每(mei)經記者 王(wang)紫(zi)薇    每(mei)經編輯 劉雪(xue)梅    

基礎模型搭建(jian)了之后(hou)，命門企業對生成式AI的數據時(shi)代(dai)建(jian)設關鍵(jian)來到數據層面。

4月(yue)30日，馬(ma)遜(xun)面布在亞馬(ma)遜(xun)云(yun)科技(ji)“無數據不模型——生成式AI時代的(de)云(yun)科業數數據基座”的(de)媒(mei)體(ti)溝通會上(shang)，亞馬(ma)遜(xun)云(yun)科技(ji)大中華區產品部總經(jing)理陳曉(xiao)建(jian)強(qiang)調了數據在生成式AI時代中的(de)技(ji)全(quan)局企據服關鍵作(zuo)用。

他表示，命門百姓彩票紅數(shu)(shu)據在生成(cheng)式AI時(shi)代處于核心地位，數(shu)(shu)據時(shi)代企(qi)業(ye)要想在生成(cheng)式AI時(shi)代取得成(cheng)功，馬遜面布(bu)必須從數(shu)(shu)據做(zuo)起(qi)，云科業(ye)數(shu)(shu)利用自(zi)身的(de)技(ji)全局(ju)企(qi)據服數(shu)(shu)據構(gou)建具有(you)商業(ye)價(jia)值的(de)AI應(ying)用。

陳曉建認為，命門企業的數據時代百姓彩票最新網址數(shu)(shu)據能(neng)力需要構建以(yi)下3個方面：模型微調和預(yu)訓練所需的數(shu)(shu)據處理能(neng)力、利用專有數(shu)(shu)據與模型快速結合以(yi)產生(sheng)獨特價(jia)值的馬遜面布能(neng)力，以(yi)及有效處理新(xin)數(shu)(shu)據以(yi)助推生(sheng)成式AI應(ying)用持(chi)續快速發展(zhan)的云科業數(shu)(shu)能(neng)力，

被問及在云市場進入了AIGC時代，技全局企據服亞馬遜云科技在人工智能推理成本和訓練成本上是否不像在原本的商業模式上有優勢時，亞馬遜云科技方面表示，自己還是看重客戶最終要的是什么。言下之意，亞馬遜云科技希望無論AIGC時代的服務成本怎么變動，自身的商業模式仍是以提供云基礎設施、模型層、應用層的百姓彩票怎么買工具與服務為主。

數據處理為何重要

大量的、高質量的數(shu)據對生成式AI的重(zhong)要(yao)性已經成為行(xing)業(ye)共識(shi)。

亞(ya)馬遜云科(ke)技方面此次表示，如果(guo)每(mei)個公司(si)都能(neng)訪問相同的(de)(de)基(ji)礎模型(xing)，那么各個公司(si)處于同一(yi)起跑(pao)線；而(er)能(neng)夠(gou)利用自己的(de)(de)數(shu)據構(gou)建具有(you)真正商業價值的(de)(de)生成式AI應用的(de)(de)公司(si)，就贏在(zai)了起跑(pao)線上。

可以說，生成式(shi)AI基礎模型的局限性(xing)之一(yi)，在于無法及時擁有企(qi)(qi)業(ye)的專有數據(ju)。如果(guo)想讓(rang)模型服務于企(qi)(qi)業(ye)發展，那么(me)通過技術(shu)手段加速數據(ju)與模型的結合，就成了(le)企(qi)(qi)業(ye)數據(ju)基座的關鍵(jian)能(neng)力之一(yi)。

陳(chen)曉建進一(yi)步表示，成功(gong)的(de)(de)企業需要懂(dong)業務、懂(dong)用(yong)(yong)戶(hu)的(de)(de)生(sheng)成式AI應用(yong)(yong)，而這(zhe)些應用(yong)(yong)的(de)(de)構(gou)建需要從數(shu)據做(zuo)起。他舉了(le)位于美(mei)國的(de)(de)人工智(zhi)能初創公司Perplexity的(de)(de)例子，它是如何通(tong)過將(jiang)傳統搜(sou)索、客戶(hu)數(shu)據與大型語言(yan)模(mo)型相(xiang)結合，實現了(le)快速增長和(he)用(yong)(yong)戶(hu)吸(xi)引的(de)(de)。

也是因此，這(zhe)家公司是人工智能(neng)領域的(de)(de)“紅人”。據悉(xi)，Perplexity正進(jin)行至少(shao)2.5億美(mei)元的(de)(de)新一輪融資(zi)，估值(zhi)可能(neng)達到25億至30億美(mei)元。而這(zhe)家公司在過去四個月(yue)中剛剛進(jin)行了兩筆(bi)大額資(zi)，并且估值(zhi)實現飛躍：今年(nian)1月(yue)，Perplexity以5.4億美(mei)元的(de)(de)估值(zhi)籌(chou)集(ji)近7400萬(wan)美(mei)元；3月(yue)初，Perplexity以10億美(mei)元的(de)(de)估值(zhi)融資(zi)約6300萬(wan)美(mei)元。

目前來說，用(yong)企(qi)業自(zi)身的數(shu)據去差異化生(sheng)成式AI應(ying)用(yong)、通過數(shu)據定(ding)制基礎模型的方式主(zhu)要分為三大(da)類：檢索增強生(sheng)成（RAG）、微調(diao)和(he)持(chi)續預訓練。這三種(zhong)方式在不同應(ying)用(yong)場(chang)景中的適用(yong)性(xing)和(he)對數(shu)據要求不同。

亞馬遜云科技的對策

對此，亞馬遜云(yun)科技強調(diao)了自身在數(shu)據(ju)基座構建的(de)三大(da)核(he)心能(neng)力(li)：模型(xing)微調(diao)和預(yu)訓練所(suo)需的(de)數(shu)據(ju)處(chu)理能(neng)力(li)、利(li)用專有數(shu)據(ju)與模型(xing)快速結合(he)以產生獨特(te)價值的(de)能(neng)力(li)，以及有效處(chu)理新數(shu)據(ju)以助推生成式(shi)AI應用持(chi)續快速發展的(de)能(neng)力(li)。

在(zai)數據存(cun)儲(chu)方面，亞馬遜云(yun)科技提供的(de)Amazon S3服(fu)務可(ke)以(yi)滿足(zu)用戶在(zai)微調和(he)預訓練基礎模型(xing)對(dui)數據存(cun)儲(chu)的(de)嚴格要求(qiu)。同(tong)時，Amazon FSx for Lustre文件存(cun)儲(chu)服(fu)務的(de)亞毫(hao)秒級延(yan)遲和(he)高吞吐性(xing)能，將進一步加快模型(xing)優化速(su)度。

數(shu)據(ju)清(qing)洗和(he)治(zhi)理(li)方面，亞馬遜云(yun)科技(ji)通過Amazon EMR Serverless和(he)Amazon Glue等(deng)服務(wu)(wu)，幫助(zhu)企業(ye)高效(xiao)完成數(shu)據(ju)清(qing)理(li)、去重(zhong)和(he)分詞(ci)等(deng)操作，使企業(ye)能夠專注于AI業(ye)務(wu)(wu)創(chuang)新。

此外，亞馬遜云科技(ji)(ji)還(huan)著(zhu)重(zhong)強調了其在向(xiang)量(liang)搜索和無服務器架構方面的創新。其中(zhong)，檢(jian)索增強生成（Retrieval-Augmented Generation，RAG）技(ji)(ji)術被普遍認為是實現數(shu)據(ju)(ju)與模型結(jie)合(he)的主要途徑之一。RAG通過將數(shu)據(ju)(ju)轉換為向(xiang)量(liang)并(bing)存(cun)儲到向(xiang)量(liang)數(shu)據(ju)(ju)庫中(zhong)，從而將語義的關聯(lian)性轉化為向(xiang)量(liang)間(jian)的數(shu)學距離(li)問題，以實現內容的關聯(lian)性計算。

向量(liang)搜索(suo)(suo)(suo)與數(shu)據存(cun)儲的(de)結(jie)合(he)可(ke)以帶(dai)來多方面的(de)好(hao)處，包(bao)括更(geng)高效和更(geng)精確的(de)檢索(suo)(suo)(suo)能力(li)、處理和索(suo)(suo)(suo)引大(da)規模的(de)數(shu)據等。目前來說，結(jie)合(he)向量(liang)搜索(suo)(suo)(suo)和數(shu)據存(cun)儲的(de)優勢，可(ke)以構建出強(qiang)大(da)的(de)信息檢索(suo)(suo)(suo)系統(tong)，滿足現(xian)代應用對于速度、準確性(xing)、可(ke)靠性(xing)和智(zhi)能化的(de)需(xu)求。

但這(zhe)同時也帶來一部(bu)分(fen)成本問題，比如需要更多的存儲空間。對此陳曉建告訴《每日經濟新(xin)聞》記者，存儲上確實會讓成本有所增加，但能夠在整個數(shu)據內容檢(jian)索時取得更好的效果。

亞(ya)(ya)馬遜云科(ke)技(ji)同(tong)時(shi)表示(shi)，自身(shen)已在(zai)8種數(shu)(shu)據(ju)存(cun)儲中添加(jia)了向量搜索功能。客戶還可以(yi)(yi)通(tong)過Amazon Memory DB內存(cun)數(shu)(shu)據(ju)庫，降低生成式AI應用(yong)的(de)(de)模型調(diao)用(yong)成本和(he)響應延遲，并利用(yong)和(he)無服(fu)務器技(ji)術加(jia)速創(chuang)新。在(zai)亞(ya)(ya)馬遜云科(ke)技(ji)對生成式AI時(shi)代數(shu)(shu)據(ju)基座的(de)(de)強(qiang)調(diao)中，可以(yi)(yi)看(kan)到(dao)數(shu)(shu)據(ju)處理的(de)(de)重(zhong)要性(xing)以(yi)(yi)及企(qi)業在(zai)這(zhe)一領域面臨的(de)(de)挑(tiao)戰與機遇。對于亞(ya)(ya)馬遜云科(ke)技(ji)來說，為AIGC時(shi)代的(de)(de)企(qi)業提(ti)供(gong)更全面的(de)(de)服(fu)務也是機遇與挑(tiao)戰并存(cun)。

封(feng)面圖(tu)片(pian)來(lai)源：每日經濟新聞(wen) 資料圖(tu)