劉湘明：最近re:Invent其實(shí)引起了很多的關(guān)注，大會三天發(fā)布了30多款產(chǎn)品，數(shù)量很多也非常驚艷，能不能再幫我們把大會再做一次梳理，主線是什么？
代聞：其實(shí)這回發(fā)布主線還是非常明確的，我們可以看兩個方向：
一是全棧的發(fā)布，以生成式AI和數(shù)據(jù)為大主題，無論是開箱即用的服務(wù)，還是平臺類服務(wù)，以及底層的硬件，都做了全棧的創(chuàng)新發(fā)布，這是最值得關(guān)注和關(guān)心的。
二是從橫向來看，是一個全面開發(fā)的：在芯片，網(wǎng)絡(luò)方面都有很多重大更新。此外，AmazonBedrock，AmazonSageMaker都有很多新的發(fā)布。開箱即用的解決方案，比方說AmazonQ，同樣迎來新的發(fā)布。從縱向來講，以生成式AI和數(shù)據(jù)為核心，實(shí)現(xiàn)了全棧的創(chuàng)新，因此，無論是縱向深入還是橫向擴(kuò)展，我們都提供了豐富多樣的服務(wù)。
劉湘明：發(fā)布了這么多新的技術(shù)和產(chǎn)品，你覺得對整個亞馬遜云科技在國內(nèi)的用戶來說，從他們實(shí)際的開發(fā)的技術(shù)應(yīng)用場景上，會帶來什么改變？
代聞：其實(shí)并不是所有的開發(fā)者或者用戶都需要把所有的服務(wù)用起來，因?yàn)槠鋵?shí)亞馬遜云科技發(fā)展到現(xiàn)在可以提供200多大類的云服務(wù)和云解決方案。
如果是在2006年，只有存儲和計(jì)算，可能所有人都用這兩個服務(wù)就行了，但現(xiàn)在，不一樣的用戶，不一樣的Profile，不一樣的業(yè)務(wù)領(lǐng)域，其實(shí)關(guān)心的新發(fā)布也是不同的。
如果你是一個應(yīng)用程序開發(fā)人員，首先非常關(guān)心的是開箱即用的服務(wù)，比如AmazonQ怎么樣能夠提升開發(fā)效率。此次AmazonQ發(fā)布了將.NET應(yīng)用從Windows到Linux平臺的遷移，包括怎么樣能夠生成文檔，不僅涵蓋了遷移的整個生命周期，使得整個過程更加順暢和高效。
對于第二類開發(fā)人員，他們希望直接將模型能力集成到其應(yīng)用中，因此會采取面向模型的開發(fā)方式。此時(shí)，SageMaker Unified Studio以及Bedrock新發(fā)布的模型能力對他們來說至關(guān)重要。從數(shù)據(jù)獲取處理，到模型訓(xùn)練，甚至包括模型的微調(diào)，再到模型的使用，整個鏈條的每一個環(huán)節(jié)都是他們所關(guān)心的。
相比于第一類開發(fā)人員，第二類開發(fā)人員會更加深入地參與到數(shù)據(jù)到模型整個的開發(fā)鏈條中去，他們其實(shí)會通過此次發(fā)布學(xué)到更多。
第三類用戶其實(shí)還有平臺的運(yùn)維人員，他們更為關(guān)注的是硬件級別的能力提升、性能與能耗的優(yōu)化，以及新硬件推出后相關(guān)基礎(chǔ)設(shè)施的迭代需求。例如，當(dāng)Trainium2 UltraServer發(fā)布時(shí)，運(yùn)維人員需要了解UltraServer配套的系統(tǒng)更新，如SageMaker的任務(wù)調(diào)度功能，與Trainium2硬件服務(wù)器相關(guān)聯(lián)的網(wǎng)絡(luò)更新等。他們還會考慮如何將新的硬件能力融入現(xiàn)有系統(tǒng)，包括在程序部署時(shí)是否需要針對新硬件進(jìn)行重新編譯等問題。系統(tǒng)的運(yùn)維人員會更加聚焦于我們發(fā)布的硬件及其緊密結(jié)合的平臺能力。
因此，不同的開發(fā)者的背景其實(shí)關(guān)心的領(lǐng)域是不太一樣的。
劉湘明：剛才其實(shí)談到都是一線的工作人員，包括開發(fā)者，其實(shí)現(xiàn)在很多企業(yè)的老板也很關(guān)注AI，但可能沒有太多技術(shù)背景，你覺得他們應(yīng)該去關(guān)注re:Invent？還是就完全pass掉？
代聞：越是在這種變化劇烈的時(shí)期，越是需要有全棧的知識，作為企業(yè)的一把手，其實(shí)是需要了解清楚整個行業(yè)的動向，很多所謂的技術(shù)更新，其底層邏輯都是非常樸實(shí)的。
近兩年，生成式AI的興起到現(xiàn)在，反倒是企業(yè)的一把手對很多細(xì)節(jié)是非常關(guān)注的。這跟以前不一樣。以前沒有這種大的技術(shù)變革時(shí)，大家的分工是比較明確的，但現(xiàn)在，生成式AI對業(yè)務(wù)的降本增效影響顯著，因此反倒這一次企業(yè)把手會更加關(guān)心。
那么回到re:Invent，企業(yè)一把手其實(shí)會更加關(guān)心，某個產(chǎn)品發(fā)布或更新后，對業(yè)務(wù)結(jié)果的影響。例如，大模型Nova在純文本交互方面的極致性價(jià)比，使高成本客服機(jī)器人能以低成本實(shí)現(xiàn)；Nova的新功能，如計(jì)算機(jī)圖像識別準(zhǔn)確率的提升，為自動化體系或Agent體系創(chuàng)造了有利條件。這些都是業(yè)務(wù)人員需關(guān)注的，即技術(shù)創(chuàng)新如何影響并優(yōu)化業(yè)務(wù)結(jié)果。
劉湘明：Nova其實(shí)也是re:Invent一個大的發(fā)布亮點(diǎn)了，亞馬遜云科技第一次推出自己的大模型，你覺得對于其他大模型，Nova有什么不同之處？
代聞：首先來講，Nova是一個面向企業(yè)的，更加注重實(shí)效的大模型。
正如安迪·賈西在發(fā)布時(shí)提到的，其實(shí)在亞馬遜內(nèi)部我們所踐行的實(shí)踐叫practical AI，國內(nèi)講“不看廣告要看療效”。例如，在客服領(lǐng)域，文本交互占據(jù)絕大多數(shù)場景，因此我們專注于提供高性價(jià)比的文本交互解決方案，以確保企業(yè)能在這些場景中選用最經(jīng)濟(jì)高效的模型來實(shí)現(xiàn)業(yè)務(wù)目標(biāo)。
比方說剛才我講到的，如果你是做一個客服，其實(shí)絕大多數(shù)場景底下你就是一個文本交互，那么我們就把文本交互這件事情做的是非常有性價(jià)比，這樣的話你可以在文本交互這樣的一些客服場景或者是類似的場景，就選擇一個特別性價(jià)比特別好的模型來實(shí)現(xiàn)，實(shí)現(xiàn)你的業(yè)務(wù)目的。
此外，我們還提供了包括生成圖片、生成視頻等模型能力，旨在滿足不同場景下客戶的特定需求?？v觀整個Bedrock Market，Nova在各個方面都表現(xiàn)出色。
我們的宗旨是：首先追求實(shí)際效果，其次在特定領(lǐng)域要有明確的定位。我們并不認(rèn)為Nova要一統(tǒng)天下，而是在不同的場景和Agent中，客戶可以根據(jù)需求選擇Nova或其他解決方案。我們只是希望，在客戶的眾多選擇中，Nova能夠成為他們信賴的伙伴，為他們提供優(yōu)質(zhì)的服務(wù)。
劉湘明：你剛才談到了AmazonQ的開箱即用，是不是意味著一些可能真正的一線的業(yè)務(wù)人員也能夠用，比如說用AmazonQ Business這樣的工具，直接去做一些AI等方面的應(yīng)用？
代聞：是的，現(xiàn)在每一類角色都要做一定全棧能力的拓展，你如果是一個平臺開發(fā)人員，你可能需要了解平臺，也需要了解一定的應(yīng)用。作為運(yùn)維來講，需要了解硬件，也需要對平臺有所了解。
幾年前，大家不是講所有業(yè)務(wù)人員都應(yīng)掌握Python。其實(shí)現(xiàn)在不用如此了，AI使得開發(fā)人員用自然語言即可生成一段代碼。
例如，新發(fā)布的Q for business具備多項(xiàng)功能，包括與SageMaker Covas的集成，業(yè)務(wù)人員可通過自然語言逐步部署模型。這實(shí)質(zhì)上是為業(yè)務(wù)人員提供了一個與平臺技術(shù)能力交互的更佳接口。
從AmazonQ作為自然語言接口與數(shù)據(jù)交互，到獲取和部署模型能力，再到AmazonQ與生產(chǎn)力工具的集成，這些措施均旨在從多個角度大幅降低業(yè)務(wù)人員使用技術(shù)能力的門檻。
劉湘明：所有人其實(shí)都需要一些全棧的知識，那么背后的一個背景是什么？其實(shí)AI時(shí)代來了后，我們所有人的Mindset其實(shí)都需要更新一下。
代聞：確實(shí)如此，像亞馬遜云科技發(fā)布這些新技術(shù)，能夠極大地降低技術(shù)使用的門檻。這正如以前開車需要依賴專業(yè)的車隊(duì)和司機(jī)，而現(xiàn)在幾乎人人都能駕駛汽車一樣，核心理念在哲學(xué)上是相通的。
劉湘明：回到剛才咱們談到的話題，我們從信息化時(shí)代、數(shù)字化時(shí)代，到如今探討云計(jì)算與人工智能，一個顯著的變化是工具的極大豐富。過去，要進(jìn)行信息化建設(shè)，可用的工具非常有限，常常需要從最底層的代碼開始構(gòu)建。然而，在最近的re:Invent大會上，我注意到工具無處不在，所以我也想請教一下，你覺得為什么到了這個時(shí)代，大家這么看重工具？
代聞：是的。當(dāng)硬件和軟件資源比較貧瘠的時(shí)候，我們創(chuàng)造工具，首要考慮的是如何讓這些工具承擔(dān)更多的任務(wù)。云計(jì)算給大家?guī)硪粋€特別大的好處，將強(qiáng)大的基礎(chǔ)設(shè)施和軟件能力以極低的成本賦予每一位開發(fā)者，使我們不再局限于單一工具，而是能聚焦在滿足人的需求上。
當(dāng)聚焦于人的需求時(shí)，就變成了選擇最適合的工具來完成特定任務(wù)。這是云計(jì)算時(shí)代與以往相比的一個最大變化。我們常提到的“purpose-built”（為特定目的而建造），正是這一時(shí)代基本哲學(xué)差異的體現(xiàn)。
劉湘明：給我很大啟發(fā)，你看軟件中有一個特別重要的詞叫“封裝”，其實(shí)就是這就這么迭代起來，其實(shí)一直在把底層的能力不斷抽象封裝成一個產(chǎn)品，其實(shí)就走到后來就是一個工具化的過程。這次我在re:Invent其實(shí)還有一個很大的感覺，生態(tài)很非常豐富，反過來講工具化，對生態(tài)提出了要求。我認(rèn)為生態(tài)的豐富，其實(shí)跟工具的豐富是相輔相成的。
代聞：觀察非常敏銳，在生成式AI的蓬勃發(fā)展之前，云和SaaS（軟件即服務(wù)）一直是熱議話題，關(guān)鍵的一環(huán)在于，當(dāng)基礎(chǔ)設(shè)施完善后，如何以API的形式將軟件能力提供給每位開發(fā)者和用戶。這樣一來，計(jì)算資源從唾手可得，變成了軟件能力的唾手可得。
大模型若要成功落地，就如同大腦需要連接軀干一樣，而驅(qū)動軀干則依賴于軟件能力的API化。僅有基礎(chǔ)設(shè)施的API化是不夠的，如果基礎(chǔ)設(shè)施實(shí)現(xiàn)了云化，但軟件能力仍處于孤立狀態(tài)，那么大腦將無法調(diào)用。因此，在企業(yè)內(nèi)部乃至整個產(chǎn)業(yè)界，都需要API的重新構(gòu)建。這一周期中，新的機(jī)會也會產(chǎn)生。
那么，在新時(shí)代背景下，SaaS的命題也將被重新提上日程。
劉湘明：提到SaaS，最近灣區(qū)硅谷那邊也有一個新的說法，原來SaaS叫做Software as a Service，現(xiàn)在他們把它反過來叫Service as Software，這個提法就很有意思，過去我們是先有工具然后尋找適用場景?，F(xiàn)在，基于明確的需求，將其軟件化并提供服務(wù)，你怎么看待這樣一個新的說法？
代聞：今天我也是第一次聽到這個說法，其實(shí)你剛才講的說Service as Software本質(zhì)上來講是把以前一些比較昂貴的Service，通過生成式AI的模型能力，轉(zhuǎn)變?yōu)橐粋€邊際成本極低的自動化測試。
比方說我們其實(shí)服務(wù)了很多出海創(chuàng)業(yè)者，以在海外開展教輔類項(xiàng)目為例，比如自動判作業(yè)。以往，尤其在海外，家庭教師或教育資源相對昂貴。通過大模型技術(shù)，可以大幅降低這種服務(wù)的邊際成本?，F(xiàn)在，大模型還提供了一些新的可能性，顯著加速了生成式AI能力構(gòu)建，從人工到半人工，再到全面采用機(jī)器學(xué)習(xí)的進(jìn)程。這樣一來，這些能力就轉(zhuǎn)化為了一個API。
這個API又能進(jìn)一步接入到其他的Agent中，形成一個正向循環(huán)的飛輪效應(yīng)。模型能力轉(zhuǎn)化為基礎(chǔ)能力，而這些基礎(chǔ)能力又能再對接到其他模型中去。
這一過程其實(shí)就非常有趣，從“Service as Software”轉(zhuǎn)變?yōu)?ldquo;Software as a Service”，再連接到另一個“Software as a Service”。
今年，我們還深入觀察到了在醫(yī)藥研發(fā)領(lǐng)域的案例，特別是醫(yī)療文獻(xiàn)處理方面。去年此時(shí)，某些看似難以處理的案例，今年隨著模型能力的提升和RAG工程方面成熟，醫(yī)療文獻(xiàn)的理解、撰寫和校正等方面的應(yīng)用案例已變得非常豐富。這主要得益于兩個因素：一是模型基礎(chǔ)能力的提升，二是工程化落地的日益成熟。
劉湘明：其實(shí)我們今天都在談?wù)麄€范式的變化，范式變化中其實(shí)就離不開人，從你的角度來看，怎樣成為在AI時(shí)代中最牛的開發(fā)者和架構(gòu)師，我相信要求和標(biāo)準(zhǔn)都跟原來完全不一樣了。
代聞：其實(shí)我們也非常希望在生成式AI領(lǐng)域確立一種新范式，目前我們也在不斷總結(jié)。首先一點(diǎn)是，我認(rèn)為所有的開發(fā)者，都能結(jié)合自身工作的層次，基于開發(fā)堆棧，做一定的全棧拓展。這一點(diǎn)非常有利于個人技能的進(jìn)化，以及理解整個技術(shù)生態(tài)的演變趨勢。
核心來講，我們現(xiàn)在整個技術(shù)棧是在劇烈變化的。在這樣的背景下，只要能掌握更多的技能，在震蕩過程中適應(yīng)的空間就會更廣。因此，全棧拓展作為新范式的關(guān)鍵，值得大家深思并付諸行動，以應(yīng)對不斷變化的環(huán)境。
其次，生成式AI不僅僅是一種工具，而更應(yīng)視作一種智能的賦能。這種智能的賦能，對軟件能力的提升，與以往的工具級智能化和數(shù)字化相比，具有截然不同的效能。這一點(diǎn)講了很多年，但隨著生成式AI的出現(xiàn)，其帶來的影響是顯著的。因此，一定要將最新的智能能力與生產(chǎn)能力融入到開發(fā)流程中。
最后，應(yīng)更加積極地看待這些能力對軟件開發(fā)全生命周期的改造。這一點(diǎn)其實(shí)是相對與內(nèi)部開發(fā)流程的全面優(yōu)化，從編碼、集成、文檔撰寫到排錯，整個生命周期都能因此得到提升。
這三點(diǎn)，對于現(xiàn)在的開發(fā)者而言，特別是在參加re:Invent之后，都是特別需要關(guān)注的方面。
劉湘明：剛才你也談到了對模型的不斷學(xué)習(xí)，有沒有一些訣竅跟大家分享一下，比如說我們怎么能夠迅速了解一個模型的長處？
代聞：其實(shí)每個模型在介紹時(shí)都會強(qiáng)調(diào)其獨(dú)特且差異化的特點(diǎn)。那么，開發(fā)者還是要主動學(xué)習(xí)，這是逃不掉的問題。
我曾經(jīng)在一個會上講過，每個人都應(yīng)該每三個月重新學(xué)習(xí)一遍市面上最新的進(jìn)展，這是提升自我的必要步驟。其次，還應(yīng)該采用“逆向工作法”（working backward），關(guān)注技術(shù)在實(shí)際應(yīng)用中的時(shí)效性和實(shí)用性。安迪提到的practical AI，無論是多Agent系統(tǒng)還是新型模型，在理論或原型場景下往往展現(xiàn)出最佳或最理想的一面。
但是，在實(shí)際應(yīng)用中，如客服系統(tǒng)，無論是在金融、醫(yī)療、HR領(lǐng)域，其側(cè)重點(diǎn)都會有所不同。這取決于不同的上下文環(huán)境和工程能力的差異。因此，更應(yīng)該看學(xué)習(xí)到新技術(shù)后，將其投入到實(shí)際的生產(chǎn)應(yīng)用中，觀察并評估其實(shí)際效果，從而做出自己的判斷。
在ToC領(lǐng)域，可能由于用戶群體廣泛，關(guān)注點(diǎn)相對較為統(tǒng)一，規(guī)?；?yīng)非常強(qiáng)。但在ToB領(lǐng)域，不同行業(yè)的關(guān)注點(diǎn)則存在顯著差異，盡管規(guī)模效應(yīng)不如ToC，但差異性是更為突出的。因此，在ToB領(lǐng)域，將模型學(xué)習(xí)后應(yīng)用到實(shí)際業(yè)務(wù)中，并觀察其實(shí)際結(jié)果，是一個更為實(shí)際且明智的選擇。（本文首發(fā)于鈦媒體APP，作者 | 楊麗，編輯 | 蓋虹達(dá)）
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請綁定手機(jī)號后發(fā)表評論