太平洋科技要闻

亚马逊云科技正在杀死比赛

虎嗅网整合编辑：太平洋科技发布于：2024-07-14 00:15

7月11日，亚马逊云科技纽约峰会上，有两个数字相当惊人：

1. 96%的 AI 独角兽，业务跑在亚马逊云科技上；

2. 2024 福布斯 AI 50 榜单中，90% 的企业用的是亚马逊云科技；

这家云计算领头羊企业，已经积累了太大的竞争优势——他们在过去是云计算马太效应的最大受益者，如今又拿下了最多的新兴企业。如果不是甲方企业成熟的多云架构，多少做出了稀释，今天的云计算市场恐怕已无悬念可言。

这一切都源于 18 个月来，亚马逊云科技近乎疯狂的产研迭代速度。亚马逊云科技自己的数据显示：从2023 年至今，他们已经正式发布了 326 项生成式 AI 功能；同期机器学习和生成式 AI 服务的 GA数量，超过其他供应商两倍。对比一下，这一阶段的第二梯队云计算企业，可能半年召开一场会议，仅仅是为了宣布产品降价。

从 Amazon Q 这一项服务出发，能更深切地体验亚马逊云科技程序员的工作强度：2023 年12 月 re:Invent 官宣，2024 年 4 月正式推出，而到了今天，Amazon Q 已经融入了亚马逊云科技最为人瞩目的 Amazon SageMaker 服务。

“傻瓜式”服务来了

关于Amazon Q，过去已知的内容是其由三部分组成，包括：Amazon Q Developer，服务技术同学的研发工作；Amazon Q Business ，帮助企业员工做企业内部的数据挖掘和决策；Amazon Q Apps，基于 Amazon Q Business ，帮助员工构建生成式AI 应用程序，自动化日常工作。

但在独立服务客户的范畴外，Amazon Q 也在快速深入亚马逊云科技自己的 GenAI 产品体系。从这一点上，亚马逊云科技真是把“吃自己的狗粮”贯彻到了极致。

在 7 月 10 日的亚马逊云科技纽约峰会上，亚马逊云科技官宣 Amazon SageMaker Studio 已经内置了 Amazon Q Developer，可以通过自然语言交互，提供构建、训练机器学习模型的分步指导、生成入门代码，拆解复杂任务，检索文档以及直接提供故障排除帮助。

翻译过来就是，现在基于亚马逊云科技的服务做机器模型训练，其实并不需要有 JD 中常见的“熟悉相关工具的使用”，你需要的只是表达想要做什么，然后按步骤行事就可以了。

而类似的功能，虽然在过往整个数字化转型工程中频频出现，但最终在实际的使用体验上并不好。负面的反馈最早并非源自业务人员，而是来自研发人员。

原因是，每个企业的研发团队几乎都有自己的代码规范，以及可复用的代码库。让 AI 基于自己的风格重写一个功能，有时只会起到反效果。所以过往大部分的 AI 工具可以提供建议，可以检索文档，但却不能生成代码。

亚马逊云科技显然已经考虑到这个问题，因此昨天的另一项发布是，允许使用私有代码库自定义 Amazon Q Developer。简单来说，就是 Amazon Q Developer 会先学习企业自己代码库中的示例代码，而后再开始写。

这就很有意思了。过去的AI被叫做感知型 AI，它要么进行感知或检索，要么进行简单的重复工作；而今天的 AI 叫做认知型 AI，它具备了认知和学习能力。二者的差别就在一个细微却十分重要的功能上得以体现，并直接改变了 AI 进入业务流程，创造代码和文档的实现难度。

云计算行业，时常将自己比喻为信息时代的“自来水龙头”，意思是使用云端资源和服务，就像打开水龙头一样简单，随处可得，简单可用。

但老实说，过去这“水龙头”的说明书可有点难懂。到了今天，以自然语言 24 小时同 AI 交互的使用方式，才真正改变了这种状况。

带着这样的认知，再看本次纽约站 Amazon Q Apps 和 Amazon App Studio 的更新，就很容易理解了。

Amazon Q Apps 在 4 月已经发布过预览，在昨天官宣全面推出。它的功能虽然被描述为用自然语言构建应用程序，但核心场景其实是基于企业数据源，用应用替代表格和文档，改变企业员工间的信息传递模式。

这里必须要聊聊，所有大型企业都面临的沟通效率低下的问题。文档是一个让人又爱又恨的东西，如果太短，意味着没什么内容；如果太长，则意味着学习成本很高。甚至曾经有一批程序员的主要工作之一，就是写文档——只为了让这玩意的可读性更高些，降低协作成本。

某种程度上，这变成了企业级的“亚健康状态”：如果你读不懂文档，或者文档本身写的有不好，就只能联系文档作者，期待他分出时间为你答疑。有时跨部门的配合并不容易，有时则是这位同事已经离职，查无此人。

“亚健康状态”存在太久，就会变成真正的病症：明明是一个重复了五年的老项目，但每次启动都像是重新来过。项目经理既不了解过往经验，也很难找到一个顾问。大家对复盘逐渐失去兴趣——都知道同样的问题，接下来还会再次出现。

允许 Amazon Q Apps 将这些文档，变成一个应用，以 ChatBot 级的体验保持智能交互，恐怕是目前最有前景的解决方案。

而 Amazon App Studio 在功能上看起来和 Amazon Q Apps 很像，都是通过自然语言构建应用程序。但 Amazon App Studio实际上是干掉了过去的众多“无代码”服务。

“无代码”构建工具，有着生成式AI爆发前，独特的尴尬——简单说就是，智能了，但没完全智能。允许使用者不懂编程，但不能一点不懂。

原始的编程可以笼统的分为四个步骤：以简易代码或程序框图的形式，构建架构；基于某种编程语言实现该架构；撰写测试用例，并进行测试；部署上线。

“无代码”类工具通常可以实现 2-4 步，但需要用户以拖曳的形式，直接或间接的完成第一步。而第一步通常是最难的，看似复杂的编程语言反倒只是工具。加上组织往往都有惯性，致使该类工具过去的应用情况并不好。

Amazon App Studio 在架构搭建上着实发了大力，得益于生成式 AI 的进步，完全可以实现从需求到产品的转化。

同样，Amazon Bedrock 的 Agent 现在支持内存保留和代码解释了，意思就是在已经可以托管，高度自动化的 Amazon Bedrock 服务上，加上了对每一个使用者的“定制记忆”。此前订机票你记不得的信息，AI 会帮你记住，并在最新的交互中做出提醒。

Agent、托管、深入业务流，一切都在向全新的智能体验撒腿狂奔。曾经所有推进数智化转型的企业，都在思考，去哪里招聘一个既懂业务、又懂技术、还懂产品的业务架构师。但从现在看来，这个岗位的员工，很可能是数字化的。

安全是个不性感，但很重要的议题

当 2023 年 4 月亚马逊云科技最早推出 Amazon Bedrock 时，一个“大模型货架”的概念出现在企业服务领域。这基于两个基本的概念：

1. 当下没有哪一个单独的大模型，会成为“唯一解”。
2. 当前的基础模型市场，仍存在高度的不确定性。

而在“货架”的陈列中，最耀眼的可选模型，其实是 Anthropic 的 Claude3.5 Sonnet。一则，其发布时，就在各项指标评测中超越了 Gemini 1.5 pro；二则，亚马逊将向 Anthropic 投资高达 40 亿美元，并持有其部分股权。有“血缘关系”加持，相信配套服务也更完善。

果不其然，就在昨天，亚马逊云科技宣布推出 Fine-tuning for Claude 3，几个步骤就可以完成对Claude 3 模型的调优。

不过，发生在 7 月 10 日的另一项重要更新，笔者认为更加值得关注——Guardrails for Amazon Bedrock 现在可以检测幻觉，并覆盖到第三方模型构建的应用程序。

安全问题始终是个没有多少科幻色彩，但能打开客户钱包的要素。

但过去行业对此类问题的态度是高傲的。

一则，安全功能等于让客户为“未来风险”预付费，本身就是有一定难度的。

二则，幻觉问题，生成式 AI 与生俱来的技术特性，甚至不能被称为问题。越是高段位的技术专家，越喜欢推荐客户在低精度要求的业务场景中使用大模型，而不是在金融、医疗等场景下，期待大模型不出现幻觉。

但对于云计算来说，服务和技术本身就是两码事。幻觉问题，可以在一定程度上被解决，大量的金融客户乐见其成。

这也是为什么 Guardrails 的本次更新，如此引人关注。

亚马逊云科技在官网上提到，Guardrails for Amazon Bedrock 可以过滤掉 75% 以上的幻觉反应，以应对 RAG 和汇总工作负载。

Guardrails 新引入了一种上下文检查机制，会在情景下设置两个过滤参数，一个基于信息参考源进行置信度打分，一个基于查询相关性进行置信度打分。二者低于阈值会导致回答被阻止，客户可以根据实际业务对幻觉的容忍程度，调整阈值。

西班牙最大的保险公司 MAPFRE 已经是 Amazon Bedrock 的客户了，纳斯达克则是另一个重要客户。

毫无疑问，两者所在行业，都对大模型幻觉问题高度敏感，也间接表明 Guardrails for Amazon Bedrock 目前的客户满意度相当不错。

在这种良性反馈的激励下，亚马逊云科技顺势推出了 Guardrails API，进一步扩展了这种安全功能的服务外沿，使其不仅局限在 Amazon Bedrock 服务内部。

向低效说再见

这种不断的服务外扩，像是 Amazon App Studio ，像是 Guardrails API，在过去一年，亚马逊云科技的发布会上实在是太常见了。

亚马逊云科技正在杀死的比赛，不仅是关于云计算的，也是关于企业服务的。

过去存在大量企业协作工具，其实提供的核心价值之一是知识库——相比于一些企业级的聊天软件，这需求更加刚性。

但今天，这种知识库其实更像是大模型的“粮食”，它先吃下去，再以你需要的方式呈现出来。

比如昨天发布的 Expeanded data connectors for Knowledge Base，亚马逊云科技新增了多个数据源，包括 Salesforce、Confluence 等，你甚至可以添加一些自己找的 Web 链接——还记得将一大堆外部参考链接，复制粘贴在 Teambition 里留档的日子吗？可以说再见了。

应该说，所有规定用户必须重复某些低效操作的应用，在今天都有被这样的云服务革命的风险。从商业层面来看，过往一切具有较高学习成本的应用，都只是暂时的形态。

智能化、自动化、简单化以及促进信息传递，这可能是 2024 云端 GenAI 服务，最主要的演化任务了。

本文来源：虎嗅

亚马逊云科技人工智能云计算

虎嗅网

原创栏目