亚马逊网络服务(AWS)近年来被认为在生成性人工智能领域落后于竞争对手微软Azure和谷歌云,但现在这一局面正在改变。在最近举行的AWS Re:Invent大会上,亚马逊展示了其在企业生成性人工智能领域的领先决心,并发布了一系列战略公告。
会议亮点包括:
1. 扩展大语言模型(LLM)选择:AWS增强了其Bedrock服务,支持更多模型,特别是Anthropic的Claude 2.1,该模型具有200,000 token的上下文窗口和较低的虚假信息率。这一举动凸显了AWS在LLM多样性方面的承诺,超越了微软对OpenAI的依赖。
2. 多模态向量嵌入:Sivasubramanian推出Titan多模态嵌入,用户可以通过文本和图像进行产品搜索和检索。这项功能使得零售商(如家具店)能通过视觉搜索提升客户体验。
3. 新文本生成模型:AWS推出了Titan TextLite和Titan TextExpress。TextLite擅长摘要和文案创作,而TextExpress专注于开放式文本生成,满足不同企业需求。
4. Titan图像生成器:该工具处于预览模式,能够根据简单提示生成逼真的图像,并附带不可见水印以确保真实性。其先进功能在主题演讲中展示,包括“外绘”背景编辑等功能。
5. 简化检索增强生成(RAG):亚马逊Bedrock的新知识库简化了RAG流程,用户可以直接指向数据位置,显著减少设置复杂性。
6. 模型评估工具:AWS现在提供Amazon Bedrock上的模型评估预览,帮助企业比较和选择符合其需求的基础模型。
7. DIY代理应用(RAG DIY):这一创新应用允许用户通过自然语言查询执行项目。Sivasubramanian演示了其如何帮助用户制定详细项目计划和产品清单。
8. 生成性人工智能创新中心:AWS通过提供专家指导,加强对企业的支持,特别是在构建定制模型时,尤其是围绕Anthropic的Claude模型。
9. Sagemaker Hyperpod:现已全面推出的Hyperpod简化了模型训练过程,缩短时间高达40%,减轻集群管理负担,使企业能够专注于其AI项目。
10. 数据库集成增强:AWS打破云数据库之间的孤岛,使LLM能够无缝访问。与Amazon OpenSearch和Amazon S3的新集成使数据分析更为全面,免去ETL管道的需求。
11. Redis内存数据库的向量搜索(预览):该功能针对需要快速向量搜索的行业,特别受金融等领域的欢迎。
12. Neptune分析集成:这一集成结合了向量和图分析,帮助企业以最多80倍的速度从互联数据中发现更深层次的见解。
13. 共享机器学习模型的清洁室(预览):AWS允许客户在清洁室中安全共享数据,以促进第三方机器学习进行预测分析。
14. 亚马逊Q生成SQL:这一针对企业的AI助手,现可以将自然语言提示翻译成SQL查询,从而在亚马逊Redshift内最大化数据分析效率。
这些公告凸显了AWS在生成性人工智能领域的创新承诺,为云计算市场中的竞争力奠定了基础,同时为企业提供了强大的AI项目基础设施。