至少有那麽一小段時間，雲計算行業真的開始擔心亞馬遜雲科技會落後。

彼時微軟押中OpenAI，風光一時無兩，激動人心的故事背後是一場豪賭，就連比爾·蓋茨也曾警告薩提亞·納德拉不要投資OpenAI，隨後ChatGPT的現象級熱度讓一切質疑消弭于無形，OpenAI GPT和微軟Azure的組合似乎穩贏。

圖片來源：unsplash

在“名不見經傳”的OpenAI爆火之前，谷歌一直是人工智能領域技術的標杆，OpenAI也是站在谷歌的肩膀上才有所成就，比如Transformer架構最早由谷歌推出，湧現現象由谷歌研究員發現。如果AI是雲服務未來最大的變量，那麽谷歌雲一定是最有力的競爭者，位次還要在微軟Azure之前。

不得不向微軟Azure和谷歌雲脫帽致敬，他們加速了人工智能改變一切的節奏，也讓雲服務的焦點轉向AI。這是一場“AI or die”的競賽，雲巨頭不僅要具備AI能力，還要比直接競爭對手有更突出的差異化優勢。

當外界普遍爲亞馬遜雲科技擔心時，Adam Selipsky顯然不這麽想，亞馬遜雲科技遍布全球的龐大基礎設施和繁榮的合作夥伴生態，是其長久以來的領先壁壘，外界都在期待亞馬遜雲科技的新底牌。

那些認爲微軟Azure和谷歌雲能夠憑借大模型超過亞馬遜雲科技，或者說縮小與其差距的觀點，也同時抱有另一種期待，即一旦亞馬遜雲科技將AI納入其提供給客戶的強大服務生態系統，亞馬遜雲科技失去的任何陣地都會很快被彌補回來。

這就是2023年4月Amazon Bedrock誕生時的背景。相比于微軟和谷歌主推的OpenAI和Google PaLM，亞馬遜雲科技采取了不同的策略。

起初Amazon Bedrock主打多模型接入，亞馬遜雲科技的基礎模型 (Amazon Titan)，和各種第三方模型（如AI21 Labs、Anthropic、Stability AI 等），都可以通過API的方式接入。同時發布的還有代碼生成器以及用于訓練和推理的雲上算力。

此後Amazon Bedrock不斷更新，增加全新基礎模型、基礎模型供應商以及 Agents功能，提供微調、知識庫、代理、模型評估等各種豐富的功能，同時還能與亞馬遜雲科技其他工作負載無縫集成。

圖片來源：pixabay

總結來說就是三大方面，簡化選擇：多樣化業界基礎模型選擇； 簡化定制：提供持續預訓練，fine-tuning, RAG等方式；簡化集成：Agent on Amazon Bedrock。

最新一次的重磅更新，亞馬遜雲科技數據和人工智能副總裁Swami Sivasubramanian形容其爲“Significant new capabilities make it easier to use Amazon Bedrock to build and scale generative AI applications – and achieve impressive results”。

重大更新、更易使用、效果顯著，成爲Amazon Bedrock本次更新的關鍵詞。

Amazon Bedrock對外發布已有一年，過去一年，大模型依然在不斷叠代，甚至叠代得有些過于快速，以至于企業客戶不知道把應用做到什麽程度，Amazon Bedrock給出的答案是，雲廠商不只負責大模型，而是對最終的業務效果負責。

Swami Sivasubramanian表示，Amazon Bedrock聚焦于客戶所需的關鍵領域，以適當的成本和速度構建可投入生産的企業級生成式 AI 應用程序。

當所有人都在關注大模型的時候，更應該關注支撐大模型所必需的雲服務，通過一系列的更新，Amazon Bedrock打造了一個端到端的、對客戶業務效果負責的平台，也讓業內再次把目光聚焦到亞馬遜雲科技。

首先，新增了Llama 3 的Llama 3 8B 和Llama 3 70B 版本模型，目前最強的開源模型正式GA。Llama 3 8B 擅長文本摘要、分類、情感分析和翻譯，適合有限資源和邊緣設備場景。Llama 3 70B 在內容創建、對話式人工智能、語言理解、研發、企業、准確摘要、細致分類/情感分析、語言建模、對話系統、代碼生成和指令跟蹤方面表現出色。

同時Amazon Bedrock還預告了Amazon Titan Text Embeddings V2，Embeddings V2 提供256、512 和1024 向量空間尺寸，優先考慮降低成本，同時保留RAG 用例97%的准確性，性能優于其他領先模型。

以及即將支持Cohere的Command R和Command R+ 企業FM。Command R+是Cohere最強大的模型，針對長上下文任務進行了優化，而Command R則針對大規模生産工作負載進行了優化。

值得關注的是，Amazon Bedrock的模型評估工具全面可用，能夠根據特定應用場景的指標（如相關性、風格和品牌聲音）對模型進行評估，爲客戶評估、比較和選擇適合其應用程序的最佳模型，將評估模型的時間從幾個星期縮短到幾個小時，評估後還會提供評估報告，爲更多模型使用者提供參考。

钛媒體App觀察到，現階段客戶並不希望被一個模型綁定，基礎模型在進化，應用場景也在調試，客戶希望更多選擇、更低成本、更易調試不同的模型，來測試自己的業務效果，模型評估工具就很有必要且應景。

另外還有非常實用的Amazon Titan圖像生成器現已全面推出，客戶可以利用自然語言實現低成本、大量高效地生成圖像，並且每張圖像都包含不可見水印，有助于降低知識産權風險。

其次，如何讓企業更安全地定制模型，並將其集成到特定業務用例，Amazon Bedrock實現了自定義模型導入，客戶現在可以導入和訪問流行的開放模型架構（包括 Flan-T5、Llama 和 Mistral）構建自定義模型，作爲Amazon Bedrock中完全托管的應用程序編程接口（API）。

如此，客戶可以采用在 Amazon SageMaker 或其他工具上定制的模型，並將其輕松添加到Amazon Bedrock，並且經過自動驗證後無縫訪問其自定義模型，就像Amazon Bedrock提供的模型一樣，效果和體驗拉滿，這也完全體現了Amazon Bedrock的開放性。

最後是安全，Amazon Bedrock的Guardrails現已全面上市，可幫助客戶防止有害內容並管理應用程序內的敏感信息。客戶能夠定義內容策略、設置應用程序行爲邊界並實施針對潛在風險的保護措施。 據了解，與Amazon Bedrock上FM本身提供的保護相比，它可以幫助客戶阻止多達85%的有害內容。

不得不說，輪到行業繼續向亞馬遜雲科技脫帽致敬了，老大哥依舊是老大哥。

Amazon Bedrock僅用一年時間就扭轉了風向，行業依然關注大模型本身的技術進步，但更關注大模型能不能爲我所用，這涉及到龐大的基礎設施、工程能力、生態系統等。

亞馬遜雲科技沒有選擇只做大模型，而是以另一種方式，也是他們所擅長的方式，將人工智能融入到原有的生態系統中，數以萬計的客戶正在使用Amazon Bedrock來構建和擴展大模型應用程序。

亞馬遜雲科技就此構建了完備的生成式 AI 全棧布局，企業構建生成式AI 應用的三層架構，包括：用于基礎模型訓練和推理的基礎設施、使用基礎模型進行構建的工具、利用基礎模型構建的開箱即用的應用程序。

在底層算力層，一方面，亞馬遜雲科技繼續提供來自英偉達的計算實例，包括最新的NVIDIA Grace Blackwell GPU的Amazon EC2實例等；另一方面是亞馬遜雲科技自研芯片，包括推理芯片Inferentia和Trainium系列。

中間層是Amazon Bedrock 以及各種附加功能。上層是包括Amazon Q在內的應用程序，Amazon Q可以連接到企業自己的數據、信息和系統，可以根據客戶的業務定制Amazon Q，企業中的營銷人員、項目經理以及銷售代表等，都可以利用Q進行定制對話、解決問題、生成內容、采取行動等等，據悉，亞馬遜雲科技即將帶來進一步的更新。

如果說大模型改變了雲計算行業的遊戲規則，那麽如今行業人士會發現，亞馬遜雲科技制定的遊戲規則，在更廣泛的層面還在發揮著作用。

OpenAI GPT和Google PaLM足夠引人注目，但同時也爲微軟Azure和谷歌雲制造了新的競爭問題，市面上還有很多模型公司，Amazon Bedrock爲這些模型公司建立了一個相同的起點，客戶得以同等體驗不同的模型。

在钛媒體App看來，亞馬遜雲科技不論是做雲還是做生成式AI，其基本理念和邏輯如出一轍，所以亞馬遜雲科技不必搖擺去思考到底怎麽做、做什麽，而是直接按照第一性原理，做出最適合亞馬遜雲科技的Amazon Bedrock。

早年Andy Jassy做雲計算的理念是——“將IT基礎設施細分到最小單元，讓程序員可以最大自由來選擇與組合”，亞馬遜雲科技的確是這麽做的，到了大模型依然如此。

翻閱Swami Sivasubramanian在Amazon Bedrock剛發布時的觀點，“我們生活在一個機器學習非常激動人心的時代。我可能每年都這麽說，但是今年它甚至更特別，因爲這些大型語言模型和基礎模型確實可以支持如此多的用例，在這些用例中，人們不必組建單獨的團隊來構建特定于任務的模型。機器學習模型開發的速度將真正提高。”

“但在未來幾年裏，除非我們讓這些模型對每個人都更容易使用，否則你不會達到你想要的最終狀態。這就是我們在SageMaker早期的機器學習中所做的，這也是我們在Bedrock及其所有應用程序中需要做的。”他說。

人工智能是比IT更複雜的技術堆棧，亞馬遜雲科技依舊兌現了此前的承諾，讓企業內的任何開發人員都能夠自由構建生成式AI應用，而無需關注複雜的機器學習或底層基礎設施，也讓人工智能成爲到達雲計算應許之地的關鍵一躍。

（本文首發于钛媒體App，作者 | 張帥，編輯 | 劉湘明）