生成式AI作為當(dāng)前人工智能的前沿領(lǐng)域，全球多家科技企業(yè)都在加大生成式AI的研發(fā)投入力度。
隨著技術(shù)、產(chǎn)品及應(yīng)用等方面不斷推出重要成果，如今有更多的行業(yè)用戶在思考該如何將生成式AI應(yīng)用落地。
但開發(fā)生成式AI應(yīng)用是一個充滿挑戰(zhàn)的系統(tǒng)工程，并不是單純的產(chǎn)品和服務(wù)拼接，涉及基礎(chǔ)設(shè)施領(lǐng)域一系列的挑戰(zhàn)。
亞馬遜云科技大中華區(qū)產(chǎn)品部總經(jīng)理陳曉建表示，當(dāng)我們談?wù)撋墒紸I時，大多數(shù)人都在談?wù)摶A(chǔ)模型，而整個生成式AI應(yīng)用就像是浮在海面的冰山，露在海面上方能被大多數(shù)人看到的冰山一角就像是基礎(chǔ)模型，而在冰川的底部，同樣需要大量的基礎(chǔ)模型以外的服務(wù)來支撐，如加速芯片、數(shù)據(jù)庫、數(shù)據(jù)分析、數(shù)據(jù)安全服務(wù)等等。
那么，想要構(gòu)建一個成功的生成式AI應(yīng)用，需要哪些基礎(chǔ)設(shè)施助力？業(yè)界是否有一些最佳實踐可以參考呢？
AI高性能芯片為生成式AI訓(xùn)練提供算力支撐
人工智能的發(fā)展從深度學(xué)習(xí)時代進入到大模型時代，大規(guī)模預(yù)訓(xùn)練模型的參數(shù)量呈現(xiàn)指數(shù)級上升，需要高性能算力的支撐。
目前，大規(guī)模預(yù)訓(xùn)練模型訓(xùn)練算力是以往的10到100倍，當(dāng)前主流生成式AI模型的訓(xùn)練廣泛使用到英偉達(dá)Tensor Core GPU芯片，如微軟斥資數(shù)億美元購買數(shù)萬顆英偉達(dá)A100芯片以幫助Open AI打造ChatGPT。
AI計算集群為生成式AI模型訓(xùn)練降低成本
AI計算集群能夠提供大規(guī)模算力、持續(xù)提高算力資源利用率、提升數(shù)據(jù)存儲和處理能力，進一步降低模型訓(xùn)練門檻和成本，推動生成式AI模型的落地進程。
當(dāng)前較為典型的AI計算集群，例如基于英偉達(dá)最新GPU芯片H100 Tensor Core的Amazon EC2 P5實例，與上一代相比速度快6倍，訓(xùn)練成本節(jié)省40%；
基于亞馬遜云科技自研的機器學(xué)習(xí)推理芯片Amazon Inferentia2推出的Amazon EC2 Inf2實例，與其他類似的EC2實例相比性價比高40%；
基于自研機器學(xué)習(xí)訓(xùn)練芯片Amazon Trainium推出的Amazon EC2 Trn1實例，與同類實例相比訓(xùn)練成本節(jié)省高達(dá)50%。
這也是為什么有越來越多的客戶，比如Airbnb、OPPO、Sprinklr 和 Autodesk等，會選擇使用亞馬遜云科技的自研芯片來承載他們的生成式AI應(yīng)用。
基礎(chǔ)模型服務(wù)為構(gòu)建生成式AI提升效率
生成式AI的核心是利用機器學(xué)習(xí)領(lǐng)域的基礎(chǔ)模型驅(qū)動的，從RNN、CNN到VAE、GAN，每種模型都有其獨特的優(yōu)點和應(yīng)用領(lǐng)域，這些模型在很大程度上決定了AI系統(tǒng)的表現(xiàn)。
然而，基礎(chǔ)模型的發(fā)展和迭代速度正超越以外任何一項技術(shù)，基本以月甚至天為單位持續(xù)迭代。
在眾多的基礎(chǔ)模型中，應(yīng)該如何便捷安全的選擇最適合自己業(yè)務(wù)場景的基礎(chǔ)模型，是每一家企業(yè)在構(gòu)建生成式AI應(yīng)用時面臨的挑戰(zhàn)。
事實上，借助專門構(gòu)建的生成式AI工具和基礎(chǔ)設(shè)施，可以幫助企業(yè)快速構(gòu)建高性價比的生成式AI應(yīng)用。
例如，亞馬遜云科技Amazon Bedrock是一項無服務(wù)器服務(wù)，提供了廣泛的模型選擇、數(shù)據(jù)隱私，并且能夠自定義模型，無需管理任何基礎(chǔ)設(shè)施。
該服務(wù)提供的基礎(chǔ)模型來自Meta, Anthropic, Stability AI, AI21 Labs, Cohere等第三方領(lǐng)先提供商以及自身的Amazon Titan模型等，近期還加入了Meta的下一代開源大模型Llama2以及Anthropic的Claude2等熱門基礎(chǔ)模型。
同時，Amazon Bedrock與Amazon SageMaker Jumpstart結(jié)合，用戶可以從Amazon SageMaker Jumpstart中選擇開源的基礎(chǔ)模型，然后根據(jù)自身需求可以選擇全量微調(diào)，輕量微調(diào)等不同方式，進一步確定微調(diào)框架，利用分布式訓(xùn)練實現(xiàn)微調(diào)，從而更好的評估微調(diào)效果。
云原生服務(wù)加速生成式AI應(yīng)用構(gòu)建
人工智能預(yù)訓(xùn)練模型的開發(fā)對于云服務(wù)有較大需求，AI云服務(wù)可以提供人工智能開發(fā)模塊，通過多元化的服務(wù)模式，降低開發(fā)者的開發(fā)成本和產(chǎn)品開發(fā)周期，為模型開發(fā)提供AI賦能。
尤其是借助云原生服務(wù)，可以加速AI應(yīng)用構(gòu)建，助力業(yè)務(wù)敏捷創(chuàng)新。
比如，以微服務(wù)化和事件驅(qū)動架構(gòu)為核心的設(shè)計框架，松耦合的去處理每個功能模塊之間的互相依賴；Serverless First能夠簡化運維、提升效率；在DevOps、基礎(chǔ)設(shè)施即服務(wù)、自動化等現(xiàn)代應(yīng)用治理理念持續(xù)投入，可以促進企業(yè)內(nèi)部的應(yīng)用資產(chǎn)與實踐的分享，構(gòu)建高效敏捷的構(gòu)建者文化等等。
數(shù)據(jù)服務(wù)為生成式AI打造基座
數(shù)據(jù)作為生成式AI的關(guān)鍵，也將推動生成式AI的廣泛應(yīng)用，對于所有的組織企業(yè)來說都十分重要。
首先，面向生成式AI構(gòu)建強大的數(shù)據(jù)“基座”，需要一套全面的服務(wù)，以便能夠存儲用于構(gòu)建和微調(diào)模型的各種類型的數(shù)據(jù)；
其次，還需要服務(wù)間的集成，以打破數(shù)據(jù)孤島，確保能夠隨時訪問所有數(shù)據(jù)；
最后，還需要在構(gòu)建生成式AI應(yīng)用程序的整個生命周期中，確保數(shù)據(jù)安全并對其進行管理。
以亞馬遜云科技為例，針對生成式AI領(lǐng)域的用戶個人信息、會話信息管理、私域知識庫等應(yīng)用場景都提供了專門構(gòu)建的數(shù)據(jù)庫。
在數(shù)據(jù)集成方面，亞馬遜云科技已經(jīng)在Amazon S3、Amazon Aurora、Amazon Redshift、Amazon SageMaker、Amazon EMR、Amazon Athena、Amazon Kinesis等各項服務(wù)之間，實現(xiàn)了深度的數(shù)據(jù)集成，幫助企業(yè)執(zhí)行分析和機器學(xué)習(xí)，且無需移動數(shù)據(jù)。
在數(shù)據(jù)治理方面，亞馬遜云科技Amazon DataZone讓客戶能夠跨組織邊界發(fā)現(xiàn)、訪問、共享和治理大規(guī)模數(shù)據(jù)，并減少企業(yè)內(nèi)部成員訪問數(shù)據(jù)和使用分析工具時繁重的工作量。
其中，在行業(yè)類應(yīng)用場景中，AI助手類應(yīng)用得到了廣泛運用，比如在協(xié)同辦公賽道就掀起了新風(fēng)口：
釘釘接入千問大模型，用戶可以喚起10余項AI能力如：自動整理群聊要點、生成待辦、預(yù)約日程、寫文案、生成海報、一鍵生成討論要點等。
飛書宣布推出智能助手“My AI”，功能包括匯總會議紀(jì)要、創(chuàng)建報告、優(yōu)化和續(xù)寫文字內(nèi)容等功能。
金山辦公推出“WPS AI”，支持內(nèi)容生成、公式生成、制作PPT、掃描識別并分析文件等功能。
而在金融、醫(yī)療、工業(yè)等領(lǐng)域，最具前景的應(yīng)用則來自于數(shù)據(jù)挖掘和知識洞察（Insight）類工具。
但無論是哪種形式的生成式AI的應(yīng)用落地，背后都離不開強大的基礎(chǔ)設(shè)施作為支撐。
金山辦公軟件股份有限公司的 AI 研發(fā)總監(jiān)劉強表示，今年起WPS開始將大語言模型的能力全面引入產(chǎn)品，致力于開發(fā)新一代辦公軟件。
而在構(gòu)建生成式AI應(yīng)用的過程中，基礎(chǔ)模型性能有限，數(shù)據(jù)隱私與安全難以保障，高額管理成本等現(xiàn)實情況成為了擺在金山辦公面前的重重障礙。
亞馬遜云科技Amazon Bedrock中支持的領(lǐng)先大語言模型，在多個文字處理場景中符合金山辦公的需求。
除多種模型選擇外，Amazon Bedrock還在數(shù)據(jù)安全層面給金山辦公提供了充分的支持，極大地提高了金山辦公的內(nèi)部開發(fā)效率，助力金山辦公進一步革新辦公體驗。
西門子中國也借助了一系列云基礎(chǔ)設(shè)施、大數(shù)據(jù)、機器學(xué)習(xí)等技術(shù)，來構(gòu)建生成式AI應(yīng)用。
據(jù)西門子中國大禹團隊介紹，長期以來企業(yè)內(nèi)部資源的檢索和調(diào)用都存在結(jié)構(gòu)散亂、檢索速度慢、交互不便等問題。因此，大禹團隊決定將大數(shù)據(jù)庫和生成式 AI 應(yīng)用于一個全新的“智能知識庫”，從根本上提升知識庫的可用性。
在亞馬遜云的技術(shù)支持下，西門子中國大禹團隊通過一個智能知識庫暨智能會話機器人的解決方案，三個月時間就上線了生成式AI對話機器人“小禹”，實現(xiàn)了快速、精準(zhǔn)的查詢和回復(fù)。
在整個解決方案中，包括預(yù)訓(xùn)練大語言模型，Amazon OpenSearch Service的向量數(shù)據(jù)服務(wù)，以及相關(guān)系統(tǒng)集成等，這些核心關(guān)鍵能力讓解決方案指南能實現(xiàn)目標(biāo)知識庫約80%功能，西門子中國根據(jù)企業(yè)內(nèi)部需求再做20%定制化開發(fā)，最終形成完整的解決方案。
同時，Amazon OpenSearch Service的無服務(wù)器特性，讓開發(fā)人員不需要管理集群或擔(dān)心生產(chǎn)規(guī)模，可以快速推動部署。
基于Amazon SageMaker上提供的豐富的模型開發(fā)和訓(xùn)練工具，也保證了開發(fā)人員可以在云端輕松實現(xiàn)大語言模型的調(diào)優(yōu)以及測試更多不同類型的開源模型。
聯(lián)系客服
