构建生成式 AI 应用，现在只需要几分钟。

「生成式 AI 的半衰期只有六个月，」亚马逊云科技全球 AI 产品副总裁 Matt Wood 说道。

2024 开启下半年，人们发现，生成式技术和落地之间的距离，已经不能用「远」或「近」完全概括。

狂热的百模大战之后，即使生成式 AI 技术展现出了前所未有的能力，为何一部分企业还没有投身到新技术的变革之中？技术门槛和高昂的研发投入、应用成本是它们保持谨慎态度的主要影响因素。

今天凌晨，亚马逊云科技给全世界带来了解决方案。一系列生成式 AI 技术的重磅发布，将全球最先进的大模型技术与千万企业用户的需求巧妙连接了起来。

从 2023 年到现在，不到两年的时间里，亚马逊云科技已经发布了多达 326 个生成式 AI 功能。横向对比一下，过去十八个月，亚马逊云科技正式发布的机器学习和生成式 AI 功能的数量是其他主要供应商总和的两倍多，用一骑绝尘来形容也不为过。

在这其中，既有顶尖创业公司的基础模型，也有能给非技术人员带来大模型开发能力的实用工具。每款都是生成式 AI 落地应用中的神器。而且，这些模型和能力的数字还在不断增加。

现在，很多复杂的企业级工作，仅用一段 Prompt，AI 就能自己完成了。

没错，这家长期以来为无数企业提供数字基础设施的公司，让生成式 AI 技术的应用门槛一降再降。企业用户需要花在「学习使用大模型」上的时间，也越来越少了。

在这场亚马逊云科技纽约峰会上，从基础设施层的 GPU 算力、基础模型的工具层再到应用层，亚马逊云科技的三层生成式 AI 技术栈迎来了一次焕新升级。

大模型微调实现深层定制

Amazon Bedrock 全面升级

一直以来，为了实现基础模型与企业用户需求的「双向奔赴」，亚马逊云科技通过基础模型平台 Amazon Bedrock 不断地「做加法」，在模型能力、安全隐私、负责任的 AI 等方面向企业用户靠拢。

迄今，Amazon Bedrock 支持的基础模型数量已有 33 个，分别出自 AI21 Labs、Anthropic、Cohere、Meta、Stability AI 、Mistral AI 等全球顶级大模型厂商以及亚马逊自己。鉴于 Amazon Bedrock 允许企业用户通过微调来定制模型，强大的基础模型有了自定义的加持，更能实现与企业用户需求的紧密结合。

在今天这场年度峰会上，亚马逊云科技宣布了最新成果：「Claude 3 Haiku 微调」发布了预览版。作为 Claude 3 系列模型中的「小杯」，Claude 3 Haiku 的速度最快、最紧凑，而 Amazon Bedrock 是第一个能让用户对 Claude 3 Haiku 模型进行微调的完全托管服务。

纵观当前的大模型赛道，Claude 系列是对 OpenAI 旗下大模型追得最紧的竞争对手。基于亚马逊云科技与 Anthropic 的深度合作关系，企业用户们可以期待在 Amazon Bedrock 上与更强大的 Claude 模型很快见面。

微调让大模型更加灵活，而检索增强生成（RAG）则能进一步使模型专业化和个性化。利用 RAG，企业用户能够使用未见过的数据对模型进行专业化和个性化设置，这些数据可以是机密信息、最新数据、模型训练后生成的信息以及天气等实时数据。

这时，提升将这些数据引入模型的能力变得至关重要。在这方面，亚马逊云科技的利器是 Amazon Bedrock 上的知识库（Knowledge bases）。

过去数月，亚马逊云科技持续向知识库加入嵌入模型、向量存储和基础模型。现在，知识库有了 Expanded Data Connectors（预览版）。除了 Amazon S3 对象存储服务之外，企业用户可以将自定义 web 域、Confluence、SharePoint、Salesforce 等作为数据源连接到 RAG 应用，从而可以提供更相关、更准确、更定制的响应。

大模型除了好用、个性化，另一个人们关注的热点话题是「安全」。Amazon Bedrock 平台上的「Guardrails」正是为解决这一需求而设的。亚马逊云科技全球 AI 产品副总裁 Matt Wood 表示，Guardrails for Amazon Bedrock 可以阻止高达 85% 的有害内容。

如今，Guardrails for Amazon Bedrock 又迎来了两项更新。

一个是「上下文基础检查」（Contextual Grounding Checks），它根据参考源和用户查询来检测模型响应中的幻觉，最高可以过滤掉 75% 的 RAG 幻觉响应和摘要工作负载。

另一个是「Guardrails API」，企业用户可以在任何基础模型中使用 Guardrails，即使是 Amazon Bedrock 不支持的模型。这也意味着企业用户还可以利用该 API 在生成式 AI 应用的不同阶段独立评估用户输入和模型响应，为应用开发提供更强的灵活性。

最后还有智能体，Agents for Amazon Bedrock 能力也是本场峰会的焦点，它是生成式 AI 应用跨不同系统和数据源运行多步骤任务的关键。

数月来，亚马逊云科技都在对 Agent 的创建和配置进行简化，Agents for Amazon Bedrock 预览版这次引入了两个全新的功能。

第一个新功能是「Memory retention for Agents」，可以在多次交互中保留记忆。有了该功能， Agent 现在可以保留与每个用户的对话摘要，并提供流畅、自适应的体验。以后，对于预定航班或处理保险索赔这类复杂的多步骤任务，可以自动化高效地处理了。

第二个新功能是「Code interpretation for Agents」，它允许 Agent 在安全的沙盒环境中动态生成并运行代码片段，高效地解决数据分析、数据可视化、文本处理、求解方程等复杂用例。同时为了使客户使用起来更轻松，现在还可以直接将文档上传给 Agent 了。

一番新功能看下来，Amazon Bedrock 已经构筑起了从基础模型、自定义、检索增强、智能体，到安全防护于一体的完整服务体系， 为接下来更深入的应用落地打好了基础。

即刻起飞 —— 基于Amazon Bedrock 构建生成式 AI 应用 

大模型应用开发速度，进入分钟级 

如果你有机会对比不同厂商的云服务，就会发现亚马逊云科技对企业应用场景的划分非常细致，且非常注重提供定制化解决方案。

在实践中，面对每个企业的需求之间并不存在通解，这意味着基础设施供应商需要面对实际情况提供个性化的服务。另一方面，开发出能够让用户简单快捷地应用新技术打造应用的产品，也是一条重要的路。

在企业的运营中，通常会有一些面向具体业务的定制应用程序。打造这些应用程序的初衷是提供方案帮助企业解决问题，但随之而来的是较高的开发及维护成本。在生成式 AI 时代到来之后，这项任务的成本有望大幅下降。

在这场峰会上，亚马逊云科技宣布推出 Amazon App Studio 公开预览版，一款精准 匹配 IT 项目经理、数据工程师和企业架构师等专业人员需求的生产力神器。

仅需要自然语言作为输入，Amazon App Studio 几分钟就能创建出一款企业级应用程序，省去了传统软件开发的绝大部分流程 —— 这在此前至少需要几天时间。某种意义上说，生成式 AI 技术让传统的「学习曲线」失效了，在真正的无代码工具面前，用户只需要提升自己的专业知识即可。

注：出于演示目的，Demo 进行了加速。

Amazon App Studio 会按照提供的命令运行，使用定向数据源，在几分钟内生成所需的应用程序之后，还会处理所有关键的编码相关工作，比如从测试和部署到操作和维护。从整体设计来看，Amazon App Studio 不仅优于传统开发工具，而且优于大多数低代码开发工具，毕竟后面两者无法生成符合企业隐私和安全政策的应用程序。

这正好回应了人们对于大模型技术的期望：让 AI 帮我们处理琐碎劳动，让人专注于专业内的事，才是正确的发展方向。

在亚马逊云科技的生成式 AI 技术栈中，Amazon Q 站在最顶层。从零技术经验、拥有技术专长到具备专业开发经验的企业用户，Amazon Q 都提供了根据其需求量身打造的生产力工具，消解了企业使用复杂 AI 工具的最后技术壁垒。

此外，对于亲自参与开发过程的技术人员，亚马逊云科技将此前推出的 Amazon Q Developer 的应用范围进一步拓展，现在它同样可以在 SageMaker Studio 中使用了。

用户可以借助聊天的方式，要求 Amazon Q Developer 推荐工具并建议用于构建机器学习模型的代码，避免了花费太多时间在寻找合适的工具、文档或方法上，让复杂的机器学习模型开发过程变得相对简化。

即使是没有一丁点开发能力的用户，也能通过 Amazon Q Apps 在几秒或几分钟内创建自己的应用程序。作为 Amazon Q Business 的一项功能，Amazon Q Apps 现在已正式可用。

与此前的预览版相比，亚马逊云科技又为 Amazon Q Apps 增加了「在卡片级别指定数据源」的功能。用户可以指定要从中生成输出的数据源，如果有需要，也可以不使用任何数据源，而是将文本输出卡配置为使用 LLM 知识。

生成式AI助手 Amazon Q 初体验 

冲刺生成式 AI 落地赛道

还得看亚马逊云科技

不到两年时间，人工智能技术的进展颠覆了全世界的认知。

最近一段时间，大模型领域热度不减，不过人们谈论它的话题已经逐渐从模型技术，转向了解决方案。

这并不是一件比新技术突破更容易的事。要想实现新技术的大规模落地，人们面临着一系列新的挑战 —— 不仅需要大模型服务背后的 AI 算法能力必须优秀，而且还是一场从算力到数据，框架到模型，开发到部署的全流程技术体系的考验。

这份略显「沉重」的压力，最终还是被亚马逊云科技扛住了。

从 AI 基础设施的角度看，如果说生成式 AI 时代，英伟达是卖铲子公司里最火的，亚马逊云科技就是使用英伟达芯片的基础设施里面效率最高的，高效率的应用为更多企业引入新技术打开了大门。

从模型部署和应用开发的角度来看，能够让企业用户感觉「面面俱到」的选择其实并不多。亚马逊云科技提供的生成式 AI 体系因为拥有广泛的部署实践和成熟的生态，一直排名前列。有 Amazon Bedrock 的 30 多个顶尖大模型，企业用户能以极地的试错成本拓展业务赛道，有了 Amazon Q 这样的 AI 助手和 320 多项生成式 AI 能力的加持，企业的生产力提升显得「易如反掌」。

短短一年多时间，亚马逊云科技的三层技术栈已经「枝繁叶茂」。当然，这种从简单到复杂的迅速成长，与大模型在各行各业的落地经验反哺是分不开的。而在生成式 AI 技术栈持续迭代的基础上，先进 AI 技术的潜力会被充分挖掘，最终转化出的生产力，推动着各行各业向前走进价值增长的「快车道」。

文章来源于“机器之心”，作者“ 关注大模型的”