AI仍处于相当早期的阶段，最重要的是一起做大市场。

“Your Data, Your AI, Your Future.（你的数据，你的AI，你的未来。）”

“Intelligent Data, Your unfair advantage to winning the Cloud.（智能数据，制胜云服务的绝对优势。）”

11月末，若是你降落在拉斯维加斯麦卡伦国际机场，或许会在大厅里看到一排排AI企业和云厂商相关的夸张标语。走向出口的路上，你的身边会不断穿梭过穿着印有“AI21Lab”“Anthropic”等字样的AI企业员工。或许，你还会被机场工作人员主动询问：“你是来参加AWS（亚马逊云科技）re:Invent大会的吗？”

当地时间11月26日至12月1日，为期5天的re:Invent大会，将“赌城”暂时变成了AI开发者们的朝圣地——会场所在的威斯人酒店，汇聚了超过5万参会者。

△re:Invent现场

参展的数据服务商MongoDB和Databricks，包下了会场的两个酒吧，作为开发者与客户的社交空间——从早上7:00到凌晨，无一不门庭若市。

△MongoDB包下的酒吧

作为大模型的诞生地，美国AI企业的动向，在某种意义上是AI发展的风向标。机场的横幅，已经点明了当下AI与云密不可分的关系。而在re:Invent的展会上，能看到来自AI算力层、模型层、应用层的各类企业。

作为东道主的AWS，在大会上发了两款自研的芯片、一款企业AI助手，更新了从数据库到量子计算的一系列服务。

主会场欢呼最热烈的两个环节，莫过于英伟达CEO黄仁勋、OpenAI老对手Anthropic CEO Dario Amodei登台，分别与AWS CEO亚当·塞利普斯基（Adam Selipsky）宣布了云计算和模型服务的新合作。

△Anthropic CEO与AWS CEO同台

相较于OpenAI开发者大会引发的创业者恐慌，在re:Invent的展会中，能看到AWS与客户、开发者，在模型服务、数据库、安全方案等方面同台竞技：AWS愈发瞄准客户精细化的需求和垂直场景，而处于中间层的To B厂商们，正在向上下游延伸，提供端到端的服务。

为何能够形成这一种纵横捭阖的AI业态？无论是AWS，还是展商，都给出了同样的答案：AI很初期，机会还很多。

云厂商，不断降低客户“买水”的门槛

“我需要一些烹饪建议，我将输入3种食材和烹饪的时间，请给我食谱和详细的步骤。”

几秒后，一个具有食谱生成功能的界面出现在了屏幕上。

△用PartyRock生成一个食谱推荐应用

这是re:Invent展会上，AWS推出的0代码App生成器PartyRock。

11月6日，OpenAI发布的GPT Builder，让AI App的开发门槛，降到了“搭积木”的程度。通过将应用开发程序封装进不同的流程模块，用户可以在GPT Builder中用设置参数的方式完成应用的开发。

怎样的开发模式，才能做到比GPTs的门槛更低？AWS用PartyRock给出的答案是真生的“0代码”，只要一句话，就能搞定所有的开发流程。

“无代码、可微调、可商用，还支持多系统。”谈及PartyRock相较于GPTs的优势，AWS的工作人员对36氪总结。

除了AWS自研的模型Titan，用户可以选择基于Claude、Llama等主流模型，作为AI应用的底座，并且设置相应的参数。

而相较于已经展露出成为操作系统的野心的OpenAI，AWS的策略是和互联网时代的主流操作系统成为盟友，PartyRock生成的AI应用，既可以上架IOS和安卓等主流操作系统，也能作为一个网站发布。

“即便PartyRock很有趣，但我们认为它不具有竞争力。”不过，AWS销售和营销高级副总裁Matt Garman对36氪直言。PartyRock，可以被视作AWS在2023年4月推出的AI服务Amazon Bedrock的“娱乐版”。至于为什么要发布这样一个易上手的AI App生成产品，AWS的意图也很明显：收割一批学生、白领等非技术背景的用户。

△PartyRock

一名参加re:Invent的美国开发者告诉36氪，如今美国的AI企业在争相向开发者“卖水”、建立开发者生态的同时，也在不断降低AI工具的使用门槛，“AI native application makes AI native people（AI原生应用造就AI原住民）。”

不过，相较于PartyRock提供的轻量化的To C应用的开发环境，企业用户的需求则复杂得多。

如今多数企业对AI应用的需求，是快速复制专家知识。AWS在大会上发布的AI工作助手Amazon Q，一方面作为AWS的客服和业务经理，为企业答疑解惑，并提供解决方案，另一方面也能连接企业的业务数据、信息和系统，帮助企业创建专属的AI Agent。

△AI工作助手Amazon Q

相较于微软此前发布的Copilot，Amazon Q的定制化属性更为突出。当企业客户部署自己的Agent时，Amazon Q会生成一个网络应用程序，管理员工的访问权限，以此保护企业信息安全，并提供更准确的服务。比如针对销售，Amazon Q将优先综合销售相关的业务数据和资料，在进行会议摘要时，Amazon Q也会将销售部分的内容优先进行总结。

对AI而言，没有“无用”的数据

要提高自动驾驶的安全性，什么样的驾驶数据是有用的？

在re:Invent展会上，若是进入AWS的模拟驾舱，对不同数据发挥的价值就会有一个直观的了解。

△AWS模拟驾驶舱

这个装载道路摄像头，并在仪表盘、方向盘、脚踏板上布满传感器的模拟驾舱，通过AWS的IoT（物联网）服务，将车内外数据传输到数据库，并可视化呈现。

△驾驶过程数据的可视化呈现

“很多人认为道路数据是自动驾驶的关键，但车内的驾驶数据是辅助机器做出决策的核心。”工作人员介绍。

他对36氪举了个简单的例子：在行驶过程中遇到倒下的树木和行人，驾驶员会踩下油门；但遇到落叶，车并不会停下，“想要提升自动驾驶体验和提高行驶安全，就要善于利用驾驶过程中的所有数据”。

模拟舱的试验，是数据对AI的重要性的缩影。在re:Invent的现场能明显感受到，AI是主角，而“Data”又是AI的主角。

随着AI的发展，一方面，BI（商业智能）、Text to SQL（文生SQL）等数据相关的AI应用场景，已经被初步验证。

另一方面，各行业被要求利用更多的业务数据，去洞察和满足用户愈发精细化的需求。愈来愈多的企业意识到，不存在“无用”的数据。如何让所有的业务数据发挥价值，成了数据服务商提供服务的重点。

比如AWS的数据管理服务DataZone，在大会上推出了AI推荐（AI Recommendations）功能，将原有企业找数据的过程，转化为让具有价值的数据，主动找到企业。企业只需输入自己的业务需求，DataZone就能够提供相应的数据索引，并为企业提供使用数据的建议。

△DataZone AI推荐功能

根据不同的数据生态，美国AI公司们在云服务方案的选择上，也更加精细化。

经过十多年的发展，美国云厂商已经培养出了较为鲜明的业务优势。几名参展的客户总结：AWS注重全球化和大而全的服务，微软Azure注重平台化和定制化的服务，谷歌云则注重于垂直场景。

对于不少To B厂商而言，选择云服务不仅要考虑到自身业务的需求，还要考虑到客户企业的多样性和需求。展会上，不乏根据业务特色，选择多云部署的厂商。

比如成立于2008年的数据安全解决方案提供商，Druva。Druva的一名产品经理告诉36氪，自2008年成立起的很长一段时间，Druva将自己和客户的数据库、系统，都搭建在微软智能云服务Azure上。

但随着业务在全球范围内的扩张，Druva面对的是扩张的全球客户。Druva做的决策是，将用户的数据部署在跨国部署业务成熟的AWS云上，但自身的数据库，依然搭建在Azure上，以提高服务的稳定性和安全性。

满足客户的全流程服务，不只是巨头游戏

在美国，做全流程的AI服务，已经不仅仅是云巨头的游戏。

对不少企业客户而言，业务的AI化改造，往往意味着要重走一遍从底层模型训练到AI应用的搭建流程。这驱使不少数据库、中间层的厂商都开始建立从数据处理、AI应用定制、安全管理等全流程的AI服务，更甚者与大厂共分蛋糕，为客户提供AI应用开发工具或者框架。

“Your New AI Copilot for Backup（数据备份的AI助手）。”在展会上，Druva一组标语，宣告自己发布了新的AI助手Dru，并可为客户提供定制化服务。

△Druva发布了数据备份AI Copilot

Druva工作人员告诉36氪，为客户提供定制化的数据备份AI Copilot拥有广阔的市场机会：“以往，光靠人力解决客户的数据问题，效率非常低下。如今部署在用户数据系统中的AI Copilot不光可以提高问题解决效率，还能通过自然语言交互，针对性地提供数据管理、分析等服务。”

在展会上，技术服务商IBM秀出的“肌肉”，是几乎所有大厂都在布局的生成式AI训练、微调、部署服务。这项名为watsonx.ai的功能，也将Prompt Engineering（提示词工程）、训练、调整和部署等模型训练流程，封装到低代码的模块中，让企业能够较低门槛地开发AI模型，和构建AI应用。

△watsonx.ai

估值高达430亿美元、被英伟达投资的数据处理超级独角兽Databricks，不仅搬来了从数据管理到分析的一整套解决方案，还把与客户合作研发的AI写真生成应用搬到了展会现场。

目前，国内大部分AI写真应用仍需上传20张不同角度的脸部照片作为机器学习的“养料”。但Databricks这位写真领域的“外行人”，却拿出了一套只需现场拍摄一张正面照、5分钟内生成照片的AI写真方案。除却风格和审美差异，Databricks生成写真的面部细节并不亚于国内AI写真应用。

△数据服务商Databricks的AI写真应用

而Databricks的老对手，市值超700亿美元的Snowflakes，则把一整套动捕滑雪游戏搬到了展会现场。

△Snowflakes的动捕滑雪游戏

不过，想要进入中国市场，AI外企们寻找合适的商业模式依然是难点。

“Databricks的中国用户很多。”工作人员对36氪介绍，为了进入中国市场，Databricks在中国组建了20多人的团队。然而，由于付费观念的不同，大部分用户选择的是Databricks的免费基础服务，“付费用户仅占10%左右”。

为何“重复造轮子”，依然能够有繁荣的业态？美国AI玩家们给出的答案是：开放的心态+开放的生态。

开源解决方案提供商Red Hat，做的是开源生态的“搬运工”，为企业提供开源技术方案的选择、微调和部署服务。即便开源社区Huggingface也提供同样的服务，但双方依然保持了合作关系。当被问到合作的秘诀，Red Hat工作人员告诉36氪：“AI仍在相当初期的阶段，最重要的是一起做大市场。”

可以看到，AWS的大多客户，都在做自己的“AmazonQ”（助手），自己的“Qdrant”（AWS的向量数据库），甚至自己的“Bedrock”（AWS的AI开发平台）。此前已经发布了云计算服务DGX Cloud的英伟达，这次也将首个配置了最新GPU GH200 NVL32的DGX Cloud，搭在了AWS的云上。

刚刚给微软Ignite开发者大会捧场的英伟达CEO黄仁勋，也现身AWS的主会场。

△英伟达CEO黄仁勋现身

Matt Garman告诉36氪，作为客户的MongoDB、Snowflake，都是AWS数据库Redshift的有力竞争者，“大家都在合作和竞争中相互学习对方的优势”。若是站在供应商的角度，加入生态的合作伙伴越多，AWS就能够满足用户更多元的需求。

“我们和客户会构建一些相互重叠的产品，但这没关系，AI很初期，双方都还有空间。”Matt总结。

文章来自于 “周鑫雨”，作者 “周鑫雨”