亚马逊云科技AI数据主管：在原型设计之外推动生成式AI应用

AI已经领先于时代。但对于许多组织而言，推动成熟云原生技术（至少是源自公有云服务，而非延续私有云或混合云技术栈）却仍是一项未竟的工作。虽然说云已经成为多种应用程序类型的普遍事实标准仍有些夸张，但其迁移和渗透规模确实仍呈现出上升趋势（但已无法保持住指数级增长态势）。考虑到这一背景，恐怕我们必须承认，向着生产化、功能性的AI驱动应用程序的跨越式发展，还需要一段时间的沉淀和积累。

亚马逊云科技AI与数据副总裁Swami Sivasubramanian在这方面拥有着丰富的经验和坚定的立场，这也支撑起他既乐观又务实的技术发展观。Sivasubramanian表示，随着生成式AI在2025年逐渐向生产系统过渡，早期采用者正在获得回报，包括提高生产力水平以及改善客户体验。

那么，软件工程师要如何实现这一切？

如何构建AI应用程序

在Sivasubramanian看来，“数据分析和机器学习之间的边界正变得愈发模糊，这重塑了我们访问及与数据交互的方式，并开始依托机器学习进行预测和构建下一波基础模型。通过工具、数据和AI的全面融合，我们让机器学习科学家、数据工程师和开发人员能够轻松以集中方式访问构建生成式AI应用程序的一切，并从起步阶段就内置安全性和隐私保障等原则。这意味着不同规模、不同行业的组织都能够运用我们的生成式AI服务来提高其生产力、提供更好的体验并实现显著的成本降低。”

但其中也有不少实际问题需要考虑。例如在构建和运行现代数据策略时，数据采集的架构配置应当被纳入哪些层次级别，组织又是否准备好了承受数据采集吞吐量、要求和责任的相对大幅增长？

Sivasubramanian解释道，“构建生成式AI模型，要求首先建立起能够根据需求有效扩展的数据采集基础设施。大家可以将其想象成一条需要适应流量波动的高速公路——如果道路太窄，就会形成瓶颈。对于组织而言，就是说在规模数据采集管线时，必须确保其既能够处理当前的数据规模、还可以适应未来的需求。借助亚马逊云科技，我们建立起灵活的工具，例如用于数据准备和集成的AWS Glue、用于实时数据流传输的Amazon Kinesis、用于构建数据湖的持久存储Amazon S3，以及作为数据仓库的Amazon Redshift。这些服务会随着需求的增长而扩展，确保客户能够高效实现数据的提取、管理和转换，同时保持对成本和性能的有力控制。通过配置这样适应性强且经济高效的架构，企业能够在从容支撑AI驱动应用程序那不断增长的数据需求的同时，避免陷入复杂性的泥潭。”

合成数据正成为现实

从今年海量相关报道来说，合成数据的应用也开始成为整个数据管线当中的一大重要因素，特别是在涉及敏感个人信息或者难以找到数据生成源（例如罕见医疗事件数据）以及数据多样性有限的领域。有鉴于此，像亚马逊云科技这样的巨头组织进军这一领域也完全在意料之中。

这种方法允许更安全地开展实验、加快模型训练速度并以更公平的方式推进AI开发。通过整合合成数据，我们可以加速模型创建、降低成本并构建更具包容性的AI解决方案。然而，Sivasubramanian警告称合成数据并不是万灵药。在他看来，完全依赖合成数据进行模型训练可能会导致“模型损失”。也就是说，必须将原始数据与合成数据正确组合起来。那么面对这么多影响因素，亚马逊云科技的AI领导者认为具体要如何超越原型设计、真正实现AI科技的产品化落地？

Sivasubramanian 解释称，“如今，「生产化」AI的转折点在于为组织提供强大、可扩展且安全的工具。这些工具可以被集成到现有工作流程当中，同时保持高标准的治理水平。AI技术的快速发展正将AI从一种实验性工具转化为一种可应用于生产、对于业务至关重要的现实功能。在亚马逊云科技，我们专注于让AI变得更强大也更实用，以便更可靠地部署到各个行业。我们由Trainium和GPU实例提供支持的可扩展基础设施、由Amazon SageMaker提供支持的高级模型训练以及使用Amazon Bedrock与Amazon Q等生成式AI助手实现的应用程序开发，使得组织能够将AI顺利集成至其现实用例当中，全面涵盖从原型开发到全面部署的各种场景。”

亚马逊云科技团队还强调，他们观察到“现实世界中的AI”正被应用在从软件开发加速到供应链优化、再到客户服务支持增强等诸多场景。其中的关键推动因素就是信任、成本效益与企业级性能优化。Sivasubramanian认为，这一转折点的出现并非源自特定聊天机器人或者大模型，而是涵盖多种因素的广泛驱力的综合作用。在他看来，生成式AI应用程序的开发工作要求开发者知晓如何选择所需的大语言模型，还须有能力找到相关数据并进行自定义、建立防护措施，而后思考如何构建AI智能体。

Amazon Q Developer

Sivasubramanian介绍称，“最终，生成式AI需要在人们的办公环境下与用户见面。正因为如此，我们才决定推出Amazon Q。借助Amazon Q Developer，我们将正在为埃森哲、英国电信集团和澳大利亚国民银行等知名巨头服务的编程助手交付给普通用户。此外，借助Amazon Q Business，商业分析师还能提升数据分析效率。例如，Smartsheet就成功让3000多名员工使用Q从自己的数据中提取见解，全程无需编写一行代码。生成式AI将重塑开发者的工作体验，我们也在快速推进，希望将这一趋势落地成为现实。Amazon Q Developer为组织带来一款能够支持软件开发期间所有阶段的AI助手。它通过生成代码、提供实时建议以及在整个亚马逊云科技生态系统中实现调试、安全扫描和资源优化等提效手段，提高了贯穿整个工作流程的生产力水平。”

软件开发人员能够组织起自己的代码库以定制Amazon Q，进而获得相关度更高的建议。作为一项顺应逻辑打造而成的功能，这些数据永远不会被共享给AI模型提供商或被用于训练基础模型，将严格遵循企业级解决方案做出的安全与隐私承诺。

此外，还有旨在提高开发人员工作流程简略的“内联聊天功能”。该功能同样由生成式AI提供支持人，但开发人员还希望能与自己的实际工作场景相结合，也就是他们的集成开发环境、亚马逊云科技管理控制台乃至直接对接代码仓库。为此，Amazon Q Developer的内联聊天功能允许开发人员在相同的工作流程和工具使用场景下提出问题、申请代码建议、解决问题或者操作环境。据称这有助于减少认知负荷并帮助开发人员做出更快、更明智的决策。

亚马逊云科技最近还为使用AWS Lambda的开发人员推出了经过增强的本地IDE使用体验。如果抛开硬核技术属性，我们该如何理解这种增强背后的概念以及随之而来的体验更新？

Sivasubramanian热情介绍道，“AWS Lambda的本地IDE体验增强是一项令人兴奋的成果，因为它让开发人员能够更加轻松快捷地直接立足本地环境构建、测试和部署自己的应用程序。此番更新让AWS Lambda更加贴近开发人员的工作流程，让他们能够在自己熟悉的设置中编写代码和进行调试，而无需在本地设备和云环境之间不断切换。如此一来，开发人员就能在本地测试自己的代码，快速解决问题并快速推动迭代……所有这一切，都将大大缩短开发周期并加快产品上市速度。”

从业务角度来看，亚马逊云科技表示这一改进有助于组织迎接更高水平的敏捷度和效率指标，因为其减少了停机时间、加速功能开发并确保以更加平衡的方式向生产应用过渡。此外，由于能够与亚马逊云科技的生态系统相兼容，团队还可获得额外的可扩展性与安全性保障。

开发人员是否会被AI取代？

介绍了这么多面向程序员的智能工具，那么AI是否会取代程序员岗位、甚至最终消灭开发需求？至少就目前看，这种论点还不太可能，至少为时过早。Sivasubramanian认为，只要以正确方式使用生成式AI助手（他再次以Amazon Q作为自己最喜爱的例子），它将承担起开发人员不想做的各种繁冗事务。因此从更加现实的角度来看，真正将要到来的其实是由AI编程机器人处理软件升级、安全扫描和编写测试等任务。此外，在生成式AI助手的帮助下，我们或许可以期待让每个人（包括商业分析师）成为数据方面的资深专家，而不必等待数据工程师或者商务智能专家为他们提供答案。

Sivasubramanian指出，“虽然有些岗位不可避免会被时间所淘汰，但AI工具的应用实际是在改变人们的工作方式——而且是变得更好。我们观察到的核心转变，是AI正在消除无差别的繁重工作，以便开发人员从这些繁琐耗时的俗务中腾出手中，把更多精力集中到战略性和创造性的工作中去。这种转变相当于增强了开发人员的能力。AI将为开发者们带来新的机会通道，以更快速度推动创新。总结来讲，这是在为开发者配备更好的工具来增强他们的能力。此外，生成式AI还将推动IT相关任务的大众化普及，未来无代码和低代码工具将让更多不具备技术背景的职能角色（例如销售、人力资源和营销岗位）自行创建聊天机器人、分析并总结数据等。我们鼓励组织提高并重新培训员工的技能，以尽可能抵消由自动化升级造成的失业。”

AI最终将成为一种功能

据我们所知，目前关于AI的讨论可谓无处不在。每一家技术供应商都希望尽可能多地夺取“话语权”，而整个技术行业似乎也都在将新的AI服务纳入到现有平台和工具当中。换言之，“AI洗牌”的确正在和即将发生。这种争夺行为也引发了显而易见的问题，即产不是每一家数据库专业厂商、ERP供应商或者CRM/HR/FinOps厂商都有能力构建起具备先进水平的新型AI服务，确保这些服务安全、无偏见地运行，并且辅以适当的护栏与治理约束。

面对纷繁复杂的众多原型设计和产品化探索，大家也许不妨听听像亚马逊云科技这样主流厂商的意见，尝试立足AI真实现状归纳出准确可靠的判断结论。Sivasubramanian表示，AI正朝着嵌入式功能的方向发展，而且转变速度比很多人所意识到的还要更快。

Sivasubramanian在本月与媒体和分析师进行的一场私人AI深度讨论会上总结道，“在亚马逊云科技，我们专注于将AI集成至日常工作流程当中。它能够提供切实有形的价值，而无需给予特别关注或者面对极其复杂的设置。这种情况已经在Amazon Q Developer等应用案例中得到体现。也就是说，AI科技正在帮助开发人员完成代码生成、调试甚至是安全扫描等日常任务——而且整个流程已经能以最小摩擦的形式实现。而在其他行业，AI科技也开始为客户支持聊天机器人和虚拟助手提供支持——包括帮助组织以即时方式处理规模化查询，处理金融领域的预测性欺诈检测、实时识别并标记潜在风险等等。随着AI科技的不断发展，它将更加深入地嵌入到业务流程的各个层面，为从客户支持到供应链优化的所有环节提供全面支撑。”

他坚信在不久的未来，AI成果将无处不在，在许多应用程序的后台默默运作以改善用户体验、提高效率并帮助组织做出更加精准可靠的数据驱动决策。正如当下已经习以为常、但当初极具开创性的拼写检查等技术一样，生成式AI也将为业务的智能化运营树立起新的标杆。