太原交通广播：流畅出行的最佳选择

mahaizizhuyanfalerengongzhinengzhinengrenticeliangjishu，jiandantianxietixingtezheng。heikejikeyibangnijisuantixing，jujuebuheshi；wodehaizishengmingzhiquanhuaweibanshouyouxiazaihailiangdingdan，kehudingdanlaiyuanwending；anquanfangxin：renshebuheguirenzheng，zhengzhanshujujiami，zijinyinxingjianguan；xunfangqingguohongyan，aijiangshangengaimeiren解(jie)鎖(suo)生(sheng)成(cheng)式(shi)AI萬(wan)億(yi)規(gui)模(mo)市(shi)場(chang)，亞(ya)馬(ma)遜(xun)雲(yun)科(ke)技(ji)把(ba)AIGC門(men)檻(kan)打(da)下(xia)來(lai)了(le)

編(bian)輯(ji)：编辑部(bu)

ChatGPT壹(yi)聲(sheng)驚(jing)雷(lei)，让全(quan)球(qiu)見(jian)識(shi)到(dao)了生成式AI的威(wei)力(li)。

當(dang)前(qian)，生成式AI進(jin)入(ru)一個(ge)爆(bao)發(fa)時(shi)刻(ke)，並(bing)在(zai)許(xu)多(duo)領(ling)域(yu)中展(zhan)現(xian)出(chu)它(ta)的無(wu)限(xian)潛(qian)力。

OpenAI的ChatGPT iOS版(ban)，一周(zhou)之(zhi)內(nei)就(jiu)突(tu)破(po)了50万次(ci)下載(zai)。AI繪(hui)畫(hua)工具Midjourney，憑(ping)借(jie)訂(ding)閱(yue)付(fu)費(fei)模式，在一年(nian)内實(shi)现了約(yue)1亿美(mei)元的營(ying)收(shou)。

现在，基(ji)於(yu)AIGC的新應(ying)用依(yi)然(ran)層(ceng)出不(bu)窮(qiong)。Midjourney V5.2可以(yi)无限縮(suo)放(fang)画面(mian)，能直接(jie)制(zhi)作(zuo)鏡(jing)頭(tou)伸(shen)缩的視(shi)頻(pin)；Figma官(guan)宣(xuan)AI設(she)計(ji)能力，創(chuang)意(yi)、绘圖(tu)、代码全部包(bao)含(han)。

整(zheng)个AI圈(quan)，仿(fang)佛(fo)瞬(shun)間(jian)都(dou)活(huo)了起(qi)来。

那(na)么，在這(zhe)輪(lun)生成式AI大(da)爆发中，企业应当如(ru)何(he)抓(zhua)住(zhu)機(ji)遇(yu)，順(shun)应这一波(bo)时代的潮水(shui)，得(de)到自(zi)己(ji)的獨(du)特(te)紅(hong)利(li)？

这屆(jie)亚马逊云科技中國(guo)峰(feng)會(hui)，給(gei)了我(wo)們(men)答(da)案(an)。

0代码構(gou)建(jian)应用

AI大爆发中，许多企业都希(xi)望(wang)能顺勢(shi)抓住红利，但(dan)无論(lun)是(shi)成本還(hai)是技術(shu)壁(bi)壘(lei)，大模型(xing)的门槛之高(gao)，都会把许多企业拒(ju)之门外(wai)。

亚马逊云科技的Amazon Bedrock，就把大模型的门槛打了下来。

在峰会现场，亚马逊云科技全球產(chan)品(pin)副(fu)總(zong)裁(cai)Matt Wood為(wei)我们展示(shi)了一个令(ling)人(ren)印(yin)象(xiang)深(shen)刻的无代码产品demo。

Matt表(biao)示：「從(cong)未(wei)有(you)過(guo)如此(ci)簡(jian)單(dan)、低(di)成本的方(fang)式让每(mei)个人可以借助(zhu)机器學(xue)習(xi)进行(xing)代码构建。」

现在，根(gen)據(ju)下面这个个人用戶(hu)的每月(yue)開(kai)銷(xiao)表格(ge)， 我们需(xu)要(yao)开发一个理財(cai)应用程(cheng)序(xu)。

从十(shi)幾(ji)个數(shu)字(zi)中能看(kan)出什(shen)么呢(ne)？用Amazon Bedrock向(xiang)大模型提(ti)問(wen)，你会得到惊喜(xi)。

首(shou)先(xian)，在眨(zha)眼(yan)间，Amazon Bedrock就会得出對(dui)表中的信(xin)息(xi)做(zuo)总結(jie)，根本不用寫(xie)代码。

在这个收入匯(hui)总表中，它概(gai)括(kuo)出了收入和(he)主(zhu)要支(zhi)出，并列(lie)舉(ju)了出了主要支出的摘(zhai)要，还总结出了每月的高频消(xiao)费。

我们可以问Amazon Bedrock：这个表有哪(na)些(xie)異(yi)常(chang)？

它会告(gao)訴(su)你：从收支表可以看出，整个月的开支分(fen)配(pei)似(si)乎(hu)相(xiang)当不平(ping)衡(heng)，沒(mei)有與(yu)儲(chu)蓄(xu)或(huo)投(tou)資(zi)相關(guan)的交(jiao)易(yi)，整个月只(zhi)有兩(liang)筆(bi)收入存(cun)款(kuan)，一些支出似乎被(bei)过于低估(gu)了……总之，问題(ti)重(zhong)重。

除(chu)此之外，我们还可以构建一个个性(xing)化(hua)的财務(wu)儀(yi)表板(ban)。

我们可以问Amazon Bedrock，每年的燃(ran)氣(qi)开销是多少(shao)？它会根据数据做出預(yu)估：大概占(zhan)总支出的10%或15%。

要得出这些结论，一行代码都不用写，只需要用自然語(yu)言(yan)给出提示詞(ci)即(ji)可。

而(er)Amazon Bedrock也(ye)提供(gong)了一个聊(liao)天(tian)框(kuang)，这樣(yang)可以快(kuai)速(su)向用户展示聊天界(jie)面。

最(zui)後(hou)，通(tong)过这个模型，銀(yin)行就可以向用户提供各(ge)種(zhong)理财建議(yi)，让他(ta)们做出改(gai)进了。

生成式AI的变革

DALL-E 2、Stable Diffusion、ChatGPT等(deng)AI工具的相繼(ji)誕(dan)生成功(gong)引(yin)爆了AIGC时代。

由(you)此，2022年也被稱(cheng)为「生成式AI元年」。

近(jin)二(er)十年来，我们见證(zheng)了从「机器学习」算(suan)法(fa)到「深度(du)学习」，再(zai)到「基礎(chu)模型」的发展。

隨(sui)著(zhu)(zhe)数据量(liang)大规模膨(peng)脹(zhang)，可擴(kuo)展的算力，再加(jia)上(shang)机器学习不斷(duan)创新，生成式AI走(zou)向了一个轉(zhuan)折(zhe)點(dian)。

AI能夠(gou)生成内容(rong)，是因(yin)为基于生成式对抗(kang)網(wang)絡(luo)（GAN）、预訓(xun)練(lian)模型等技术，根据已(yi)有的数据尋(xun)找(zhao)规律(lv)，并通过泛(fan)化能力生成一切(qie)。

那么，生成式AI具體(ti)經(jing)歷(li)了怎样一个演(yan)变，那还得从机器学习說(shuo)起。

顧(gu)名(ming)思(si)義(yi)，机器学习就是让计算机对数据进行学习，从中找出规律，并建立(li)模型。

根据監(jian)督(du)学习方法的差(cha)异，机器学习领域出现了两种類(lei)型：判(pan)別(bie)式模型和生成式模型。

前者(zhe)是对條(tiao)件(jian)概率(lv)进行建模，对给定(ding)輸(shu)入进行分类或標(biao)記(ji)。后者則(ze)对聯(lian)合(he)概率进行建模，根据已有数据生成新的内容。

直到2014年，Ian Goodfellow等人提出的GAN，傳(chuan)統(tong)机器学习模型逐(zhu)漸(jian)转向深度神经网络。

通过利用多层人工神经网络进行学习和训练模型，深度学习很(hen)快展现出強(qiang)大的能力。就連(lian)2016年打敗(bai)人类圍(wei)棋(qi)高手(shou)李(li)世(shi)石(shi)的AlphaGo，其(qi)背(bei)后原(yuan)理也是基于深度学习训练的。

与此同(tong)时，生成式机器学习模型也被廣(guang)泛应用于文(wen)本、图像(xiang)、语音(yin)等智能生成，由此，人们將(jiang)其成为「生成式AI」。

随着时间推移(yi)，可以看到，深度学习是机器学习的一个分支，而生成式AI是深度学习的分支。

因此，生成式AI并非(fei)是全新产物(wu)，而是一点点演进而来，因为我们很容易从此前爆火(huo)的AI模型中发现它的原型。

就比(bi)如，2017年，一位(wei)国外小(xiao)哥(ge)Zack Thoutt等不及(ji)马丁(ding)新作，便(bian)用AI——分支循(xun)環(huan)神经网络（RNN）續(xu)写了「冰(bing)与火之歌(ge)」。

那么，为什么生成式AI在如今(jin)才(cai)迎(ying)来爆发呢？

首先，从模型的规模来講(jiang)，更(geng)加適(shi)用于生成式AI的「大模型」，逐渐取(qu)代了「小模型」。

人们发现，随着參(can)数量的不断扩增(zeng)，更大的基础模型能够取得更好(hao)的效(xiao)果(guo)，執(zhi)行越(yue)来越多的復(fu)雜(za)任(ren)务。

因为当模型達(da)到一定规模时，就会出现一种不可预測(ce)的现象，即「湧(yong)现」能力。

其次，最值(zhi)得一提的是，2017年提出的王(wang)者架(jia)构Transformer，让大模型训练变得更加容易。

比起以往(wang)RNN等架构，Transformer能够实现很好的并行性，大幅(fu)缩短(duan)了训练时间。基于Transformer构建的GPT-4、DELL-E等都是最好的例(li)证。

第(di)三(san)个原因便是算力飛(fei)升(sheng)，CPU/GPU硬(ying)件不断突破、充(chong)足(zu)供应，为大模型的训练和推理提供了巨(ju)大算力支撐(cheng)。

还有最后重要的一点原因是，数据量極(ji)大豐(feng)富(fu)。

一方面GAN的提出，直接突破了以往传统机器学习数据局(ju)限，使(shi)得大规模无监督学习成为可能。

另(ling)一方面，互(hu)联网的发展，提供了各种图片(pian)、文字、视频等丰富的训练材(cai)料(liao)。

丰富的数据，更好的模型，以及更强的算力，正(zheng)是在諸(zhu)多因素(su)共(gong)同作用下，才使得生成式AI在当下迎来大爆发。

生成式AI的火熱(re)不僅(jin)意味(wei)着商(shang)业的可能性，更代表着AI进入一个新时代。

在亚马逊云科技中国峰会上，亚马逊云科技全球产品副总裁Matt Wood提到了，生成式AI将最先在四(si)个方面发生深刻的变革。

它们分别是：创意输出、功能增强、交互式体驗(yan)、決(jue)策(ce)支持(chi)。

创意输出是指(zhi)通过生成式AI做一些有创造(zao)力的工作，比如写作、编码、视频、设计等。

辦(ban)公(gong)軟(ruan)件能够帮你去(qu)做总结、分析(xi)各种个性化内容的实现，还有进行相关内容搜(sou)索(suo)，都是功能增强的体现。

另外，交互式体验是通过与包括ChatGPT在内的聊天机器人，进行Q&A互動(dong)。最后的决策支持，比如智能数据報(bao)表AI助理。

现在，生成式AI的大爆发就在眼前，而且(qie)还是多点爆破，许多企业，都希望能抓住机遇。

四大挑(tiao)戰(zhan)，一站(zhan)式解决

然而在现实中，企业想(xiang)要利用生成式AI，还面臨(lin)着重重困(kun)難(nan)。

比如，不是每个人都能獲(huo)得一流(liu)的模型、安(an)全和私(si)有的环境(jing)，以及低成本和低延(yan)遲(chi)的基础设施(shi)。

那么问题来说，我们如何最大化生成式AI在创意输出、功能增强、交互式体验、决策支持等方面的潜力呢？

首先最重要的，当然就是有性能最强大的一流基础模型，用来构建出色(se)的生成式AI应用。

有了模型之后，就需要一个安全私密(mi)的环境，用私有数据来定制化这些模型。

第三，当然就是需要專(zhuan)门构建的机器学习基础设施，以实现低成本的推理。

最后，就需要借助专业的代码生成工具，消除繁(fan)重的工作、大幅提升效率。

而亚马逊云科技，正在通过种种服(fu)务产品，彌(mi)補(bu)着这一差距(ju)，爭(zheng)取让生成式AI的好處(chu)，能够惠(hui)及所(suo)有企业。

在当今的背景(jing)之下，大多数公司(si)都有使用大语言模型的需要。便捷(jie)的訪(fang)问，靠(kao)譜(pu)的模型，都渐渐成为剛(gang)需。

然而，真(zhen)正好的大语言模型，动輒(zhe)需要数十亿美元的训练，还要经历数年的时间。

大多数企业无法自己实现这个过程，他们希望的是能够从一个龐(pang)大的基础模型开始(shi)改进，然后根据自己的需求(qiu)进行定制。

但包括ChatGPT和Bing AI在内的聊天机器人，都无法避(bi)免(mian)「幻(huan)覺(jiao)」的问题，会输出看起来令人信服、实则是胡(hu)说八(ba)道(dao)的答案。

如何获得一流的模型呢？亚马逊云科技的Amazon Bedrock，就提供了非常好的選(xuan)擇(ze)。

首先，Amazon Bedrock最重要的優(you)势就在于，用户可以将其与亚马逊云科技的其他部分集(ji)成。这意味着，企业可以更輕(qing)松(song)地(di)访问存储在Amazon S3对象存储服务中的数据，并从亚马逊云科技的访问控(kong)制和治(zhi)理策略(lve)中受(shou)益(yi)。

其次，通过Amazon Bedrock，用户可以轻松访问AI21的Jurassic-2、Anthropic的Claude、Stability AI的Stable Diffusion，以及亚马逊云科技自己的Amazon Titan模型。

在这些模型中，最被大家(jia)熟(shu)知(zhi)的应該(gai)就是来自Anthropic的Claude了，而它的效果和性能也是一眾(zhong)模型中最接近GPT-4的那个。

当然，除了第三方的SOTA模型外，Amazon Bedrock还支持基于亚马逊云科技在机器学习领域20多年经验的——Amazon Titan基础模型。

Amazon Titan包含了两个大语言模型，一个是用于生成文本的Titan Text，一个是让网络搜索个性化的Titan Embedding。

Titan Text針(zhen)对的是总结、文本生成、分类、开放式问答和信息提取等任务。

用户可以通过自己的数据定制Amazon Titan模型。并且，亚马逊云科技非常保(bao)護(hu)用户数据隱(yin)私，不会将用户数据拿(na)来再训练Amazon Titan模型。

而且，不同于其他大模型时常会出现的「幻觉」，Amazon Titan在训练时非常关註(zhu)精(jing)度，就是为了保证产生的響(xiang)应一定是高質(zhi)量的。

雖(sui)然使用大模型是刚需，但所有客(ke)户都不希望自己的数据被拿去训练模型。

此前，三星(xing)就被曝(pu)出芯(xin)片机密代码遭(zao)ChatGPT泄(xie)露(lu)，新程序的源(yuan)代码、内部会议记錄(lu)等机密数据都发生了外泄。

另有新聞(wen)曝出，谷(gu)歌就警(jing)告員(yuan)工，在使用Bard时不要泄露机密信息，或用其生成代码。

美国国会众议院(yuan)也在近日(ri)明(ming)確(que)，要求職(zhi)员仅可使用付费版ChatGPT，不能使用包括免费版ChatGPT在内的其它AI模型，就是为了防(fang)止(zhi)泄密。

在一項(xiang)調(tiao)查(zha)中亚马逊云科技也发现，由于数据非常寶(bao)貴(gui)，因此客户的一个关鍵(jian)需求就是，在模型训练的过程中时刻保持数据的安全和隐私。

而Amazon Bedrock的Amazon SageMaker，正提供了这样一个安全的模型训练环境，可以让客户把预训练模型通过在自己的数据上微(wei)调，变成一个定制化的模型。

亚马逊云科技的副总裁表示，客户可以使用自己的数据定制Amazon Titan模型，但这些数据永(yong)遠(yuan)不会用于训练Amazon Titan模型，可以保证其他客户（包括競(jing)争对手），都不会从这些数据中获益。

而在这些基础上，就需要有相应的工具实现更快的开发。

推理芯片和训练芯片，都是为了帮助客户去更好地实现算力上的高性價(jia)比。

现在大家面临的情(qing)況(kuang)是，GPU的成本都非常高。Sam Altman曾(zeng)透(tou)露，OpenAI创建GPT-4的成本，已经超(chao)过了1亿美元。

而OpenAI的内部会议上也曝出：OpenAI目(mu)前嚴(yan)重受限于GPU，训练大模型动辄需要千(qian)万美元，何况每天还有ChatGPT的上亿用户在消耗(hao)着海(hai)量的算力资源。

大模型时代，得算力者得天下。

对此，亚马逊云科技推出的训练和推理芯片Amazon Inferentia、Amazon Inferentia2和Amazon Trainium，就加速了AI工具的开发过程。

Amazon Trainium是亚马逊云科技专门为超过1000亿参数模型的深度学习训练打造的第二代机器学习加速器。

每个Amazon Elastic Compute Cloud（EC2）Trn1 实例可部署(shu)多达16个Trainium加速器，为云中的深度学习（DL）训练提供高性能、低成本的解决方案。

Amazon Inferentia是亚马逊云科技设计的一款机器学习推理加速器，可在云中提供高性能和低成本的机器学习推理。

与第一代Amazon Inferentia相比，Amazon Inferentia2加速器在性能和功能方面实现了重大飞躍(yue)，吞(tun)吐(tu)量提高了4倍(bei)，延迟低至(zhi)前者的1/10。

在模型训练过程中，训练效率和性价比是最重要的指标。

基于Amazon Trainium的Trn1的实例表现，单節(jie)点的吞吐量可以提升1.2倍，而多节点吞吐量可以提升1.5倍。从成本考(kao)慮(lv)，单节点降(jiang)低1.8倍，集群(qun)更是降低了2.3倍。

而推理往往需要考虑吞吐量和延迟。更高的吞吐量，当然能帶(dai)来更高的性价比。然而这两者，对于开发者来说，往往不可兼(jian)得。

Amazon Inferentia2的实例测試(shi)表明，其吞吐量可以提升3倍，延迟降低8.1倍，而成本只是1/4。

那么Amazon Inferentia2在大语言模型性能表现如何？

用业界常用的开源模型OPT-30B做测试，Amazon Inferentia2吞吐量增加了65%，推理成本降低52%，基本上是一半(ban)的成本。

跑(pao)视觉模型Stable Diffusion时，Amazon Inferentia2可以实现50%更低的成本。

亚马逊云科技的训练和推理芯片，能够帮助客户在算力上实现高性价比。

在有了便宜(yi)高效的算力之后，另一个让企业开发者头大的问题，就是代码了。

而随着各种Copilot，以及类ChatGPT大语言模型的发布(bu)，越来越多的开发者也开始把AI编码輔(fu)助工具加入自己的工作流。

前段(duan)时间，GiHub就展开了一项关于「AI对开发者体验影(ying)响」的调查。

从结果来看，几乎所有（92%）的开发人员都会在工作中使用AI编码工具，大多数（67%）开发者在工作环境和个人时间中都使用过，不过还有6%的开发人员表示他们只在工作之外使用编码辅助工具。

其中，更是有超过70%的开发者表示，AI编码工具可以滿(man)足现有的性能标準(zhun)、提高代码质量、更快地输出代码，而且生产級(ji)事(shi)故(gu)也会更少。

无独有偶(ou)，亚马逊云科技也曾进行过一个生产力挑战。

结果顯(xian)示，使用自家Amazon CodeWhisperer的参与者在任务的完(wan)成率上，要比不使用的高了27%，而平均(jun)速度更是快了57%。

然而，这对于项目負(fu)責(ze)人来说，卻(que)是一个不小的挑战。

由于大模型的「幻觉」问题，此时的代码和安全審(shen)查就变得尤(you)为重要了。

为了解决这些挑战，亚马逊云科技全面推出了AI加持的代码开发工具Amazon CodeWhisperer，可以让用户实现更快、更穩(wen)健(jian)的开发。

具体来说，经过数十亿行亚马逊和公开可用代码的训练之后，Amazon CodeWhisperer不仅可以理解用自然语言（英(ying)语）编写的注釋(shi)，还能实时生成整个函(han)数和代码的邏(luo)辑塊(kuai)（通常包含10-15行代码）。

代码生成

与此同时，Amazon CodeWhisperer还会自动过濾(lv)掉(diao)任何可能有偏(pian)见或不公平的代码建议，并且对疑(yi)似开源代码进行过滤和标记。

要知道，开发者从网上复制代码片段时，很可能就会复制了有安全隐患(huan)的代码，或者对开源代码的使用没有进行有效的追(zhui)溯(su)。而Amazon CodeWhisperer大大掃(sao)清(qing)了这些潜在的问题。

端(duan)到端的云原生数据战略

数据爆炸(zha)不是未来，而是现实。

生成式人工智能狂飆(biao)猛(meng)进的背后，是海量数据在发揮(hui)着巨大的价值。

可以看到，数据不仅是AI发展的驅(qu)动力，更是商业和社(she)会创新的核(he)心(xin)要素。数据驱动的决策和洞(dong)察(cha)力已经成为各行各业的竞争优势。

Matt在峰会上表示，「我相信数据是现代革新的起源，尤其是生成式AI」。

而如何管(guan)理海量数据，挖(wa)掘(jue)数据价值，对每个企业来说都是巨大的挑战。

当前，我们需要的不仅仅是变革性技术和完善(shan)的基础设施，更需要一个端到端的云原生数据战略，进而用数据创造新的idea。

而一个强大云原生数据战略，应当有三个核心特征(zheng)：全面的、集成的和受治理的。

「全面」简言之，能够提供一套(tao)工具适用于任何case。

从2006年，亚马逊云科技发布了第一个储存服务Amazon S3开始，便致(zhi)力于探(tan)索云原生数据服务的邊(bian)界。

亚马逊云科技提供了一套全球领先的、全类别云数据庫(ku)服务，以及最全面的数据分析服务。

就数据库讲，有关系(xi)型数据库、非关系型数据库8大类型。

在数据分析服务方面，有交互式查詢(xun)的Amazon Athena、大数据分析服务Amazon EMR、云上数据倉(cang)库Amazon Redshift、商业智能工具Amazon QuickSight，做日誌(zhi)分析的Amazon OpenSearch等。

此外，连接数据的能力，实现数据一体化融(rong)合也是非常重要。

这样做的优势在于，把所有数据资产连接，能够让客户更容易获取数据。

当前，亚马逊云科技将很多产品之间做了深度集成，其中就包括Amazon S3、Amazon Redshift等。

而最最重要的是，亚马逊云科技正在致力实现一个「Zero ETL」願(yuan)景。

ETL是指数据的提取、转換(huan)和加载过程。以往，业务数据往往需要通过ETL，才能进行分析从而提供洞察。

然而，这一过程非常耗时且复杂，「Zero ETL」是邁(mai)出的关键一步(bu)。

在Amazon re:Invent 2022全球大会上，亚马逊云科技全新发布的Amazon Aurora zero-ETL与Amazon Redshift集成功能，能够帮助客户实时分析PB级交易数据。

此外，亚马逊云科技数据服务可以与外部数据库实现Zero的集成。

让数据实现一体化融合，将其数据库、数据服务底(di)层打通，由此数据实现「无感(gan)知」流动。

当前，数据爆炸性增長(chang)，为数据治理带来了前所未有的复杂度。

要知道，良(liang)好的治理是整个團(tuan)隊(dui)可以访问数据的基础。

在数据治理过程中，通常涉(she)及到不同团队、应用和權(quan)限管理，由此当前急(ji)需細(xi)顆(ke)粒(li)度的数据治理。

亚马逊云科技全新的数据管理服务Amazon DataZone，可以帮助企业对内部数据进行编目、发现、共享(xiang)和治理。

通过自身(shen)17年的数据创新经验，亚马逊云科技总结出云原生数据战略的重要构成要素。

F1、阿(e)凡(fan)达2，全靠它

如今的AIGC大爆发，突发的用量都对系统提出了更高的需求，当海量用户暴(bao)漲(zhang)时，如何应对彈(dan)性变化？

基于一流的模型、安全的环境，以及低成本和低延迟的基础设施，亚马逊云科技为客户所面对的各类棘(ji)手挑战提供了支持。

比如，在世界上最受歡(huan)迎的体育(yu)賽(sai)事之一——F1赛車(che)中，就大量用到了亚马逊云科技的算力，形(xing)成了高性能业务场景，在高速度中进行大量的模擬(ni)。

提供关键支持的，正是亚马逊云科技的三大法宝——Amazon SageMaker、Amazon Kinesis和Amazon S3。

每輛(liang)F1赛车上都有300个传感器，每秒(miao)可产生超过110万个数据点，并从赛车传输到維(wei)修(xiu)站，因此 F1 是一项真正以数据为驱动的運(yun)动。

亚马逊云科技能够带来的是，高性能计算。F1能够运行空(kong)气动力学模拟，用比以往快70%的速度开发，并打造出一款能将下壓(ya)力損(sun)失(shi)从50%降低到15%的赛车。

而压力损失的大幅降低，可以让车手有了更多超车机会，表现也得到提升。

此外，F1还利用Amazon S3上存储的70年历史(shi)比赛数据，通过复杂的模型进行分析，作为丰富的数据洞察与车迷(mi)分享，揭(jie)示出瞬间决策的细微差别，并通过这些先进的统计数据突出不同车手的表现。

再举个栗(li)子(zi)，维塔(ta)数码是全球领先的綜(zong)合性视觉效果公司，创作了《阿凡达》、《指环王》、《猩(xing)球崛(jue)起》一系列巨作。

在《阿凡达：水之道》中，亚马逊云科技在8个月内完成了高达33亿渲(xuan)染(ran)線(xian)程小时的云上制作，助力其打造48FPS HFR的逼(bi)真特效并按(an)时交付，保证了影片的顺利上映(ying)。

早(zao)在2020年，视频特效制作公司 Wētā FX 公司已将业务全面部署至亚马逊云科技，创建了新的基于云的视觉特效（VFX）制作流程。

Wētā FX 在電(dian)影中创造了令人难忘(wang)的场景和人物，包括《阿凡达》中的納(na)美族(zu)和潘(pan)多拉(la)星球的美麗(li)風(feng)景。

亚马逊云科技为工作室(shi)提供了最全面的内容制作云功能集，并且使他们在几小时内就能建立创意工作站，无需耗费几周时间。

而工作室则获得了近乎无限的扩展能力，可以在亚马逊云基础设施中按需渲染。

除了以上实例，地球已经不是云计算的边界，亚马逊云科技的技术已经可以在太(tai)空这种极端环境中收集、处理数据，并做出实时的决定。

生成式AI大爆发，在这个人工智能的iPhone时刻，越来越多的企业想要抓住机遇，同时面临着挑战。

而面对全球算力井(jing)噴(pen)带来的挑战，亚马逊云科技通过自研(yan)芯片提供高性价比、各种丰富的弹性计算存储服务組(zu)合，以及简化算力的Serverless架构去解决问题。

目前，亚马逊云科技的在全球部署这无处不在的云服务，全球31个區(qu)域的99个可用区，已经覆(fu)蓋(gai)了245个国家和地区。

在AI领域深耕(geng)25年的亚马逊云科技，为10万+客户提供AI和机器学习服务来抓住当下生成式AI挑战和机遇。

从另一面来看，这个选择是雙(shuang)向的，越来越多客户的加入也是对亚马逊云科技AI能力和战略的認(ren)可。

在演讲结尾(wei)，亚马逊云科技全球产品副总裁Matt Wood引用了Bob Dylan的这首著名歌曲(qu)<The Times They Are A-Changin'>：

时代变了，我们应该向舊(jiu)传统决裂(lie)。

同样，生成式AI的到来，也在让这个时代改变。

当下，亚马逊云科技正在做的，是帮助让每个企业利用好AI，释放生成式AI的巨大潜力。

立即了解更多2023亚马逊云科技中国峰会信息

https://summit.awsevents.cn/2023/jumpPage.html?source=返(fan)回(hui)搜狐(hu)，查看更多

责任编辑：