的文本生成模型。企业用户在将自己的数据和 Command 结合之后，就可以生成一个面向特定应用的语言模型，能在实际业务中立即发挥作用。在 520 亿参数的体量之上，Command 的性能超过了很多更大的模型。
此外，在 ChatGPT 之前就已席卷 AI 圈，拥有强大文生图能力的 Stable Diffusion 也在他们的模型列表里。
只需用自然语言文字写指令，Agent 就能明白要完成的目标。
在平台和硬件上，作为专为人工智能打造的平台，Amazon Bedrock 连接了亚马逊云科技的基础设施，从硬件和软件都对 AI 计算进行了专门的优化，覆盖大模型从构建、训练到部署的一系列工作负载。由于 Amazon Bedrock 采用无服务器（Serverless）技术，客户不必管理任何基础设施，就能在熟悉的亚马逊云科技服务平台上将生成式 AI 能力安全地集成和部署到应用程序中。
想要做大模型的应用，一个绕不过的问题就是算力的成本。最近就有人给微软 GitHub Copilot 的服务算了笔账：每月每位用户收费 10 美元，结果微软反而还要倒贴 20 美元。
最近，亚马逊云科技推出了一项 CodeWhisperer 企业计划，旨在实现自定义化的 AI 代码生成和建议服务。基于新功能，用户可以利用企业内部的代码存储库当训练数据，让 AI 相应地调整代码生成建议，管理员也可以从控制台管理自定义，在控制台查看评估指标，估计每个自定义的执行方式，并有选择地将它们部署给开发人员，保证了企业质量与安全标准。
在开发新技术之外，我们也能应用生成式 AI 提高业务评估和诊断的效率。Amazon QuickSight 提供了生成式 BI 的数据分析功能，它能够创建交互式仪表盘、分页报告以及嵌入式分析，同时具备进行自然语言查询的能力，让业务分析师能够更加方便快捷的探索数据，并使用自然语言描述轻松创建可视化报告。
在所有流程上，亚马逊云科技提供的能力大幅度降低了先进大模型的落地门槛，在人们使用技术领先大模型的同时，消除了管理环境、配置硬件与安全管理的事务，只需要关心业务创新就可以了。
三、生成式 AI 的变革，应该走这条路
我们知道，生成式 AI 的前景是不可限量的。
随着门槛被 AI 基础设施打下来，我们可以展望：在医疗健康领域，让 AI 自动提取关键细节并根据临床医生与患者的互动创建文档摘要；在药物发现上，使用生成式 AI 工具进行蛋白质折叠、蛋白质序列、对接和分子设计，加速药物发现和设计过程；在制造业中，生成式 AI 可以通过提取历史数据实时诊断设备故障，并建议维护操作，例如输入调整、维修或可能的备件。
利用开箱即用的生成式 AI 服务提升创新效率，更快地构建出实用化应用，或许才是大模型时代创新的正确方式。
如此看来，构建平台，降低门槛的意义与 Llama2 这样的重要技术创新可谓同等重要。
正如亚马逊 CEO Andy Jaessy 所说的：「让任何人，哪怕他还在自己的宿舍或者车库里刚刚开始创业之旅，也能获得与大型企业一样先进的基础设施和成本来实现自己的创新。我们希望帮助所有初创企业都有机会成为明天的『巨头』。」
一句话，亚马逊云科技提供的服务，正在让众多AI 浪潮旁观者变成参与者。一场变革正悄然发生，生成式 AI 也将会在不远的未来发生颠覆式变化，冲击各行各业。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至253000106@qq.com举报，一经查实，本站将立刻删除。
发布者：SEO优化专员，转转请注明出处：https://www.chuangxiangniao.com/p/964460.html
