原標(biāo)題：亞馬遜云科技不斷降低生成式AI門檻，加速大模型應(yīng)用

　　什么是Agent?在大模型語境下，可以理解成能自主理解、規(guī)劃、執(zhí)行復(fù)雜任務(wù)的系統(tǒng)。Agent也將成為新的起點(diǎn)，成為各行各業(yè)構(gòu)建新一代AI應(yīng)用必不可少的組成部分。

　　對此，初創(chuàng)公司Seednapse AI創(chuàng)始人提出構(gòu)建AI應(yīng)用的五層基石理論，受到業(yè)界關(guān)注。

　　Models，也就是我們熟悉的調(diào)用大模型API。

　　Prompt Templates，在提示詞中引入變量以適應(yīng)用戶輸入的提示模版。

　　Chains，對模型的鏈?zhǔn)秸{(diào)用，以上一個(gè)輸出為下一個(gè)輸入的一部分。

　　Agent，能自主執(zhí)行鏈?zhǔn)秸{(diào)用，以及訪問外部工具。

　　Multi-Agent，多個(gè)Agent共享一部分記憶，自主分工相互協(xié)作。

　　創(chuàng)業(yè)先鋒之外，連AI基礎(chǔ)設(shè)施的巨頭也已經(jīng)開始在Agent上發(fā)力。

　　比如亞馬遜云科技紐約峰會上宣布的Amazon Bedrock Agents新功能，便是這種趨勢最有代表性的體現(xiàn)。

　　Amazon Bedrock Agents在全托管基礎(chǔ)模型服務(wù)的基礎(chǔ)上，又把開發(fā)、部署和管理多個(gè)Agent的能力打包集成在一起。如果按照前面的五層基石理論，這類服務(wù)相當(dāng)于直接從第五層開始，大大降低開發(fā)門檻。正如亞馬遜云科技在發(fā)布會上所形容：只用幾次點(diǎn)擊，搞定能執(zhí)行任務(wù)的生成式AI應(yīng)用。

　　Agent，AI應(yīng)用新時(shí)代的起點(diǎn)

　　怎樣才算一個(gè)Agent應(yīng)用?OpenAI華人科學(xué)家翁麗蓮給出直觀的“配方”：Agent =大模型+記憶+主動規(guī)劃+工具使用

　　以亞馬遜云科技平臺為例，開發(fā)Agent應(yīng)用首先要根據(jù)具體任務(wù)場景給Agent選擇合適的基礎(chǔ)模型。Amazon Bedrock上除了自家的Amazon Titan大模型，還集結(jié)了擅長安全可控的Anthropic、擅長檢索匯總信息的Cohere、以及專攻文生圖的stability.ai等各家模型。選好后，把要執(zhí)行的任務(wù)指令直接用文字描述出來，讓Agent明白要扮演的角色和要完成的目標(biāo)。指令可以是包括一系列“問題-思考步驟-行動步驟-示例”的結(jié)構(gòu)化提示詞，在ReAct(協(xié)同推理和行動)技術(shù)支持下，基礎(chǔ)模型可以通過推理和決策找出相應(yīng)的解決方案。

　　接下來的重頭戲便是Add Action Group(添加動作組)。Agent要完成的具體任務(wù)，以及能使用的工具如企業(yè)系統(tǒng)API、Lambda函數(shù)等都是在這里設(shè)置。官方演示中是一個(gè)保險(xiǎn)索賠管理場景，Agent通過提取未結(jié)索賠的列表、確定每個(gè)索賠的未完成文書工作并向保單持有人發(fā)送提醒來管理保險(xiǎn)索賠。所有動作組設(shè)置好后，創(chuàng)建Agent和部署都是幾次點(diǎn)擊就能完成。

　　部署完成后，在測試中就可以看到Agent理解用戶請求、將任務(wù)分解為多個(gè)步驟(收集未結(jié)保險(xiǎn)索賠、查找索賠ID、發(fā)送提醒)并執(zhí)行相應(yīng)的操作。Amazon Bedrock通過向?qū)�式交互界面，減少了配置基礎(chǔ)模型所需的編碼工作量。動作組提供調(diào)用API實(shí)現(xiàn)特定功能，以及使用自己的數(shù)據(jù)構(gòu)建差異化應(yīng)用程序，又讓基礎(chǔ)模型能夠完成更復(fù)雜的實(shí)際業(yè)務(wù)任務(wù)。

　　在整個(gè)流程中，還可以配合亞馬遜云科技平臺上的各種安全服務(wù)。比如使用PrivateLin建立基礎(chǔ)模型和本地網(wǎng)絡(luò)之間的私有連接，所有流量都不會暴露給互聯(lián)網(wǎng)。又通過提供完全托管的服務(wù)，讓開發(fā)者不需要管理底層系統(tǒng)就能發(fā)揮基礎(chǔ)模型的能力。最終縮短從基礎(chǔ)模型到實(shí)際應(yīng)用的周期，加速基礎(chǔ)模型為業(yè)務(wù)創(chuàng)造的價(jià)值。

　　加速大模型應(yīng)用，還應(yīng)關(guān)注什么

　　有了Amazon Bedrock的Agent能力，我們得以快速將大模型投入實(shí)際業(yè)務(wù)，為企業(yè)實(shí)現(xiàn)降本增效或創(chuàng)新。但要真正利用生成式AI的全部價(jià)值、發(fā)揮全部潛力，并與其他競爭對手拉開潛力，私有數(shù)據(jù)才是其中根本。換言之，大模型應(yīng)用落地的關(guān)鍵，是企業(yè)自己寶貴的行業(yè)數(shù)據(jù)。

　　如何集成這些豐富的資源到我們的Agent之中，保證我們的大模型應(yīng)用在執(zhí)行任務(wù)時(shí)能夠高效訪問到正確的信息——是當(dāng)下每一個(gè)企業(yè)都要面對的問題。當(dāng)然，這一切都必須以保證隱私為前提。

　　除了私有數(shù)據(jù)的集成和調(diào)用，在大模型應(yīng)用落地的路上，最為底層的支撐，算力，也始終是一個(gè)百說不厭的話題。眾所周知，當(dāng)下的顯卡資源異常稀缺，且價(jià)格不菲。無論是購買還是租用，這都成了全球各企業(yè)在探索生成式AI應(yīng)用上的一大筆支出。如何讓這一筆花銷更為經(jīng)濟(jì)實(shí)惠?這也是每個(gè)企業(yè)的思慮所在。

　　值得關(guān)注的是，以馬遜云科技為代表的領(lǐng)先供應(yīng)商，正在針對生成式AI落地過程中的這些挑戰(zhàn)和痛點(diǎn)提供系統(tǒng)性的解決方案，對上述問題一一破解。針對個(gè)性化數(shù)據(jù)問題，亞馬遜云科技宣布為三款數(shù)據(jù)服務(wù)提供向量引擎，用來助力生成式AI應(yīng)用與業(yè)務(wù)整合。在生成式AI爆發(fā)之后，向量數(shù)據(jù)庫也實(shí)在火爆不已。因?yàn)橄啾葌鹘y(tǒng)的關(guān)系數(shù)據(jù)庫，它能給予與模型上下文更相關(guān)的響應(yīng)。

　　亞馬遜云科技這一 服務(wù)，就是將我們的私有數(shù)據(jù)存儲到具有向量引擎的數(shù)據(jù)庫中，在進(jìn)行生成式AI應(yīng)用時(shí)，通過簡單的API調(diào)用就能方便地查詢企業(yè)內(nèi)部的數(shù)據(jù)。

　　而根據(jù)當(dāng)前數(shù)據(jù)存儲位置、對數(shù)據(jù)庫技術(shù)的熟悉程度、向量維度的擴(kuò)展、Embeddings的數(shù)量和性能需求等不同需求，亞馬遜云科技提供了3個(gè)選項(xiàng)來滿足：

　　Amazon Aurora PostgreSQL兼容版關(guān)系型數(shù)據(jù)庫，支持pgvector開源向量相似性搜索插件;

　　分布式搜索和分析服務(wù)Amazon OpenSearch，帶有k-NN(k最近鄰)插件和適用于Amazon OpenSearch Serverless的向量引擎;

　　兼容PostgreSQL的Amazon RDS(Amazon Relational Database Service)關(guān)系型數(shù)據(jù)庫，支持pgvector插件。

　　當(dāng)然，最值得說道的是這次 推出的Amazon OpenSearch Serverless服務(wù)，它最大的優(yōu)點(diǎn)就是讓企業(yè)只關(guān)心向量數(shù)據(jù)的存儲和檢索，而不用背上任何底層運(yùn)維的負(fù)擔(dān)。

　　解決完數(shù)據(jù)集成問題，在底層支撐上，亞馬遜云科技這次也直接推出H100支持的全新Amazon EC2 P5實(shí)例，這一曾經(jīng)對于大多數(shù)企業(yè)都相當(dāng)難得的算力資源，現(xiàn)在也變得“唾手可得”了。

　　據(jù)了解，該實(shí)例包含8個(gè)英偉達(dá)H100 Tensor Core GPU，640GB高帶寬GPU內(nèi)存，同時(shí)提供第三代AMD EPYC處理器、2TB 系統(tǒng)內(nèi)存和30TB本地NVMe存儲，以及3200Gbps的聚合網(wǎng)絡(luò)帶寬和GPUDirect RDMA支持，可實(shí)現(xiàn)更低延遲和高效的橫向擴(kuò)展性能。相比上一代基于GPU的實(shí)例，Amazon EC2 P5可以讓訓(xùn)練時(shí)間最多可縮短6倍(從幾天縮短到幾小時(shí))，降低高達(dá)40%的訓(xùn)練成本。

　　再加上亞馬遜云科技之前基于自研芯片發(fā)布的Amazon EC2 Inf2和Amazon EC2 Trn1n等性能也表現(xiàn)不錯的實(shí)例，我們在算力需求這一問題上，可以說是有了非常多的按需選擇空間。

　　除了以上這些基礎(chǔ)支持，各種開箱即用的AI服務(wù)也不“缺席”。如針對開發(fā)環(huán)節(jié)的AI編程助手Amazon CodeWhisperer，現(xiàn)在它與Amazon Glue實(shí)現(xiàn)集成，將AI代碼生成的場景又?jǐn)U展到一個(gè)新人群：數(shù)據(jù)工程師，只需自然語言(比如“利用json文件中的內(nèi)容創(chuàng)建一個(gè)Spark DataFrame”)，這些開發(fā)人員即可搞定各種任務(wù);再如針對商業(yè)智能(BI)的Amazon QuickSight，也能夠讓業(yè)務(wù)分析師們使用自然語言執(zhí)行日常任務(wù)，在幾秒鐘內(nèi)創(chuàng)建各種數(shù)據(jù)可視化圖表;還有Amazon HealthScribe，可以用于醫(yī)療行業(yè)生成臨床文檔，節(jié)省醫(yī)生時(shí)間。這些工具都是主打讓企業(yè)專注于核心業(yè)務(wù)，提高生產(chǎn)效率。

　　從今年4月起，亞馬遜云科技就結(jié)合自身定位并基于真實(shí)用戶需求出發(fā)，正式宣布進(jìn)軍生成式AI市場，為一切想要利用生成式AI技術(shù)加速或創(chuàng)新業(yè)務(wù)的企業(yè)提供服務(wù)。在短短的4個(gè)月期間，亞馬遜云科技已推出了各類底座資源，從基礎(chǔ)模型到算力支撐，從私人數(shù)據(jù)存儲到高效開發(fā)工具，應(yīng)用盡有。

　　而這次在紐約峰會釋出的 動向，則是繼續(xù)加碼生成式AI應(yīng)用開發(fā)所需的一切。從Amazon EC2 P5實(shí)例代表的算力層、到Amazon OpenSearch Serverless向量引擎、Amazon Bedrock Agents代表的工具層、再到Amazon QuickSight等代表的應(yīng)用層，一項(xiàng)端到端的解決方案已然形成。

　　在這之中，亞馬遜云科技不斷降低生成式AI的門檻，無論是初創(chuàng)企業(yè)還是傳統(tǒng)行業(yè)，無論是處于生成式AI進(jìn)程的哪一層，都能在這里找到合適的工具，無需耗費(fèi)太多精力在底層邏輯之上，便可快速投入實(shí)際業(yè)務(wù)。

　　如亞馬遜云科技數(shù)據(jù)庫、數(shù)據(jù)分析和機(jī)器學(xué)習(xí)全球副總裁Swami Sivasubramanian所說：我相信生成式AI將改變每一個(gè)應(yīng)用程序、行業(yè)和企業(yè)。在各行各業(yè)都全力奔赴的這場全新技術(shù)變革之下，亞馬遜云科技的這一系列服務(wù)，無疑為普通玩家贏得了寶貴的時(shí)間和機(jī)會。

   投稿郵箱：chuanbeiol@163.com   詳情請?jiān)L問川北在線：http://www.sanmuled.cn/