开云体育

一年一度的"云诡计春晚"——亚马逊云科技 re:Invent 2024 诚然落下了帷幕，但不少业内东谈主士还在迟缓消化，试图从亚马逊云科技的想考和行径中找到一些蛛丝马迹。

既是为了侧目和云巨头的径直竞争，亦然商酌怎么乘着亚马逊云科技的东风。在当下生成式 AI 落地的关节阶段，可能就决定了是否找到通向翌日的"金点子"。

在本年的 re:Invent 大会上，有些东谈主关怀到了最新的亚马逊自研基础模子 Amazon Nova，或者是径直不错上手的 Amazon Q 应用，天然了，亚马逊自研的锻练芯片 Trainium 也很炸裂，一些专科东谈主士更介意 Amazon Bedrock 和 SageMaker，大模子托管和数据集成皆离不开它们。

然则有一种才调莫得这样酷炫和径直，亚马逊云科技却用了相当比例的篇幅来展示——怎么将大模子的通盘才调串联起来，输出到每一个行业，进而惠及每一家企业，这就是行业惩办决策。

在媒体文娱、游戏、医疗人命科学、金融工作、制造业、零卖电商、动力和汽车等八大行业，亚马逊云科技的行业惩办决策，演示了"为什么刻下大模子落地极端需要行业化"的圭臬操作。

"卷模子"和"卷应用"之间，还有一重关卡

2025 年，是大模子落地的关节年。一方面，大模子 Scaling Law 的弧线趋缓，基础模子厂商运转禁止，基础模子动辄一次数亿好意思元的进入，以及络续推高的东谈主才密度等高门槛，意味着只消少数企业莽撞留在牌桌。

另一方面，大模子落地的迫切感前所未有，大师皆期待大模子产生实委果在的价值，且超出以往的技艺才调领域，全行业皆在默契又妥洽地走向落地。

在 ChatGPT 爆发的初期，似乎是由新技艺创造了新的市集，然则，并非通盘的企业皆需要一个 ChatGPT，而通盘企业皆需要生成式 AI。立异性技艺发展的早期看起来是从无到有，在稳健期则是从"业务围聚技艺"走向"技艺围聚业务"，大模子越往后发展越需要对行业的明白、对产业的专耕。

"在一个好的市集里，莽撞得志阿谁市集需求的居品"，PMF ( product market fit ) 看法最早是由硅谷顶级风投 a16z 的首创东谈主之一 Marc Andreessen 于 2007 年在 《The Only Thing That Matters》 所建议，大模子所需要的就是让居品匹配市集的需求。

关于企业来说，要径直将大模子应用好难度较大，毕竟大模子的复杂性、对技艺才妥洽资源等方面的条目较高；而要是抛开行业化这一步履，径直去基于大模子设备具体应用，距离又太过远方，缺少有用的联贯过渡。

其中的关节就是技艺和行业蚁合，在当下的生成式 AI 产业叙事逻辑中，比以往任何时候皆需要"行业化"。行业化起着责怪大模子技艺落地门槛的首要作用，它莽撞聚焦索取出各个行业普遍存在的共性贫穷，进而为大模子更好地适配不同业业提供基础。

比拟于新技艺落地的其他步履，行业化是一个容易被忽略的部分，却又时时需要最专科的厂商进入无数的资源作念具体的事，大多数企业享受了行业化带来的便利，却对大模子落地这一层级的变化感受不显豁，亚马逊云科技这样的云平台在此过程中是最为合适的承担脚色。

亚马逊云科技生成式 AI 全球副总裁兼总司理 Vasi Philomin 近日示意，亚马逊云科技真确擅长的是将生成式 AI 等技艺大规模应用于现实寰球的业务中，咱们之是以莽撞作念到这少许，是因为咱们从端到端（end to end）进行想考。

大模子落地背后的潜台词

有了以大模子为代表的先进出产力，怎么将其应用于实践酿周密新的出产臆想，亚马逊云科技推出了合适的行业惩办决策，并不仅仅发布一个聊天机器东谈主或一个基础模子那么简易，而是确保这些器具莽撞被企业客户在确实寰球中大规模应用，这需要好意思满的想考和无数的准备职责。

在无边细分场景之上即是行业，多数厂商皆只消才调专心作念一个或两三个大的行业，厂商必须要懂得行业的高下流臆想，对行业内各个玩家的业务、IT 架构皆了如指掌，何况也要了解行业的合座趋势是什么，清醒各类技艺、决策均能产生什么样的效果。

亚马逊云科技行为平台型的云厂商，展示出了怎么作念大模子行业惩办决策的参考谜底。以亚马逊最熟稔的零卖行业为例，亚马逊给出了 2025 年值得关怀的三个零卖特定用例和三项技艺。

在用例方面，其一是虚构购物助手，AI 驱动的助手不错为在线购物者提供专科建议，加多买家信心；其二是超个性化，蚁合机器学习和生成式 AI，为购物者创造个性化体验；其三是虚构试穿，通过 AI 模子智能合成图像，让购物者不错虚构试穿居品。

怎么让客户低门槛、低资本、高遵循地使用如上用例，亚马逊云科技凝练出来三项技艺：AI 代理具有自主性和器具，不错完成特定任务，提升团队出产力；领域特定基础模子专注于特定领域的模子，如零卖特定的大言语模子；AI 不错截至诡计机履行任务，自动化日常职责。

这些行业化惩办决策很猛进度上脱胎于亚马逊云科技和合营伙伴的实践，然后通过惩办决策的状况赐与输出。例如印度生涯方式零卖商 Nykaa 利用生成式 AI 和机器学习，终浮现自动化居品描绘和属性识别，他们使用 Amazon SageMaker 和 Amazon Bedrock 构建惩办决策，终浮现 90% 的属性识别准确率。

典型居品还有亚马逊的 AI 购物助手 Rufus，Rufus 莽撞回话主顾各式购物臆想问题，使用自界说大言语模子 ( LLM ) 挑升针对购物领域进行锻练，同期采选检索增强生成 ( RAG ) 技艺，从多种可靠数据源中获取信息，通过强化学习络续校正回话质地，底层则是 Trainium 和 Inferentia 芯片终了低延伸和高朦拢量。

企业客户可能主要使用了 Rufus，但无形中还是享受到了亚马逊云科技的行业化惩办决策，与零卖臆想的才调包括大规模漫步式数据处理、云存储、模子优化等，生成式 AI 在零卖行业真确改善了客户体验。

生成式AI进入行业化的关节时刻

岂论是传统 IT 照旧云诡计，企业客户的诉求永久是更快、更敏捷、更安全、资本更低的底层架构，以更好的复旧表层业务的发展，在大模子时期依然如斯，致使更有所加强。

生成式 AI 的深广落地，将鼓吹数字化转型进入新的阶段，各类系统正在跟业务进行深度交融，比如斯前财务系统的"业财一体化"、东谈主力系统的"业东谈主一体化"，生成式 AI 与业务的一体化，是其保抓繁荣人命力的关节。

亚马逊云科技之是以能一直站稳"全球云诡计一哥"的位置，亦然因为在行业的络续变迁中，永久莽撞得志客户的需求，致使先一步到达客户所想所想。

Vasi Philomin 例如说，20 世纪 90 年代，亚马逊照旧一乡信店，其时就有保举功能，这其实是大规模机器学习应用；快进到刻下，望望 Alexa，它还是进入了最初一亿个家庭；在物流中心，内部有机器东谈主和东谈主类并肩职责；Amazon Bedrock 上有好多模子，能匡助东谈主们构建应用表率的职责流，此外，咱们还有定制硬件，责怪运行模子的资本。

"我以为公司的 DNA 就在于此，会匡助咱们连续告成。因此，咱们不太介意竞争敌手在作念什么，而是专注于客户的需求，同期聚焦现实寰球的业务问题，并将惩办决策大规模地推行。"他说。

值得关怀的是，大模子不是一身而存在的技艺，云平台提供了大模子助长所必需的养料，诡计、存储和网罗等各类化的居品组合，以合适行业经过的方式运行，酿成了妥当于现代大模子的行业化惩办决策。

而行业化盘算更成心建造业务组织才调，各个行业团队愈加聚焦，带来专科化。专科化带来分享化，成心于将各个行业里的专科后果在同业业里规模复制和推行，亚马逊云科技天然不错千里淀更多行业 know-how，在全球范围内，行业化盘算亦然全球最初厂商告成的高端业务组织方式。

包括零卖行业在内，亚马逊云科技共打磨了八大行业化惩办决策。比方医疗行业，通过 Amazon HealthOmics、Amazon HealthImaging 和 Amazon HealthLake 等专科工作，蚁合生成式 AI 和数据分析技艺，亚马逊云科技正在透澈转换药物研发、临床锻练和患者看守的方式。

默克公司使用 Amazon HealthOmics 将 12 周的药物研发过程裁汰到 1-2 周。Geisinger Health 通过将 Epic 系统搬动到亚马逊云科技，终浮现 30-60% 的资本从简和 90% 的部署时刻减少。诺和诺德设备的 NovoScribe 惩办决策将临床商酌阐述的创建时刻从 12 周裁汰到 10 分钟。

再如金融行业，亚马逊云科技推出了基于生成式 AI 的智能典质贷款助手和个性化金钱管束工作，以及先进的安全合规惩办决策，包括校正的 KYC 经过和更高效的诈骗检测系统。

Rocket Companies 使用东谈主工智能和聊天功能校正典质贷款经过，比拟行业平均水平取得较高的净保举值；BBVA 在亚马逊云科技上构建了全球数据平台，管束最初 4PB 的数据，近 30000 个表格，每天运行最初 50000 个经过。

在生成式 AI 的浅水区，要点是找到新技艺应用于业务的广度粉饰，在生成式 AI 的深水区，要点是弥合新技艺和业务的解析领域，也就极端需要亚马逊云科技这样的云平台企业，作念中间一层的行业化，补全新技艺周期内大模子落地的疆土。

当大师对生成式 AI 的祈望回反正常，意志到大模子不可应用于通盘场景，相通的模子落地效果也可能霄壤之别，亚马逊云科技所作念的行业惩办决策，是将生成式 AI 推入"践诺应用"阶段。

（本文首发于钛媒体 APP开云体育，作家 | 张帅）