云计算趋势预测丨云计算模型组成的5个基本特征

【云计算趋势预测丨云计算模型组成的5个基本特征】lot物联网小编为你整理了的相关内容，希望能为你解答。

云计算行业很久没有这么热闹了，这一次，行业集体看到了诱人的新果实，垂涎欲滴。

毋庸置疑，AIGC是云计算的Game changer，将从根本上改变云计算乃至整个科技行业的游戏规则，作为云计算行业的Game Rulemaker，亚马逊云科技也展露出新的峥嵘。

4月13日，亚马逊云科技宣布推出生成式 AI 新工具，包括Amazon Bedrock和Amazon Titan模型，也涵盖极具性价比的Amazon EC2 Trn1n和Amazon EC2 Inf2实例，AI编程助手Amazon CodeWhisperer同时发布。

“大多数公司都想使用这些大型语言模型，但真正好的大型语言模型需要花费数十亿美元来训练很多年，大多数公司都不想经历这些，”亚马逊首席执行官安迪·贾西表示。“因此，他们想要的是，希望从一个已经非常大的基础模型中脱颖而出，然后能够根据自己的目的对其进行定制”。

于内于外，云厂商都有意愿和动力参与这次盛宴，开展大模型业务所需要的算力、算法和数据，云厂商都有一定的优势，并且，若论面向客户的产品工程化输出能力，云厂商显然更合适。

经济学中有一个名词，叫做“低垂的果实”，一棵果树上总有一些果子结在较低的位置，树下的人们伸手可得，套用在云计算领域十分应景。

过去十年，是云计算行业高速发展的十年，亚马逊云科技将云计算的技术和商业模式厘清之后，云厂商们只需要踮踮脚，就能摘下低垂又饱满的果实，然而，这种增长不可能无限持续。

“突飞猛进的‘低垂的果子’时代已经结束了，大家都要开始有跑马拉松的耐心。”，一位云计算行业高管在数年前就做出该论断，随后一步步被时间验证。

从云计算应用程度最高的美国，传递到数字化相对滞后的全球其他地区，从最先采用云计算的互联网行业，到迁移改造上云的大型政企部门，以收入全局观测，云厂商始终能够摘到低垂的果实，直至低垂果实逐渐被摘尽。

头部云厂商在财报中披露的业绩数据，是云市场最直观的晴雨表。在最新一季的云厂商财报中，大家都不可避免地遭遇了增速下滑，尽管有宏观经济的影响、后疫情时代企业IT支出恢复不及预期等因素，但是结合一段时间内的增速变化，云厂商增长持续放缓，且创下增速新低，已经是云计算行业面临的共性难题。

与此同时，一些厂商早已走上马拉松的赛道，他们向下投资硬件，向上拓展应用场景，希望用更低的成本撬动更高价值的业务场景，亚马逊云科技就是典型代表，其很早就在数据与AI产品方面持续投入，积累了深厚的技术经验与丰富的客户案例，也引得不少云厂商效仿。

知其然，更要知其所以然，在云环境中，基于机器学习 (ML) 算法的 AI 软件，可以为客户和用户提供直观且互联的体验，但是亚马逊云科技的投入要追溯到此前的足迹。

例如亚马逊的电商推荐引擎、运营中心捡货机器人的路径选择，以及供应链、预测和产能规划，再如Prime Air（亚马逊无人机）和Amazon Go中的计算机视觉技术，Alexa每周与客户的数十亿次回答。

不过，让人沮丧的是，人工智能技术和产业走过六十余年，三起三落之间，始终没有一个“杀手级应用”，这也就导致人工智能的规模化价值很分散，数据密集型负载以往在云上的效果也不佳，AI云的发展亦步亦趋。

如今，大模型被视为人工智能产业的一个转折点，包括亚马逊在内的厂商们，在以往为自己积累的筹码，开始兑现价值，成为云厂商向上摘取高价值果实的阶梯。

行业公认的是，大模型是巨头的游戏，正如安迪·贾西所言，能够有足够资金和资源自建大模型的厂商，绝对不会太多。从另一个维度来看，大模型也不是巨头的独角戏，云和人工智能的发展，都高度依赖产业生态的构建。

云计算的本质是云厂商将自己的储备内生外化，以工程化产品输出给客户，在大模型领域又得到了加强，大模型时代，企业用户既看重大模型本身的效用，也在意自己能否获得简单易用的体验。

云是AI的承载，AI将成为云的核心抓手，开展大模型所需要的算法、算力和数据等能力，以及覆盖IaaS、PaaS、MaaS的解决方案，都考较着云厂商本身的技术储备。

以亚马逊云科技本次推出的生成式AI新工具而言，最让人印象深刻的是Amazon Bedrock，用户通过API可以访问来自AI21 Labs、Anthropic、Stability AI和亚马逊云科技的基础模型，从文本到图像均有，其中也包括Amazon Titan的两个基础模型(Amazon Titan Text and Amazon Titan Embeddings）。

这就解决了一些行业客户担心的绑定问题，亚马逊云科技集合了更多的大模型，客户可以自由选择亚马逊基础模型或者其他公司的大模型，既做到针对性调优，又提供更多选择，使之不必担心被一个大模型或者云厂商绑定。

Bedrock最突出的特性之一是足够低的门槛，客户甚至只需向Bedrock展示Amazon S3中的几个标注好的数据示例，Bedrock就可以针对特定任务微调模型，最少仅需20个示例，就能训练出一个客户自己的场景化产品。

Bedrock的打磨显然不是一蹴而就，向上向下观测，亚马逊云科技的在人工智能和机器学习堆栈的三个层级，都建立了深且广的护城河。

算力也是Bedrock低门槛的表现之一，大模型考验的不仅是大模型本身，算力是企业要面临的第一重难关。公开资料显示，训练成本以数百万美元计算，未来大模型普遍应用之后，推理成本可能比训练还要高出一个数量级，具备自研芯片的云厂商能够以更低的成本，提供更大的算力，相比其他云厂商有天然的竞争力。

亚马逊云科技自研的Trainium和Inferentia芯片，就构成了对其他厂商的碾压性优势，根据亚马逊云科技公布的数据，由Trainium支持的Trn1计算实例与其他任何EC2实例相比，都可以节省高达50%的训练成本，在同一可用区中支持3万个Trainium芯片互联，相当于超过6 exaflops的计算能力，并具有PB级网络。

由Amazon Inferentia2提供支持的Inf2实例也对外正式可用，与上一代相比，Inf2实例吞吐量提高了4倍，延迟降低了10倍，还可实现加速器之间的超高速连接以支持大规模分布式推理。与同类Amazon EC2实例相比，推理性价比提高了40%。

Amazon SageMaker一直是亚马逊云科技的明星产品，IT 工程师可以轻松地构建和训练机器学习模型，然后直接将模型部署到生产就绪托管环境中，本次亚马逊云科技更进一步，推出了大量服务，使客户通过简单的API调用就可添加AI功能到应用程序中，如图像识别、预测和智能搜索。

美国作家卢克·多梅尔在《人工智能》一书中提出了“奇点”的概念，奇点指的是机器在智能方面超过人类的那个点，现在虽然不能说人工智能已经比人类更聪明，但是它在很多场景已经能够替代部分人类工作，在商业化方面具备巨大的想象空间。

而在人工智能改变各行各业之前，先改变了云计算，云计算和人工智能成为强绑定的关系，未来无限的人工智能场景，意味着相同规模的云计算消耗。

有观点认为，云计算几乎完成了对技术的统治，云解决方案变得普遍，相对于其他技术方案，云的成本效应突出，并且可选择的能力变得更多，没有公司会拒绝成本更低且选择更多的解决方案，人工智能自然而然生长在云之上。

云客户对大模型的需求是热烈且现实的，亚马逊云科技综合了客户在云上的大模型需求，首先，他们需要能直接找到并访问高性能基础模型，这些模型需要能够给出最匹配业务场景的优秀反馈结果。

其次，客户希望无缝与应用程序集成，且无需管理大量基础设施集群，也不会增加过高的成本。

最后，客户希望能够轻松上手，基于基础模型，利用自己的数据（可多可少）构建差异化的应用程序。由于客户进行定制化的数据是非常有价值的 IP，因此需要在处理过程中确保数据安全和隐私保护。同时，客户还希望能控制数据共享和使用。

综合这些需求，亚马逊云科技才有了一系列的生成式AI工具，可以清晰地看出，亚马逊云科技目前的两个方向，一是把价格打下来，现在的训练以及未来的推理，成本低到客户能够接受，大模型才有规模应用的空间；二是价值足够突出，只有客户在自己的业务场景中提质增效，简单低门槛的使用大模型，人工智能的价值才会被认可。

相关数据显示，在预估AI的技术影响时，仅通过将AI集成到在线工作中，每年就可以在 19 个国家/地区产生 3.5 万亿至 5.8 万亿美元的价值。

大模型时代轰轰烈烈，企业要么主动转型，要么被动拥抱，通过亚马逊云科技的人工智能和机器学习服务，企业、合作伙伴可以轻松地构建和部署行业模型，让业务朝向人工智能做奋力一跃。

以上内容为【云计算趋势预测丨云计算模型组成的5个基本特征】的相关内容，更多相关内容关注lot物联网。