鈦媒體獨家對話Amazon Bedrock總經理：大模型太多，也太早，客戶需要有多個選擇

以下是對話實錄，經鈦媒體編輯整理。

鈦媒體：大公司和小而精的團隊，在當下實現AI技術創新、產業賦能方面，會有哪些不同優勢？

Atul：就針對客戶應用部署而言，我不認爲大公司和小企業之間會存在哪些明顯差異，它們之間有很多共通之處。我們都想爲大公司嘗試不同模式。當前Data Hygiene（數據衛生）這項工作非常具有挑戰性。當你爲較小的公司部署應用時，管理並確保模型訓練所需的私域數據實現高質量和一致性相對容易。但對於規模較大的公司，有大量差異化數據，且數據更加分散，管理數據會更具挑戰性。另一方面，初創企業可以通過承擔更多的風險更快地行動，它們沒有像大型客戶這樣的現有客戶羣，可能會出錯，也會在試錯中快速迭代創新。

鈦媒體：AWS想要做GenAI這件事情，最終希望解決什麼問題？

Atul：我們正在積極探索新的可能性。無論客戶希望自主構建模型，還是希望對現有模型進行深度定製，我們希望構建一套生成式AI堆棧，讓客戶使用到豐富且一流的工具，除此之外，還有Amazon SageMaker，基於NVIDIA提供的豐富實例類型，我們還積極研發定製芯片，涵蓋訓練和推理兩大領域，以滿足更精細化的需求。

通過這一系列從底層到中間層的創新，我們的目標是：讓企業內的任何開發人員都能夠自由構建生成式AI應用，而無需關注複雜的機器學習或底層基礎設施。我們堅信，所提供的工具將達到行業最高水準，幫助他們實現應用的創新突破。

目前，我們推出了Amazon Q business和Amazon Q developer兩個版本。Amazon Q business旨在爲企業中的每位員工配備一位專業顧問，確保他們能夠快速獲得解答並高效完成任務；而Amazon Q developer則專注於提升開發人員的工作效率，爲之提供即時的解答，以順利完成手頭的具體工作。這正是Amazon Q的最終目標，也是我們不懈追求的方向。

鈦媒體：對AWS自身的產品和業務結構真正意義上帶來改變，可能需要多久？如何在這個領域建立我們的領導力？

Atul：實際上，一切都取決於客戶以及我們試圖解決的具體問題。我們已經看到數以萬計的客戶正在使用SageMaker來改變其客戶體驗。這些變化有的已經發生，有的則需要一些時間。因此，對於何時能夠期待顯著變化，確實沒有一個固定的答案。

舉例來說，紐約證券交易所正在利用Bedrock來分析處理衆多監管文件，並將複雜的法規內容轉化爲易於理解的語言，這一舉措將對最終用戶產生深遠影響；同時，電子健康記錄技術供應商Netsmart通過應用相關技術，成功將患者健康管理記錄的時間縮短了50%，這無疑爲醫生騰出了更多時間，使他們能夠照顧到更多的病人。

今天我們已經看到了對最終用戶的一些積極影響，但我相信這仍然是一個需要時間來逐步發展和普及的過程。然而，這一進程的進展速度是相對較快的，已經形成了不可小覷的勢頭。因此，我無法確切預測是在今年年底還是明年，生成式人工智能將變得非常普遍。不過，可以肯定的是，它正在逐步改變我們的世界，爲我們帶來更多的便利和可能性。

鈦媒體：像RAG用於解決幻覺問題，但有些論文裡提了幻覺僅靠RAG也無法解決，在企業級應用中，如何測評幻覺存在程度，以及在具體應用時的影響？

Atul：儘管我們無法徹底消除這個問題，但隨着時間的推移，我相信會有越來越多的前沿研究涌現。你將看到客戶在處理幻覺方面取得了更多的進步與改進。我可以明確地告訴你，這個問題雖然無法完全解決，但作爲我們行動的一部分，它確實有助於減少其影響，只是無法徹底消除。隨着時間的推移，無論是模型內部還是外部，都將出現創新，從而幫助客戶更好地應對這種模式。

鈦媒體：模型間的協作問題，客戶在多個模型使用時，AWS目前有哪些比較好的解決思路？

Atul：對於客戶而言，這個問題顯而易見。因此，我們特別推出了一項名爲模型評估的功能，該功能已於去年12月發佈，並計劃於明天全面上線。從本質上來說，這一功能旨在幫助客戶在給定的一組提示上比較不同模型的性能，以便它們能夠選擇更符合自身特定用例的模型。

要實現這一目標，客戶有三種方式可供選擇。首先，他們可以在控制檯中根據給定的提示比較不同模型的性能；其次，客戶可以利用自動化評估功能，在不同數據集上運行不同的模型或使用標準行業數據集，從而查看哪些模型表現優異；最後，客戶還可以藉助公司內部的專業團隊，以不同的方式評估模型，確定哪種模型符合他們的期望。最終，客戶將從Bedrock獲得一份詳盡的報告，根據他們設定的標準，報告將展示模型的表現以及如何決定哪些模型對其有意義。

鈦媒體：AWS在AI倫理方面的舉措有哪些？

Atul：我們正與多個政府組織進行廣泛合作。以我們推出的Titan圖像生成器爲例，該工具具備水印功能，能夠添加不可見的水印，幫助客戶判斷生成的圖像是否由人工智能生成。除此之外，我們還與一些列其他組織合作，確保以負責任的方式使用人工智能。

鈦媒體：AWS在自研芯片方面的經驗是什麼？

Atul：多年來，我們一直在芯片領域進行投資，且早在2015年收購了芯片設計公司Annapurna Labs。儘管我們最初的重點是面向虛擬化和通用計算芯片，但隨後我們專注於開發專門用於機器學習的AI芯片。例如，用於人工智能訓練和推理的兩款專用芯片Amazon Trainium和Amazon Inferentia。

得益於多年來對芯片開發的持續投資，我們有了更多機會對這些芯片進行迭代和改進，以確保其性能和穩定性。這些改進恰逢其時，因爲生成式人工智能對計算能力的需求日益增長。

鈦媒體：Bedrock上有很多模型，你是否觀察到哪個模型最受客戶歡迎，比如Meta和Anthropic？

Atul：目前，我們尚不會透露各模型提供商的具體性能表現。但我想說的是，這些模型受到了廣大用戶的青睞。這主要是因爲模型的選擇取決於具體的應用場景，人們會根據不同的需求來選用不同的模型。因此，過早地指出哪些模型被廣泛應用還爲時尚早。（本文首發於鈦媒體APP， 作者｜楊麗，編輯 | 蓋虹達）