挑选大模型不再难，生成式AI的「一站式」服务来了！
这一轮由大模型热引发的生成式 AI热潮，让我们看到生成式 AI 的应用前景不可限量。
例如，在药物发现上，使用生成式 AI 工具能够进行蛋白质折叠、蛋白质序列、对接和分子设计，加速药物发现和设计过程；在医疗健康领域，让 AI 自动提取关键细节并根据临床医生与患者的互动创建文档摘要；在制造业中，生成式 AI可以通过提取历史数据实时诊断设备故障，并给出维修维护建议等。
而要构建生成式AI应用，首先要选择适合的大模型，很多时候，我们恨不得把现有的比较强的模型都试一下。然而，即使是最先进的大模型也没有强大到可以做好所有事情，而且很多模型在发布的同时其实并没有提供太多「配套服务」，试用也有成本和代价。
好在，拥有强大基础设施的亚马逊云科技也关注到了这些问题。近日正式上线的 Amazon Bedrock 就是奔着「提供更多选择」和配套服务这一目标来的。
Claude、Llama 2、Stable Diffusion... 超全明星模型库
在更多领域中，人们想要应用生成式 AI 还存在肉眼可见的挑战：我们必须构建专用于生成式 AI 的硬件基础设施，配合自身数据对大模型进行调优，不断更新部署，同时还需要保护隐私数据的安全。即使对于科技公司而言，这也是非常复杂的事。
对此，亚马逊云科技拿出了一套帮助人们建大模型应用的「基础设施」。
今年 4 月，亚马逊云科技正式发布 Amazon Bedrock，这是一套生成式 AI 全托管服务，包含业界领先的基础模型和构建生成式 AI 应用程序所需的一系列功能。
Amazon Bedrock 汇聚了业内几乎所有领先的基础大模型，面对不同应用场景，它可以让人们只需通过单一 API 就能用上来自 AI21 Labs、Anthropic、Cohere、Meta Llama2、Stability AI 等公司的先进大模型来构建自己的应用。
提到亚马逊，很多人可能都会想到前段时间的一个重要融资事件：他们计划对 OpenAI 头号竞争对手 ——Anthropic 投资 40 亿美元。
在大模型创业领域，Anthropic 是一个非常耀眼的存在。它由 OpenAI 前研究副总裁 Dario Amodei、GPT-3 论文第一作者 Tom Brown 等人在 2021 年共同创立，其创始成员大多为 OpenAI 的核心员工，他们曾经深度参与过 OpenAI 的 GPT-3，率先提出引入人类偏好的强化学习（RLHF）等技术。
这套强大的阵容打造出了一个同样耀眼的模型 ——Claude（最新版本是 Claude 2）。在某些方面，这个模型甚至做到了 GPT-4 都没做到的事情，比如 100k token 的上下文窗口，其代码生成能力也超过了原版的 GPT-4。这些都是亚马逊选择投资 Anthropic 的重要原因。
更重要的是，亚马逊云科技发布的新闻中有这么一段话：「作为投资协议的一部分，Anthropic 将使用亚马逊云科技的服务承担关键任务工作负载，合作进行安全研究和未来基础模型开发。使用亚马逊云科技的开发人员和工程师将能够通过 Amazon Bedrock 在 Anthropic 最先进的模型基础上构建应用。」
没错，应用生成式 AI，现在有了新的思路：有人把表现优秀的模型上线到 AI 基础设施平台上，让用户去选什么是最合适的。为了扩大操作的范围，Amazon Bedrock 不仅上线了 Claude 2，还有开源界的扛把子 Llama 2 以及口碑同样很好的 Jurassic-2、Command 等模型。
Jurassic-2 来自 AI21 Labs，是业内规模最大，性能最强的几种基础大模型之一。在 Amazon Bedrock 上甚至提供了超千亿参数的 Ultra 版本，其可以应用于任何复杂的语言生成任务，例如问答、摘要、长格式副本生成、高级信息提取等，也支持多种语言。
Command 则是另一家明星创业公司 Cohere 推出的，可够接受用户个性化命令训练的文本生成模型。企业用户在将自己的数据和 Command 结合之后，就可以生成一个面向特定应用的语言模型，能在实际业务中立即发挥作用。在 520 亿参数的体量之上，Command 的性能超过了很多更大的模型。
此外，在 ChatGPT 之前就已席卷 AI 圈，拥有强大文生图能力的 Stable Diffusion 也在他们的模型列表里。
至此，在大模型应用的方向上，一条道路正在变得逐渐清晰。
生成式 AI 落地的全流程服务
最近在业内，人们对于大模型的应用方向逐渐形成了一种思路：利用业内领先的大模型作为基础模型（Foundation Model），配合自有数据进行训练和调优，进而构建出面向不同业务场景的应用。亚马逊云科技把这条路迅速成为了现实，还进一步降低了企业入门的难度。
在 Amazon Bedrock 的基础之上，企业可以更方便、快速地尝试各种领先的基础模型，进行提示工程，完成微调和检索增强生成（RAG）等动作，使用自身专有数据定制模型。
利用 Amazon Bedrock Agents 工具生成式 AI 应用的开发、部署、管理等 Agent 能力被集合在一起。我们可以像用 AutoGPT 一样无需编写任何代码就能创建出托管代理（AI agent），让它来指挥大模型执行复杂的任务，如旅行预订、处理保险索赔、策划广告活动和管理库存等。
只需用自然语言文字写指令，Agent 就能明白要完成的目标。
在平台和硬件上，作为专为人工智能打造的平台，Amazon Bedrock 连接了亚马逊云科技的基础设施，从硬件和软件都对 AI 计算进行了专门的优化，覆盖大模型从构建、训练到部署的一系列工作负载。由于 Amazon Bedrock 采用无服务器（Serverless）技术，客户不必管理任何基础设施，就能在熟悉的亚马逊云科技服务平台上将生成式 AI 能力安全地集成和部署到应用程序中。
想要做大模型的应用，一个绕不过的问题就是算力的成本。最近就有人给微软 GitHub Copilot 的服务算了笔账：每月每位用户收费 10 美元，结果微软反而还要倒贴 20 美元。
对于亚马逊云科技这样的服务厂商而言，提高算力、降低成本的系统性解决方案是其最擅长的事。以使用最先进 AI 芯片英伟达 H100 的 Amazon EC2 P5 为例，它可以为训练大模型提供高达 20 exaflops 的计算性能。与上一代基于 GPU 的实例相比，训练时间最多可缩短 6 倍，而训练成本则可以降低多达 40%。
具体到每 token 的价格上，Amazon Bedrock 上使用 Claude 系列模型的价格相比 GPT 系列有显著优势。
当然，Amazon Bedrock 也充分考虑了安全性和隐私保护。客户可以使用 Amazon PrivateLink 在 Amazon Bedrock 与虚拟私有网络（VPC）之间建立专门的安全连接，确保任何数据传输都不会暴露在公共网络上。
有趣的是，除了可以高效构建生成式 AI 应用之外，亚马逊云科技也在其他层面上充分利用技术帮我们提高工作效率，比如利用大模型工具写有你「自己风格」的代码。
Amazon CodeWhisperer 是亚马逊云科技提出的 AI 编码应用程序，可在 IDE 中生成整行代码和完整的函数代码建议，帮人加速完成工作，它在今年 6 月发布了预览版，并对个人开发者免费。目前它可以帮人们生成的 15 种编程语言的代码，包括 Python、Java 和 JavaScript。
最近，亚马逊云科技推出了一项 CodeWhisperer 企业计划，旨在实现自定义化的 AI 代码生成和建议服务。基于新功能，用户可以利用企业内部的代码存储库当训练数据，让 AI 相应地调整代码生成建议，管理员也可以从控制台管理自定义，在控制台查看评估指标，估计每个自定义的执行方式，并有选择地将它们部署给开发人员，保证了企业质量与安全标准。
在开发新技术之外，也能应用生成式 AI 提高业务评估和诊断的效率。Amazon QuickSight 提供了生成式 BI 的数据分析功能，它能够创建交互式仪表盘、分页报告以及嵌入式分析，同时具备进行自然语言查询的能力，让业务分析师能够更加方便快捷的探索数据，并使用自然语言描述轻松创建可视化报告。
在所有流程上，亚马逊云科技提供的能力大幅度降低了先进大模型的落地门槛，在人们使用技术领先大模型的同时，消除了管理环境、配置硬件与安全管理的事务，只需要关心业务创新就可以了。
利用开箱即用的「一站式」 服务提升创新效率，更快地构建出实用化应用，或许才是大模型时代创新的正确方式。
这种「一站式」生成式AI服务，正在让众多这场 AI 浪潮的旁观者变成参与者。可以期待，生成式 AI 会在不远的未来颠覆更多行业。