構(gòu)建具有商業(yè)價(jià)值的生成式AI應(yīng)用，并將它作為全新生產(chǎn)力，這是越來(lái)越多企業(yè)的通用選擇。不過(guò)，用來(lái)鍛造生成式AI應(yīng)用的大模型是通用的，而生成式AI應(yīng)用需要適合自身業(yè)務(wù)甚至是契合自身特點(diǎn)，簡(jiǎn)單說(shuō)，就是要“專門”和“專屬”。從“通用”到“專屬”的跨越，目前的最優(yōu)解，仍在于利用好企業(yè)自身更具個(gè)性化的數(shù)據(jù)。就此，想要將生成式AI能力提供給每個(gè)人的亞馬遜云科技，除了提供豐富的模型能力之外，也提出“無(wú)數(shù)據(jù)，不模型”，意在助力更多企業(yè)構(gòu)建全面的數(shù)據(jù)基座，通過(guò)充分發(fā)揮數(shù)據(jù)潛力，加速生成式AI技術(shù)落地，并更好地適應(yīng)企業(yè)自身發(fā)展需要。前不久以“生成式AI時(shí)代的數(shù)據(jù)基座”為主題的溝通會(huì)上，亞馬遜云科技方面公開(kāi)了相關(guān)領(lǐng)域的全新進(jìn)展。

通過(guò)數(shù)據(jù)“定制”基礎(chǔ)模型

亞馬遜云科技大中華區(qū)產(chǎn)品部總經(jīng)理陳曉建表示：“每個(gè)公司都能訪問(wèn)相同的基礎(chǔ)模型，但那些能夠利用自己的數(shù)據(jù)構(gòu)建具有真正商業(yè)價(jià)值的生成式人工智能應(yīng)用的公司，將會(huì)是成功的公司?！?/p>

企業(yè)自身的個(gè)性化數(shù)據(jù)能夠差異化生成式AI應(yīng)用，亞馬遜云科技依托Amazon Bedrock提供通過(guò)數(shù)據(jù)定制基礎(chǔ)模型的服務(wù)，支持三類模型定制方式：

一是檢索增強(qiáng)生成。企業(yè)可將自身的知識(shí)庫(kù)、數(shù)據(jù)庫(kù)等與生成式AI模型結(jié)合，在過(guò)程中實(shí)時(shí)檢索和利用企業(yè)內(nèi)部相關(guān)數(shù)據(jù)，提高生成結(jié)果的準(zhǔn)確性、一致性和信息量。該方式適合控制幻覺(jué)、用戶隱私數(shù)據(jù)保護(hù)、企業(yè)私域知識(shí)等應(yīng)用場(chǎng)景。

二是微調(diào)。使用與目標(biāo)任務(wù)相關(guān)的數(shù)據(jù)對(duì)模型進(jìn)行進(jìn)一步訓(xùn)練，以提高其在特定任務(wù)上的性能。該方式適合角色理解、輸入理解、輸出格式控制等應(yīng)用場(chǎng)景。

三是持續(xù)預(yù)訓(xùn)練。企業(yè)利用內(nèi)部文檔、客戶記錄等自身專有數(shù)據(jù)對(duì)模型進(jìn)行持續(xù)預(yù)訓(xùn)練。該方式門檻相對(duì)較高，成本較大，但可以得到一個(gè)企業(yè)自身定制的行業(yè)大模型，適合理解行業(yè)領(lǐng)域知識(shí)/術(shù)語(yǔ)、嚴(yán)控?cái)?shù)據(jù)合規(guī)等應(yīng)用場(chǎng)景。

持續(xù)引領(lǐng)三大必備核心能力

亞馬遜云科技認(rèn)為企業(yè)構(gòu)建生成式AI應(yīng)用需要具備三項(xiàng)強(qiáng)大的數(shù)據(jù)能力，包括模型微調(diào)和預(yù)訓(xùn)練所需的數(shù)據(jù)處理能力、利用專有數(shù)據(jù)與模型快速結(jié)合以產(chǎn)生獨(dú)特價(jià)值的能力，以及有效處理新數(shù)據(jù)以助推生成式AI應(yīng)用持續(xù)快速發(fā)展的能力。三大能力涵蓋了從基礎(chǔ)模型訓(xùn)練到生成式 AI 應(yīng)用構(gòu)建的重要場(chǎng)景，有助于企業(yè)輕松應(yīng)對(duì)海量多模態(tài)數(shù)據(jù)，提升基礎(chǔ)模型能力。通過(guò)持續(xù)引領(lǐng)上述三大核心能力，亞馬遜云科技助力企業(yè)構(gòu)建數(shù)據(jù)基座，從而在在生成式AI時(shí)代取得成功。

先看利用現(xiàn)有數(shù)據(jù)支持微調(diào)或預(yù)訓(xùn)練模型的能力。

利用現(xiàn)有數(shù)據(jù)支持微調(diào)或預(yù)訓(xùn)練模型，從原始數(shù)據(jù)集到訓(xùn)練出基礎(chǔ)模型需要解決三個(gè)主要問(wèn)題：找到合適的存儲(chǔ)來(lái)承載海量數(shù)據(jù)、清洗加工原始數(shù)據(jù)為高質(zhì)量數(shù)據(jù)集、對(duì)整個(gè)組織內(nèi)數(shù)據(jù)的發(fā)現(xiàn)編目治理。

數(shù)據(jù)存儲(chǔ)方面，Amazon S3 擁有超過(guò) 200 萬(wàn)億個(gè)對(duì)象，平均每秒超過(guò) 1 億個(gè)請(qǐng)求，在容量、安全和功能上都能滿足微調(diào)和預(yù)訓(xùn)練基礎(chǔ)模型對(duì)數(shù)據(jù)存儲(chǔ)的要求；專門構(gòu)建的文件存儲(chǔ)服務(wù) Amazon FSx for Lustre可以提供亞毫秒延遲和數(shù)百萬(wàn) IOPS 的吞吐性能，進(jìn)一步加快模型優(yōu)化的速度和降低成本。

數(shù)據(jù)清洗方面，Amazon EMR Serverless 和 Amazon Glue 無(wú)服務(wù)器數(shù)據(jù)集成服務(wù)，可以幫助企業(yè)輕松完成數(shù)據(jù)清洗、去重、分詞等操作，專注于生成式 AI 業(yè)務(wù)創(chuàng)新。

數(shù)據(jù)治理方面，Amazon DataZone可以讓企業(yè)跨組織邊界大規(guī)模地發(fā)現(xiàn)、共享和管理數(shù)據(jù)，并且提供簡(jiǎn)單易用的統(tǒng)一數(shù)據(jù)管理平臺(tái)和工具，來(lái)解鎖所有數(shù)據(jù)的潛能。

再看將現(xiàn)有數(shù)據(jù)快速結(jié)合模型產(chǎn)生獨(dú)特價(jià)值的能力。

將現(xiàn)有數(shù)據(jù)快速結(jié)合模型產(chǎn)生獨(dú)特價(jià)值，意在突破基礎(chǔ)模型缺乏垂直行業(yè)專業(yè)知識(shí)、缺乏時(shí)效性、生成錯(cuò)誤信息等局限性，給出高質(zhì)量答案。

亞馬遜云科技通過(guò)檢索增強(qiáng)生成（RAG）技術(shù)來(lái)解決上述問(wèn)題，該技術(shù)也、被業(yè)界普遍認(rèn)為是實(shí)現(xiàn)數(shù)據(jù)與模型結(jié)合的主要途徑之一。該技術(shù)通過(guò)將數(shù)據(jù)轉(zhuǎn)換為向量并存儲(chǔ)到向量數(shù)據(jù)庫(kù)中，從而將語(yǔ)義的關(guān)聯(lián)性轉(zhuǎn)化為向量間的數(shù)學(xué)距離問(wèn)題，以實(shí)現(xiàn)內(nèi)容的關(guān)聯(lián)性計(jì)算。

向量存儲(chǔ)的理想情況是將向量搜索和數(shù)據(jù)存儲(chǔ)結(jié)合在一起，亞馬遜云科技已經(jīng)在八種數(shù)據(jù)存儲(chǔ)中添加了向量搜索功能，在提升數(shù)據(jù)查詢性能的同時(shí)，也讓客戶在構(gòu)建生成式 AI 應(yīng)用程序時(shí)擁有了更大的靈活性，從而釋放更多的價(jià)值。特別是，亞馬遜云科技還專門構(gòu)建了圖數(shù)據(jù)庫(kù)Amazon Neptune、推出了分析數(shù)據(jù)庫(kù)引擎，能將圖數(shù)據(jù)分析速度提升 80倍，從而從圖形數(shù)據(jù)中快速獲取洞察，實(shí)現(xiàn)更快的向量搜索。

最后看有效處理新數(shù)據(jù)，助力生成式AI應(yīng)用飛速發(fā)展的能力。

對(duì)生成式AI應(yīng)用程序而言，基礎(chǔ)模型頻繁調(diào)用將會(huì)導(dǎo)致成本的增加和響應(yīng)的延遲，這就讓通過(guò)新數(shù)據(jù)的更優(yōu)處理來(lái)降本增效的需求更突出。

Amazon Memory DB內(nèi)存數(shù)據(jù)庫(kù)，可以通過(guò)緩存之前問(wèn)答生成的新數(shù)據(jù)，實(shí)現(xiàn)對(duì)類似問(wèn)題的快速響應(yīng)和準(zhǔn)確回答，同時(shí)有效降低基礎(chǔ)模型的調(diào)用頻率。該數(shù)據(jù)庫(kù)能存儲(chǔ)數(shù)百萬(wàn)個(gè)向量，響應(yīng)時(shí)間只需幾毫秒，并能以99%的召回率實(shí)現(xiàn)每秒百萬(wàn)次的查詢性能。

亞馬遜云科技可提供無(wú)服務(wù)器數(shù)據(jù)庫(kù)服務(wù)和 Amazon OpenSearch Serverless 用于向量搜索，幫助生成式AI應(yīng)用快速占領(lǐng)市場(chǎng)。無(wú)服務(wù)器的速度加上生成式 AI 的力量，能夠讓用戶最大限度減少運(yùn)維負(fù)擔(dān)和成本，消除性能瓶頸，從而更好地專注于生成式 AI 業(yè)務(wù)創(chuàng)新。在這個(gè)過(guò)程中亞馬遜云科技負(fù)責(zé)無(wú)服務(wù)器背后的安全隔離、故障處理、負(fù)載均衡、自動(dòng)擴(kuò)展、利用率監(jiān)控等復(fù)雜工作，讓用戶徹底消除后顧之憂。

在具體的應(yīng)用領(lǐng)域，比如音樂(lè)領(lǐng)域，Amazon Music分析用戶和歌曲的特征，并將它們轉(zhuǎn)換成向量以提高推薦精準(zhǔn)度。Amazon Music已通過(guò)Amazon OpenSearch將1億首歌曲編碼成向量并進(jìn)行索引，為全球用戶提供實(shí)時(shí)音樂(lè)推薦。Amazon Music目前在 Amazon OpenSearch中管理著10.5億個(gè)向量，并能夠處理每秒高達(dá)7100次的查詢峰值，有效支撐其推薦系統(tǒng)。

亞馬遜云科技方面表示，希望每一個(gè)企業(yè)在生成式AI時(shí)代借助其服務(wù)打造堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)，從而高效安全地將海量的多模態(tài)數(shù)據(jù)和各種基礎(chǔ)模型結(jié)合在一起，創(chuàng)建出一系列具有獨(dú)特的價(jià)值的生成式AI應(yīng)用程序并收到終端用戶的歡迎，進(jìn)而產(chǎn)生更多的數(shù)據(jù)。而新數(shù)據(jù)又會(huì)繼續(xù)提升模型的準(zhǔn)確度，創(chuàng)造更好的用戶體驗(yàn)。這樣的模式就會(huì)產(chǎn)生生生不息的正向生成式AI數(shù)據(jù)飛輪，帶動(dòng)企業(yè)業(yè)務(wù)走向成功。