專訪亞馬遜雲科技CEO：就生成式AI的多方面影響進行了公開討論

 在2023亞馬遜雲科技re:Invent大會前，SiliconANGLE對亞馬遜雲科技CEO進行了全面而深入的對話，Selipsky就生成式人工智慧的多方面影響進行了公開討論，包括它對業務的影響、矽晶片的作用、技術堆疊的演變以及競爭格局。這位執行長還深入探討了亞馬遜雲科技如何駕馭生成式AI帶來的創新，探索其不僅對亞馬遜雲科技本身，而且對其行業客戶和競爭對手的影響。

 

 具有矽差異化的模型選擇

 在爭奪卓越的AI基礎模型的過程中，亞馬遜雲科技與Anthropic的戰略合作伙伴關係是其基礎模型服務層的重要組成部分。在與Anthropic的合作中，亞馬遜亞馬遜雲科技對其投資了12.5億美元，並有可能進一步增加至40億美元。亞馬遜雲科技透過其Amazon Bedrock基礎模型服務提供多種模型，這些模型由幾代基礎設施和矽晶片能力所支援。

 Selipsky強調了Anthropic在亞馬遜雲科技Bedrock服務中的作用的戰略重要性，指出該初創公司在使晶片更快、更高效、更具成本效益方面具有洞察力，以滿足苛刻的AI工作負載。”Anthropic為訓練模型需要大量的計算能力，這可以幫助我們增強Trainium和Inferentia的發展，”他解釋說。

 這位執行長還暗示了圍繞亞馬遜雲科技服務的定製功能，這些功能只能透過Amazon Bedrock和Anthropic對外提供。Selispky解釋說：”將會有重要的微調和定製功能，這些功能只能在有限的時間內在Amazon Bedrock和Anthropic的第一方產品中提供。””而不是透過任何其他渠道。”

 在討論亞馬遜雲科技與Anthropic進行晶片開發的洞察時，Selipsky透露：”我們將獲得提高效能、增加吞吐量和提高效率與效能的洞察。”這種合作不僅加強了亞馬遜雲科技在生成式AI中的地位，而且增加了與其他雲參與者的競爭優勢。

 憑藉與基礎模型配對的晶片優勢，亞馬遜雲科技希望獲得洞察力，瞭解大模型構建的方式，然後提供只有他們才能為客戶提供的新晶片服務。Selipsky解釋了與Anthropic達成的深度合作伙伴關係：”他們將在亞馬遜雲科技上開發未來的模型，他們將亞馬遜雲科技命名為他們關鍵任務工作負載的主要雲提供商，”Selipsky說。”他們將把大部分工作負載執行在亞馬遜雲科技上。

 

 GPU難題

 英偉達在GPU領域的主導地位對新一代AI雲端計算市場產生了重大影響。不過，Selipsky指出，亞馬遜雲科技的理念既包括定製晶片，也包括與Nvidia等公司的牢固合作關係。”亞馬遜喜歡‘AND’這個詞，”他說。”我們與Nvidia有著良好而牢固的關係，而且亞馬遜雲科技是為生成式AI提供GPU算力的領先服務商。”

 他提到構建有效的生成式AI基礎設施的複雜性，並不僅僅涉及GPU，它事關建立高效能、可靠、經濟實惠和節能的叢集。挑戰在於將矽晶片與關鍵基礎設施服務(如網路、儲存和可擴充套件性)整合。

 AI領域圍繞晶片技術的討論遠遠超出了晶片本身。它涵蓋了一個更廣泛的雲生態系統，包括基礎架構、資料服務和雲服務，這些服務都與晶片的執行方式密切相關。矽晶片的使用只是管理多樣化和複雜AI工作負載的一個複雜難題的一部分。

 生成式AI的真正挑戰在於將這些晶片與關鍵的基礎設施服務（如網路、儲存和叢集的可擴充套件性）整合在一起。隨著工作負載的多樣性和複雜性不斷增加，這種整合對於生成式AI的未來至關重要。

 Selipsky認為，客戶會認識到，重要的不僅僅是擁有晶片，還要擁有圍繞晶片的高效能服務，例如叢集內的網路。他說：”我們已經看到客戶去調查它（他們自己的GPU叢集），然後跑回來告訴我們，擁有晶片固然不錯，但實際上它並不起作用。”

 

 基礎模型的未來：開放性和選擇

 在追求生成式AI成功的過程中，真正的力量不僅在於模型的訓練，更重要的是在於推理階段，在該階段，從資料中提取真正的價值和洞察。訓練和推理之間的這種區別是AI實際應用的關鍵方面。在最近的KubeCon大會上，有人指出，推理是新的Web應用程式，這意味著推理將成為利用資料為新的Web應用程式（也就是AI應用程式）提供動力的關鍵成分。

 ”資料是關鍵，”Selipsky表示認同。”首先，你需要非常好的模型。人們會想要來自多個提供商的模型。”

 這種現實反映了業界對開放模型的爭論，開放模型提供各種模型，以滿足各種需求和AI工作負載例項。當被問及是否會有一個模型來統治它們時，Selipsky迅速否定了這種說法：”不會有一個模型來統治世界，”他說。”我認為由一家公司或一個模型來統治一切的想法是荒謬的。”

 Selipsky設想了一個未來，在該未來，會有來自多個供應商的不同大小和功能的模型，而差異性是關鍵。”將會有多個模型，”他說。”將有一些非常大、功能非常強大、用途廣泛的模型。還將有一些更小、更專業的模型。”

 他指出，這些較小的模型有兩個主要優點：它們可以針對特定查詢進行微調，並且它們提供更好的價效比。這種方法反映了對人工智慧應用程式不同需求的細緻入微的理解。

 ”在某些情況下，更大的模型可能會以兩倍的價格提供僅僅好出5%的答案。”Selipsky指出,”對於某些問題，您需要比大型模型提供的更好的答案。在許多情況下，您會非常樂意支付一半的價格獲得一個幾乎與大模型一樣好的答案。這是一個權衡。”

 當為正確的任務選擇模型並擁有適當的基礎設施來支援它們時，生成式AI的基礎模型層將為創造價值創造更多機會。因此，人們對開發生成式AI平臺和應用程式的興趣與日俱增，快速試驗，但向實際生產工作負載的過渡仍處於早期階段。根據Selipsky的說法，隨著更多公司掌握使用資料有效執行生成式AI基礎設施和開發環境的技巧，這種情況將迅速發展。

 Selipsky再次強調了生成式AI中的適應性的重要性：”隨著AI朝不同方向發展，當這些發展同時發生時，適應性將是決定誰獲勝的關鍵。”他說，”當使用簡單、易於使用時，生成式AI的好處才會顯現出來。如果可以輕鬆在模型之間來回切換，這種實驗才有可能進行。這就是我們在技術棧中間提供的選擇如此重要的原因。”

展望未來

 隨著科技世界的快速發展，亞馬遜雲科技能否繼續為面臨各種挑戰和機遇的客戶、合作伙伴和開發者提供價值？Selipsky認為，亞馬遜雲科技可以並且會這樣做。他說：”從長遠來看，我們對這項業務非常、非常看好。”