年终王炸！Amazon Q重磅登场，云巨头开创企业级生成式AI新赛道

480次阅读

没有评论

新智元报道

编辑：编辑部

【新智元导读】就在刚刚，亚马逊云科技祭出了全新AI「大杀器」Amazon Q。不仅只用两天时间就升级了上千款Java应用，更是将企业的数据屏障一举击穿。

最近的消费级大模型，可以说卷得相当厉害。

不仅多模态能力几乎全面铺开，而且上下文长度也已经飙到了200K。

但对于企业来说，消费端的模型有着难以控制的幻觉，以及频繁被爆出的隐私泄露问题，甚至连自家企业都给禁用了。

相比于这种「油门踩到底」的加速式发展，作为全球第一的云计算公司，亚马逊云科技在策略上则要稳健得多。

在2023 re:Invent全球大会上，亚马逊云科技首次推出了名为「Amazon Q」生成式AI助手——专为企业用户量身定制——在满足业务严苛需求的同时，保证信息的安全可控。

除此之外，大会还在芯片、AI平台等多个领域扔出了生成式AI年终王炸。

值得一提的是， Q这个名字来源于「问题」（question），同时也是对007系列中的天才角色，以及「星际迷航」中的强大种族的致敬

如今，大模型的竞争已经来到下半场，在这个全新的时代，亚马逊云科技也开创了属于企业级生成式AI的全新范式，帮助他们在各自的领域创造「颠覆格局」的AI产品。

Amazon Q：定制AI助手、专精企业数据

作为本届re: Invent上备受期待的发布，全新的生成式AI助手Amazon Q可以说完全是为客户的业务需求量身定制的。

基于亚马逊云科技17年的知识积累，Amazon Q不仅会向用户提供多个潜在的解决方案，还会解释清楚为什么会提出这样的建议。

根据亚马逊云科技CEO Adam Selipsky的介绍，Amazon Q可以和我们聊天、生成内容，还能采取行动。如何使用它，取决于我们对系统、数据存储库和运营的理解。

打破数据业务屏障，全面互联互通

对企业来说，Amanzon Q对于信息管理和工作流的重构，都有着重大意义。

很多企业都面临着这样的痛点——

虽然企业掌握着分布在多个文档、系统和应用程序中的大量信息，但是从财务、人力资源，到营销和销售，每个组织的员工在日常工作中都会都耗费大量时间搜索内部信息源、拼凑分析结果、写报告、做PPT，还得针对不同受众调整内容。

而目前市面上的通用解决方案，并未与内部资源相连，也不了解使用者的身份、角色和权限，无法确定员工在工作中应该访问哪些资源。公开的解决方案，可能会使用数据输入和输出进行训练，存在安全和隐私风险。

即使有一些生成式AI方案，但它们只能在特定工具内工作，不能扩展到企业的所有系统和应用中，限制了员工充分利用AI的潜力。

使用Amazon Q，我们可以把它与公司的业务数据、信息、系统连接起来，它就可以综合所有信息，提供量身定做的解决方案。

它内置了40多个常用的数据源连接器，包括Amazon S3、Dropbox、Confluence、Google Drive、Microsoft 365、Salesforce、ServiceNow和Zendesk，还能为内部Intranets、wiki、run books等建立自定义连接器。

当Amazon Q综合了所有信息，我们就可以部署自己的智能助手了。它会生成一个Web应用，让员工使用身份验证系统来访问程序。

智能助手自己造

自定义配置完成后，Amazon Q会索引到所有它连接是数据和内容，学习企业知识，包括组织结构、核心概念和产品名称。

所有使用Amazon Q的客户，都可以选择最适合自己的模型，连接到模型的Bedrock API上，然后使用模型来了解数据、策略和工作流程，最后完成Amazon Q的部署。

然后，员工就可以让Amazon Q来完成总结或生成文章、撰写邮件，以及创建服务工单、创建会议议程、给团队发通知等等的工作了。甚至，还可以上传word、PDF、Excel，来提问文件中的问题。此外，如果问题涉及到多个数据来源，Amazon Q会综合相关内容，在给出答案的同时，附上参考链接。

两天升完1000款应用

亚马逊云科技内部的一支团队完成了一项创举：短短两天内，就在Amazon Q的加持下，将上千款应用程序从Java 8升级到了Java 17。这种奇迹般的神速，靠是就是Amanzon Q的代码转换功能。具体来说，亚马逊云科技的CodeWhisperer，可以生成和解释代码。结合此功能，在受支持的IDE（如CodeCatalyst），Amazon Q可以根据客户代码的知识生成测试，从而完成对软件的基准测试。它还可以在软件中实现新功能，转换代码，升级代码包、存储库和框架，而这些，都可以用自然语言完成。因为对亚马逊云科技，以及它提供的产品和服务有透彻的了解，Amazon Q可以理解应用程序工作负载之间的细微差别。如果你问它，关于高性能视频编解码程序的最佳EC4实例，Amazon Q会给出一个列表，综合考虑从性能到成本的各个因素。Selipsky表示，Amazon Q具有革命性的意义，从事各种类型工作的人，都将从中受益。

破除幻觉，保障安全

针对生成式AI系统普遍面临的幻觉问题，Amazon Q是怎样解决的呢？为了减轻幻觉，管理员可以选择让Amazon Q仅从公司文档中提取知识，而不是从基础模型中。Amazon Q给出的答案、采取的行动，也都是完全可控、可过滤的。它提供的答案和间接，会严格忠实于客户提供的源材料和知识。而且，它只会返回用户有权查看的信息，管理员也可以限制敏感主题，让它过滤掉不适当的问题和答案。比如，可以把Amazon Q设置为只回答安全团队提出的安全相关问题，或从公司内部目录中，提取与人员有关问题的答案。而且，客户的数据也是绝对安全的。驱动Amazon Q的模板包括Bedrock平台中的模型，以及亚马逊云科技自己的Titan系列，这些模型都不会用客户的数据进行训练。因此，出于安全原因对生成式AI持谨慎态度的公司，可以放心使用Amazon Q。

Amazon Bedrock重磅升级：全新模型、自动解决「选择困难症」

今年4月，亚马逊云科技首次官宣Amazon Bedrock，一个能够提供基础模型的服务平台。这一平台最大的特色，就是让开发者能够轻松定制模型，并松构建属于自己的生成式AI应用程序。从发布至今，Amazon Bedrock已经集成了大量的第三方模型，以及亚马逊自研的Titan模型。这次，Amazon Bedrock再次迎来了升级。在自研基础模型方面，亚马逊云科技全新推出文生图模型Amazon Titan Image Generator。与此同时，还发布了两个关注文本处理任务的模型Amazon Titan Text Lite和Amazon Titan Text Express。此外，全新升级第三方模型Claude 2.1，Stability Diffusion XL 1.0、Llama 2-70B也加入了Amazon Bedrock。

AI生图模型登场，还可添加隐形水印

当前，AI生图已经进入白热化阶段，DALL·E 3、Stable Diffusion、Midjourney等AI工具在业界引起巨大的反响。同样，亚马逊云科技也加入了这场大战。re:Invent大会上，全新的Amazon Titan Image Generator只需要一个指令，能够生成各种逼真的图像。比如，你可以让它生成一张雪景中的木屋，甚至还可以动嘴更改主题、背景等。再比如，当你想要一个背包的时候，你可以让Amazon Titan Image Generator为你搜索相关图片，并做出推荐。最令人惊艳的是，当你选好其中一个书包，但又不知道在不同场景中的效果如何。这时，你就可以让AI生图工具，为你「想象」，也就是我们常见的「图像扩展」能力。深蓝色帆布包，放在在下雪天中，已经在教室中，给人的感受更加直观了。Amazon Titan Image Generator是在广泛的领域的各种数据集上完成训练，可以选择在自定义数据集上进行微调。
对此，开发人员还可以在此基础上构建自己的图像生成器，由Amazon Bedrock上的模型提供支持。Amazon Titan Image Generator生成的所有图像都包含了隐形水印，不会干扰图像的视觉效果，没有延迟，并且不会被裁剪或压缩。而且，水印并不局限于文件的元数据。对于如何检测不可见的水印，亚马逊云科技还创建了一个API，输入图像便可以看见图像来源。亚马逊云科技进军AI图像生成领域，标志着该公司人工智能战略进入了一个新阶段。Amazon Titan Image Generator未来可能被证明是AI驱动内容创作中，新应用的催化剂。通过提供强大的工具和法律保障，亚马逊云科技有望在人工智能图像生成领域留下浓墨重彩的一笔。

文本模型同步上新

除了Amazon Titan Image Generator，大会上，亚马逊云科技还更新了两个文本生成的模型。一个是Amazon Titan Text Lite，用于文案写作等基本任务，结构紧凑非常适合微调。另一个是用于对话聊天的应用程序Amazon Titan Text Express，专为较大的任务而设计，并且同时兼顾了价格和性能。

终结大模型「选择困难症」

然而，没有哪一个模型是可以完美适应所有应用场景的。不同的模型在能力、价格和性能上也各有千秋。在选择对比的过程中，企业首先需要花费数天时间来确定评价基准、配置测试工具，然后才能进行实际的评估。这不仅需要深厚的专业知识，而且由于现有的测试并不适合一些主观标准的评估（如相关性和风格），企业也因此不得不引入人工审查来进行判断。如此繁琐且耗时的流程，极大地限制了企业利用生成式AI的潜力，尤其是对于需求场景复杂多样的客户来说。针对这一问题，亚马逊云科技在Amazon Bedrock平台上全新发布的Model Evaluation，能够帮助客户评估AI模型的能力。模型评估有两个组成部分：自动评估和人工评估。在自动化评估中，开发人员可以进入Amazon Bedrock控制台，选择要评估的模型。如Llama 2、Claude 2和Stable Diffusion等等，都可以进行选择。然后，他们可以评估模型在摘要总结、文本分类、问答和文本生成等任务的稳健性、准确性或安全性等指标上的性能。评估过程中，亚马逊云科技会提供测试数据集，不过，客户可以把自己的数据引入基准测试平台，以便选择更适合自身业务场景的模型。对于人工评估来说，客户可以选择与亚马逊云科技评估团队合作，或与自己的团队合作。然后，客户提供指定的任务类型（比如摘要或文本生成）、评估指标以及要使用的数据集，并会得到定制的定价和时间表。