专访亚马逊云科技CEO：就生成式AI的多方面影响进行了公开讨论

在2023亚马逊云科技re:Invent大会前，SiliconANGLE对亚马逊云科技CEO进行了全面而深入的对话，Selipsky就生成式人工智能的多方面影响进行了公开讨论，包括它对业务的影响、硅芯片的作用、技术堆栈的演变以及竞争格局。这位首席执行官还深入探讨了亚马逊云科技如何驾驭生成式AI带来的创新，探索其不仅对亚马逊云科技本身，而且对其行业客户和竞争对手的影响。

 具有硅差异化的模型选择

 在争夺卓越的AI基础模型的过程中，亚马逊云科技与Anthropic的战略合作伙伴关系是其基础模型服务层的重要组成部分。在与Anthropic的合作中，亚马逊亚马逊云科技对其投资了12.5亿美元，并有可能进一步增加至40亿美元。亚马逊云科技通过其Amazon Bedrock基础模型服务提供多种模型，这些模型由几代基础设施和硅芯片能力所支持。

 Selipsky强调了Anthropic在亚马逊云科技Bedrock服务中的作用的战略重要性，指出该初创公司在使芯片更快、更高效、更具成本效益方面具有洞察力，以满足苛刻的AI工作负载。”Anthropic为训练模型需要大量的计算能力，这可以帮助我们增强Trainium和Inferentia的发展，”他解释说。

 这位首席执行官还暗示了围绕亚马逊云科技服务的独家定制功能，这些功能只能通过Amazon Bedrock和Anthropic对外提供。Selispky解释说：”将会有重要的微调和定制功能，这些功能只能在有限的时间内在Amazon Bedrock和Anthropic的第一方产品中提供。””而不是通过任何其他渠道。”

 在讨论亚马逊云科技与Anthropic进行芯片开发的洞察时，Selipsky透露：”我们将获得提高性能、增加吞吐量和提高效率与性能的洞察。”这种合作不仅加强了亚马逊云科技在生成式AI中的地位，而且增加了与其他云参与者的竞争优势。

 凭借与基础模型配对的芯片优势，亚马逊云科技希望获得洞察力，了解大模型构建的方式，然后提供只有他们才能为客户提供的新芯片服务。Selipsky解释了与Anthropic达成的深度合作伙伴关系：”他们将在亚马逊云科技上开发未来的模型，他们将亚马逊云科技命名为他们关键任务工作负载的主要云提供商，”Selipsky说。”他们将把大部分工作负载运行在亚马逊云科技上。

 GPU难题

 英伟达在GPU领域的主导地位对新一代AI云计算市场产生了重大影响。不过，Selipsky指出，亚马逊云科技的理念既包括定制芯片，也包括与Nvidia等公司的牢固合作关系。”亚马逊喜欢‘AND’这个词，”他说。”我们与Nvidia有着良好而牢固的关系，而且亚马逊云科技是为生成式AI提供GPU算力的领先服务商。”

 他提到构建有效的生成式AI基础设施的复杂性，并不仅仅涉及GPU，它事关创建高性能、可靠、经济实惠和节能的集群。挑战在于将硅芯片与关键基础设施服务(如网络、存储和可扩展性)集成。

 AI领域围绕芯片技术的讨论远远超出了芯片本身。它涵盖了一个更广泛的云生态系统，包括基础架构、数据服务和云服务，这些服务都与芯片的运行方式密切相关。硅芯片的使用只是管理多样化和复杂AI工作负载的一个复杂难题的一部分。

 生成式AI的真正挑战在于将这些芯片与关键的基础设施服务（如网络、存储和集群的可扩展性）集成在一起。随着工作负载的多样性和复杂性不断增加，这种集成对于生成式AI的未来至关重要。

 Selipsky认为，客户会认识到，重要的不仅仅是拥有芯片，还要拥有围绕芯片的高性能服务，例如集群内的网络。他说：”我们已经看到客户去调查它（他们自己的GPU集群），然后跑回来告诉我们，拥有芯片固然不错，但实际上它并不起作用。”

 基础模型的未来：开放性和选择

 在追求生成式AI成功的过程中，真正的力量不仅在于模型的训练，更重要的是在于推理阶段，在该阶段，从数据中提取真正的价值和洞察。训练和推理之间的这种区别是AI实际应用的关键方面。在最近的KubeCon大会上，有人指出，推理是新的Web应用程序，这意味着推理将成为利用数据为新的Web应用程序（也就是AI应用程序）提供动力的关键成分。

 ”数据是关键，”Selipsky表示认同。”首先，你需要非常好的模型。人们会想要来自多个提供商的模型。”

 这种现实反映了业界对开放模型的争论，开放模型提供各种模型，以满足各种需求和AI工作负载实例。当被问及是否会有一个模型来统治它们时，Selipsky迅速否定了这种说法：”不会有一个模型来统治世界，”他说。”我认为由一家公司或一个模型来统治一切的想法是荒谬的。”

 Selipsky设想了一个未来，在该未来，会有来自多个供应商的不同大小和功能的模型，而差异性是关键。”将会有多个模型，”他说。”将有一些非常大、功能非常强大、用途广泛的模型。还将有一些更小、更专业的模型。”

 他指出，这些较小的模型有两个主要优点：它们可以针对特定查询进行微调，并且它们提供更好的性价比。这种方法反映了对人工智能应用程序不同需求的细致入微的理解。

 ”在某些情况下，更大的模型可能会以两倍的价格提供仅仅好出5%的答案。”Selipsky指出,”对于某些问题，您需要比大型模型提供的更好的答案。在许多情况下，您会非常乐意支付一半的价格获得一个几乎与大模型一样好的答案。这是一个权衡。”

 当为正确的任务选择模型并拥有适当的基础设施来支持它们时，生成式AI的基础模型层将为创造价值创造更多机会。因此，人们对开发生成式AI平台和应用程序的兴趣与日俱增，快速试验，但向实际生产工作负载的过渡仍处于早期阶段。根据Selipsky的说法，随着更多公司掌握使用数据有效运行生成式AI基础设施和开发环境的技巧，这种情况将迅速发展。

 Selipsky再次强调了生成式AI中的适应性的重要性：”随着AI朝不同方向发展，当这些发展同时发生时，适应性将是决定谁获胜的关键。”他说，”当使用简单、易于使用时，生成式AI的好处才会显现出来。如果可以轻松在模型之间来回切换，这种实验才有可能进行。这就是我们在技术栈中间提供的选择如此重要的原因。”

展望未来

 随着科技世界的快速发展，亚马逊云科技能否继续为面临各种挑战和机遇的客户、合作伙伴和开发者提供价值？Selipsky认为，亚马逊云科技可以并且会这样做。他说：”从长远来看，我们对这项业务非常、非常看好。”