Amazon公司CEO Andy Jassy表示,Amazon在云计算、网络、存储、数据库和生成人工智能方面的投资,正在帮助企业应用AWS,这也是亚马逊的主要业务。

Jassy在近日举行的2023年第二财季财务分析师电话会议上向财务分析师表示,就客户数量、合作伙伴生态系统规模、功能广度以及强大的运营能力而言,AWS仍然是云基础设施领域的领导者。
他表示:“这些重要因素说明了为什么AWS在过去几年中能够实现如此的增长,以及AWS收入几乎是其他厂商的两倍。”
Jassy表示,这些都是AWS业务的重要驱动力,同时客户也赞赏AWS是以客户为中心和导向的。
他说:“由于去年经济形势不稳定,AWS客户需要成本优化方面的帮助来应对这一充满挑战的时期,我们积极帮助客户做到这一点。虽然客户在第二季度继续进行优化,但我们开始看到,有越来越多的客户把注意力转向了推动创新并将新的工作负载引入云端。”
他表示,亚马逊继续在一系列AWS产品类别中快速创新,包括计算、网络、存储、数据库、数据解决方案、机器学习和其他领域。
他举了一个例子来说明这几年客户都在要求提高通用计算的性价比。
他说:“为了实现这一目标,我们意识到我们需要重新思考一切,一直到芯片,并开始设计我们自己的通用CPU芯片。如今,有超过50000家客户在AWS计算实例中使用AWS的Graviton芯片,包括我们排名前100位的Amazon EC2客户中的98家,这些芯片的性价比要比其他领先的x86处理器高出约40%。”
Jassy说,如今,AWS在生成式AI领域也在上演着这种重构。
他说:“生成式AI激发了人们的想象力,但大多数人都在谈论应用层,例如OpenAI对ChatGPT所做的。重要的一点是要记住,我们正处于生成式AI采用和取得成功的早期阶段,消费者应用只是这个机会的其中一层。”
Jassy表示,大型语言模型和生成式AI被认为具有三个关键层,所有这些层都非常重要,并且AWS正在进行大力投资。
他说,最底层是训练基础模型并进行推理或预测所需的计算。由于缺乏训练大型模型和开发生成式AI应用的处理器,几年前AWS开始开发用于训练的定制AI芯片、AWS Trainium机器学习加速器和AWS Inferentia加速器,如今这些加速器已经推出了第二个版本,而且为构建和运行大型语言模型的客户提供了有吸引力的性价比选择。
他说:“我们乐观地认为,未来大量大型语言模型训练和推理都将运行在AWS Trainium和Inferentia芯片上。”
Jassy说,中间层是大型语言模型即服务。开发大型语言模型需要数十亿美元和多年时间,大多数公司不喜欢自行消耗这些资源,而是使用自己的数据自定义这些模型,同时保护他们的专有数据,将其打包在安全性和其他AWS功能中,作为托管服务提供给客户。
“[我们的Bedrock服务]为客户提供了上述所有功能,不仅仅是一种大型语言模型,还可以访问多个领先的大型语言模型,例如Anthropic、Stability AI、AI21 Labs、Cohere以及Amazon自己开发的Titan大型语言模型。...我们最近刚刚宣布了Bedrock的新功能,包括Cohere和Anthropic的新模型,以及Stability AI的Stable Diffusion XL 1.0,以及Bedrock上的代理,让客户能够创建对话代理,基于他们的专有数据提供个性化的最新答案并执行各种操作。”
前两层真正实现了生成式AI的民主化,降低了训练和编写模型的成本,并可以访问多种大型语言模型选择,让各种规模和能力的客户都可以定制自己的大型语言模型,并在其中构建生成式AI应用程序。Jassy说,这是一种安全的企业级潮流。
他说:“所有这些让每个人都能使用生成式AI中的一部分,这也是AWS在过去17年中为技术基础设施所做的一些努力。”
他说,顶层则是生成式AI专注的普及性,包括在大型语言模型之上运行的实际应用,ChatGPT就是一个典型的例子,但Amazon认为需要一个编码伴侣,这就是为什么AWS开发了Amazon CodeWhisperer,一个AI驱动的编码伴侣,可以直接在代码编辑器中推荐代码片段,从而提高开发人员的工作效率。
“这是一个非常强有力的开端,改变了开发人员的生产力。在Amazon内部,我们每个团队都致力于构建生成式AI应用以重塑和增强客户体验。不过,虽然我们将自己开发很多类似应用,但是大多数应用还是由其他公司开发的。我们乐观地认为,其中大部分都将构建在AWS上。”
Jassy说,重要的一点是要记住,AI的核心是数据。
“人们希望把生成式AI模型引入数据,而不是反过来。AWS不仅为客户提供了最广泛的存储、数据库、分析和数据管理服务,而且拥有比其他任何公司都多的客户和数据存储,再加上我们在生成式AI堆栈的三个层中为客户提供的无与伦比的选择,以及企业放心地将生成式AI应用投入生产所需的Bedrock企业级安全性,因此我们认为,AWS有望成为客户在生成式AI领域首选的长期合作伙伴。”
在财报方面,Amazon在截至6月30日的2023年第二财季总收入为1343.8亿美元,比去年同期的1212.3亿美元增长了10.8%。
其中,产品总销售额从565.8亿美元增加到590.3亿美元,服务销售额从646.6亿美元增加到753.5亿美元。
收入数据中包括了AWS收入的221.4亿美元,高于去年同期的197.4亿美元;北美销售额为825.5亿美元,高于去年同期的744.3亿美元;国际销售额为297亿美元,高于去年同期的270.7亿美元。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。