生成式AI的爆发，既不在大模型，也不在价格战
0 次。
亚马逊云科技中国峰会的前一周，价格战成为大模型乃至云厂商之间的声量高地，不少参会者想听听亚马逊云科技对此事的看法，或者会不会有一些降价策略。
但在亚马逊全球副总裁、亚马逊云科技大中华区总裁储瑞松两个多小时的演讲中，自始至终没提过一次 " 价格 "。
14 次。
这是储瑞松提到 " 价值 " 的次数，亚马逊云科技看待大模型的角度全然不同。钛媒体 APP 观察到，大模型价格战，或是为了增加 API 调用量，或是为了增加云服务的采用量。确实大模型训练和推理的成本不低，这却不是影响客户决策的根本原因。因为 IT 产业发展史上，再贵的技术都有人买单，再便宜的技术也可能被淘汰。而客户衡量技术能力的尺度并非绝对值，而是与业务价值相比的相对值，就是 " 价值 "。
也有观点认为，2024 年是大模型应用落地之年，大模型参数的进一步提高，以及与某个细分领域的结合，可能会出现 To C 场景的杀手级应用雏形，从而席卷整个商业世界。
亚马逊云科技既没有站在技术服务商的视角，也不是从通用应用的角度看待产业。" 行业应用，将是未来生成式 AI 真正能够创造最大价值的方向。" 储瑞松说。
为什么是行业应用？
生成式 AI 的产业格局逐渐清晰，最底层是 GPU 算力。企业所需的大模型算力，GPU 无法裸奔，需要存储、网络、数据等等能力的综合系统，所以离不开云服务商基础设施的支持。
中间层是模型层。既包括基础大模型，也包括在基础模型之上进行预训练或微调之后、针对特定领域的模型。
最顶层则是基于大模型的生成式 AI 应用，包括通用应用、与行业场景紧密结合的行业应用，以及企业特定的应用。
大多数从业者都认可顶层应用的价值，就像互联网时代，丰硕的果实都结在应用层，由此形成了全球的互联网版图。
虽然今天生成式 AI 的发展重心还没有蔓延到应用层，通用应用亦步亦趋，行业应用处在非常早期的阶段，此时把行业应用视作目标，凭空增添了未知。
" 大概在 1880 年，我们很容易会想到未来会有汽车，但没有预计到汽车在被广泛采用之后出现的交通问题。因此我们要尊重技术变革，生成式 AI 会遇到同样的挑战。" ———亚马逊云科技全球企业战略总经理 Ishit Vachhrajani 如此表示。
但很明显，亚马逊云科技看得更远。回顾历史，新技术重塑甚至颠覆行业的例子比比皆是。数码相机取代了胶卷相机；电商为消费者提供了极大的选择便利性和价格优势；移动支付、互联网金融冲击了传统银行的服务模式；流媒体视频严重冲击了有线电视；新能源汽车逐步取代传统油车。
储瑞松表示，生成式 AI 通用应用毫无疑问是有价值的，但在这个格局中，亚马逊云科技会特别关注行业应用，企业应用也可以被看成是无法泛化的行业应用在单个企业落地的实例。
在云上的算力、数据、模型服务、应用开发框架支持下，各行各业的企业都可以快速试错，进行生成式 AI 的创新探索，那些能用好生成式 AI 做差异化创新、解决高价值的特定行业场景的挑战、创造新的业务模式或机会的企业，将会脱颖而出并影响整个行业的发展方向，甚至颠覆行业。
对行业化的理解、方案与生态
不论是云计算还是生成式 AI，都是一个庞大的产业体系，亚马逊云科技正在行业层面引领风向，并且让行业客户在生成式 AI 发展的早期阶段受益。
据了解，在中国，亚马逊云科技此前针对汽车、制造、生命科学、零售电商、媒体娱乐、游戏、软件服务、金融八个行业组建了专门的行业团队，推行行业化的生成式 AI 战略，专注于行业客户面临的挑战，提高垂直服务的能力。
其次是携手合作伙伴构建创新行业方案，识别出 " 能以云和生成式 AI 技术帮助客户创新、获得更大价值 " 的业务场景。基于亚马逊云科技的云和 AI 服务预制行业解决方案组件、模板和实施指南，助力客户和系统集成伙伴加速具体行业方案的落地。
合作伙伴是亚马逊云科技为行业客户提供更优质服务的主力军。本次大会上，亚马逊云科技宣布推出 " 亚马逊云科技生成式 AI 伙伴计划 "" 亚马逊云科技行业合作伙伴计划 "。
亚马逊云科技投入行业业务专家、云技术专家，以及丰富的云服务资源，咨询服务伙伴贡献系统集成能力，垂类软硬件开发商具备行业影响力——共同针对八个重点行业重点场景下的客户需求，联手打造新一代的生成式 AI 行业解决方案。
以路特斯科技和亚马逊云科技的合作为例，其一，在智能驾驶方面，路特斯科技基于亚马逊的云底座，构建了一套自己的驾驶数据闭环工具链系统，实现了自动驾驶数据的端到端的闭环能力，不仅路特斯科技在应用这套系统，同时还对外赋能，中国很多头部 OEM 的 tier1 以及欧洲、日本很多 OEM 的 tier1 厂商也非常关注这套系统。
其二，在车联网方面，路特斯 Connect 平台实现了车辆的车联车控，车辆实时状态监测告警，包括车辆电子围栏等技术。
其三，是车辆数字钥匙 Apple Car Key 的合作，通过亚马逊这样的平台，路特斯科技打造了更加丝滑且用户体验更好的 APP。
此外，游戏行业和制造行业也是亚马逊云科技重点投入领域。在制造领域，除了支持制造业本地 IT 系统上云之外，亚马逊云科技还主要关注工程和设计、智能制造、智能产品与服务、客户体验四大领域。在游戏领域，亚马逊云科技帮客户在游戏研发、运维和增长这三个阶段的多个场景下实现轻松构建、高效运维和发行增长。
战地摄影记者罗伯特 · 卡帕曾言，" 如果你的照片不够好，那是因为你离得不够近 "，同理，如果生成式 AI 的行业应用做得不够好，说明技术服务商离客户还是太远。
行业生成式 AI 应用的" 最后三公里 "
一项技术只有应用到生产中才能体现它的真正价值。
从构建生成式 AI 应用的关键路径来看，从技术应用的想法到最终的生产上线，要经过定义场景、 选择合适自己的基础模型、到利用自己的数据做模型适配 / 调优和评估、再到部署模型、在模型之上构建 Gen AI 应用、评估是否负责任的 AI 的原则等多个环节。其中，最为关键的是要卡住三个环节：选对业务场景、选择正确的工具、工程化最后三公里挑战。亚马逊云科技的目标就是要在这关键路径上提供正确的方法、正确的工具和正确的合作伙伴，帮助客户降低各环节遇到的门槛。
首先，针对业务场景选择，亚马逊云科技基于与各个行业企业的共同尝试，总结出了一些容易落地、同时企业收效较快的场景。
其中，面向内部员工的应用，因为起步的门槛和应用的风险相对较低，可以直接提高员工生产力。目前企业尝试较多的场景包括，自动会议摘要，内部知识库问答机器人，代码伴侣，财务、运营报表的分析等等。
对外面向客户的场景：B2C 行业应用发展更快，包括更好的实时翻译，智能导购，智能客服问答，AI 伴侣、AI 助教等等。B2B 领域也有智能设备维护引导、智能招聘面试等应用。
其次，针对模型选择，行业客户需求纷繁复杂，" 不会有一个模型一统天下 "，企业需要根据自身业务的需求来选择合适的模型，因此，很多企业都在采取 " 多模型 " 的策略。
企业选择模型时要考虑多方面的因素，但其中最重要的就是在三角形的三点上进行平衡：准确性、成本、响应速度。比如如果是 2C 的生成式 AI 对话应用，响应速度就是最为重要的因素；相反，如果是生成法律文书，那么最重要的因素就是准确性。
于是，Amazon Bedrock 集大模型商店、生成式 AI 应用开发工具于一身，就成了 " 生成式 AI 落地到行业 " 关键中的关键。
它以全 API 化方式将各种不同的模型快速集成到业务系统中，并以辅助工具的能力提供给开发者和合作伙伴；同时完全屏蔽了底层算力，行业客户无需关注任何底层管理的复杂性，如 GPU 选型、资源扩展等，快速实现业务价值。
在安全方面，其也严格遵循亚马逊云科技 " 安全是 Job Zero" 的原则，意思是，安全从来都不是一个产品构建完成之后新增的能力，而是从产品设计贯穿到产品开发、产品使用的全流程的生命线。通过私有 VPC、安全加密等多种机制保证数据的安全，符合 ISO、SOC 等主流合规标准，符合 HIPAA 资格，客户可以在符合 GDPR 的情况下放心地使用 Amazon Bedrock。
此外，在模型选择方面，Bedrock 提供了最广泛的基础模型，包含亚马逊自研 Titan 系列模型，包括 Claude3 在内的商业大模型，开源 Llama，Mistral 系列模型等 30 种模型。可以从性价比、速度、准确度、场景等多个方面考虑如何选择模型。
大模型的价格当然重要，但亚马逊云科技选择提高生成式 AI 的价值，让价格回归或波动到价值的上限，生成式 AI 落地行业应用才刚刚开始，谁能先找到创造高价值的场景，谁就会先人一步获得差异化竞争力，这或许比价格战更有意义。（本文首发于钛媒体 APP，作者 | 张帅，编辑 | 刘湘明）
