看似是 AI 競賽中的 “落後者”，但亞馬遜 AWS 有着清晰的戰略圖景。
本週三，亞馬遜舉行 re:Invent 年度大會，併發布一系列重磅產品和計劃，包括全球最大 AI 超算、新一代 AI 芯片和模型、訓練蘋果 AI......
而其中最值得關注的是亞馬遜對未來發展的規劃，AWS 押注的是 “生成式 AI 產品化”，將產品和服務作為發展的核心，構建更易於使用、可訪問的平台，降低用户羣體使用 AI 的門檻。
AWS 認為，未來生成性 AI 將更為普遍，不僅僅是一個附加功能，而是成為計算基礎設施的一部分。而產品化的必要途徑是，大模型重要性會逐漸降低，不同用途的模型對用户來説差別不大。
<h2>大模型絕不會一家獨大，重要性會逐漸降低</h2>
在傳統的 AI 開發中，大模型可以説是核心，需要精心設計和訓練以解決特定問題。但 AWS 認為，在生成性 AI 的產品化過程中，大模型將不再是唯一的焦點。
過去兩年，亞馬遜一直依賴 Anthropic 的人工智能和 Nvidia 的硬件來推動其雲銷售增長，但在 re:Invent 大會上亞馬遜 CEOAndy Jassy 表示：
<blockquote>
我認為幾乎所有人最終都會使用 Anthropic 的 Claude 模型，但他們也在使用 Llama 模型，也在使用 Mistral 模型，也在使用我們自己的一些模型......
</blockquote>
這與亞馬遜 AWS CEO Matt Garman 的觀點類似，他此前表示 AI 競賽沒有終點，未來 AI 大模型絕不會一家獨大。
有分析表示，AWS 的賭注是，生成式 AI 產品化的一個必要組成部分是大模型重要性逐漸降低，這將降低用户進入生成性 AI 領域的門檻。換句話説，AI 將足夠重要以至於最終根本不會特別。
Garman 在 No Priors 播客節目中也表達出，未來生成性 AI 將成為 “必需品”：
<blockquote>
從技術的發展，生成性 AI 將不僅僅是一個附加功能，而是成為計算基礎設施的一部分，就像存儲、計算和數據庫一樣，是構建應用程序時需要考慮的基本要素。
在應用程序中，如果需要進行大量的數據處理和決策（即推理），那麼生成性 AI 將是一個關鍵的組成部分。這表明 AI 的推理能力將被廣泛地集成到各種應用程序中，以滿足這些需求。
</blockquote>
<h2>產品和服務才是核心，降本方面取得進展</h2>
當大模型重要性降低，AWS 聚焦打造 AI 產品和服務。AWS 正在努力將生成性 AI 集成到其平台中，開發者在構建應用程序時，可以利用 AWS 提供的 AI 服務，而不需要從頭開始構建複雜的 AI 系統。
談到公司發展的重點，Garman 表示：
<blockquote>
亞馬遜現在已經擁有一個 Bedrock（預訓練模型家族）平台、訓練芯片和推理芯片，以及我們提供的一系列其他功能和模型，既有專有的也有開源的，還有開放權重的。
企業喜歡在這個平台上構建，我們看到企業真的傾向於並希望在這一領域進行構建，因為這給了他們很多自主權，而這正是他們在構建應用時想要的。
</blockquote>
Garman 認為：
<blockquote>
AWS 們的工作是如何讓用户以緊密耦合的方式越來越容易地構建 AI 應用，從而更容易使用不同的組建，更容易快速創新，更容易從 AWS 數據湖中構建專有數據。坦白地説，如果你沒有有趣的數據，大多數這些生成 AI 系統都不會非常有用。
</blockquote>
在使用生成性 AI 時，開發者需要在成本和延遲能力等方面做出權衡。大模型可能提供更復雜的功能，但可能成本更高，延遲更大；而小型模型可能更經濟，響應更快，但功能可能有限。而通過提供多種模型選項，AWS 允許用户根據特定需求選擇最合適的模型，而不是依賴於單一的模型。
在降低模型和芯片成本方面，亞馬遜取得一定進展，Jassy 表示，亞馬遜最先進的新模型基本上與 Anthropic（和 OpenAI ）最新模型性能一樣強大，而且值得注意的是，它的價格比這些模型低三分之一以上。
Garman 表示，亞馬遜的新款 AI 芯片 Trainium 2 對 AI 開發者的價值遠高於 Nvidia 的旗艦 H100 芯片，他還表示 Anthropic 將使用大量 Trainium 芯片來開發未來的模型。

亞馬遜

AWS 押注 “生成式 AI 產品化”，將產品和服務作為發展的核心，構建更易於使用、可訪問的平台，降低用户使用 AI 的門檻，未來大模型重要性也將逐漸降低，不同用途的模型對用户差別不大。

- 亞馬遜 AWS 在 re:Invent 大會上發佈新 AI 產品，強調生成式 AI 產品化。  
- AWS 認為大模型重要性將逐漸降低，用户使用門檻將降低。  
- 新款 AI 芯片 Trainium 2 性能優於 Nvidia H100，成本更低。  

“雲第一大廠” 清晰闡述了 AI 戰略：大模型也好、芯片也好，都會是選項而非核心