亚马逊云科技re:Invent 2024大会回顾：AI创新扎根各细分市场

参加亚马逊云科技 re:Invent 2024大会的感受，就如同亲眼见证一片森林以万倍播放速度展现其生长过程。随着每一次突破性消息的重磅发布，亚马逊云科技可能会淘汰一大批现有产品，同时又在其上催生出更多新的创业方向。

让我们随意挑选一条公告，例如亚马逊云科技 Bedrock Data Automation，就可能会让几十种原本市面上的智能文档处理与业务工作流程解决方案黯然失色。至少在尚未应用过此类工作自动化产品的亚马逊云科技客户看来，直接选择云端方案就是最佳决策。

事实上，尽管亚马逊云科技 Bedrock引入了多种AI模型、大语言模型、检索增强生成（RAG）等新的基础模型，且终有一天这些模型将成为承载所有负载的主流平台，但真正的进步实际体现在供应商和企业要如何让云基础设施更好地支持应用程序的创新和运营。AI科技代表的就是当下最前沿的方向，其推动着可扩展、可互操作的云架构，大规模弹性及安全数据基础设施，乃至随时准备迎接新一轮变革的开发工具与技术的未来路径。

第一资本金融集团副总裁兼杰出工程师Ed Peters表示，“缩小云基础设施规模的能力与扩展其规模同等重要，这样我们才能将优化重点放在需要的方向上。”该公司早在2016年就开启了与亚马逊云科技携手推进的云探索之旅。

下面是我们在本届拉斯维加斯盛会上见证的一系列颠覆性亚马逊云科技项目、合作伙伴供应商以及初创公司：

可扩展性与互操作性

除了围绕芯片技术、集群、存储层的速度与馈送性能升级之外，今年的一大关键收获，还体现在亚马逊云科技如何努力实现互操作性，包括对更多开源项目的参与、同其他供应商的集成以及帮助企业控制成本及复杂性的工具。

对我来说，新发布的“使用亚马逊云科技购买”这项市场功能就很好地代表了这一庞大生态系统的成功外部化探索。只需嵌入一个小部件，供应商无需将客户跳转至主Amazon Web Services Marketplace即可整合购买操作。

供应商当然也可以策划自己的市场，在其中提供与某些亚马逊云科技产品竞争的工具，同时运用平台上的其他产品。如果首席信息官和架构师们在这里制定他们的购物清单，亚马逊云科技无论如何都能从IT预算中分得一杯羹，同时也允许客户选择一些替代性的管理、可观察性与部署工具。

Sumo Logic公司就推出了基于Amazon Web Services Bedrock基础模型的全新“Mo”生成式AI助手。通过自然语言提示词，工程师、开发人员和业务流程拥有者可以在后台启动多个虚拟的站点可靠性工程智能体“对话”，扫描遥测数据并通过完整的依赖关系服务图及根本原因分析来呈现异常。以此为基础，自动化服务可以建议由此产生的代理AI共识，也就是将安全信息与事件管理（SIEM）、安全编排、自动化及响应（SOAR）以及可观察工作流结合起来以建立补救性步骤。

Vega Cloud公司来到拉斯维加斯是为了寻求“大型云客户”——即每年可能在云与数据基础设施服务上花费数百万美元的企业和托管服务商。通过将自定义FinOps数据湖与使用情况及付款数据进行聚合之后，他们的服务即可推荐替代性的费率选项与部署方案，包括多供应商谈判、可用性规划操作以及替代解决方案打包，确保以更低的成本满足规模要求与服务水平协议。

Amberflo.io公司首席执行官Puneet Gupta表示，“亚马逊云科技宣布在Bedrock、Q及基础设施之上支持其他模型的训练和推理，借此将更多选项拉入生成式AI对话当中。”这家公司在其应用程序编程接口（API）和AI计量与货币化解决方案中引入了新的部门间IT拒付选项。“我们意识到基于使用情况的定价与计费正成为主流标准。随着客户将生成式AI纳入其应用程序栈，厂商们也必须在成本向量可变这一新的前提之下，从根本上重新思考如何向客户销售产品及服务。”

海量数据基础设施

还记得曾几何时，S3存储桶曾被认为是云对象存储中的“垃圾口袋”吗？现如今，我们看到亚马逊云科技取得了巨大进步，通过发布S3 tables与metadata等新功能，配合芯片组与网络将这些存储桶转化成了高性能、可查询的数据湖。

可观察性与安全性供应商也正通过自家产品与之响应，提供Iceberg式数据湖、S3中成本更低/速度更快的对象存储以及弹性存储与备份方案，用以支持新的AI增强搜索与遥测能力。

Elastic N.V.公司搜索业务总经理Steve Kearns指出，“此次大会的整体规模令人印象深刻，我们与许多尝试在现有数据存储之上构建AI应用程序、或者支持新用例的客户进行了交流。观察大家在这一过程中的采用曲线、理解和学习情况非常重要。我们在构建生成式AI应用程序的生产道路上走得越远，对自身实际需要的功能的理解也就越是细致入微。”

ScyllaDB公司则在会上展示了其独特的动态扩展NoSQL式数据库所采用的方法，即在分布式实例之间以“更贴近硬件”的角度进行数据分片，借此降低延迟与云扩展成本，并更快释放出未使用的资源。

由于流式事件数据量正快速接近日均PB的规模，运维团队和安全分析师现在希望保留所有内容，同时又不致耗尽资源预算。ChaosSearch公司为此立足低成本S3存储层提供综合分析、搜索与SQL查询数据库平台，与其他领先的SIEM与可观察性供应商数据湖产品相比，他们的平台更多强调优化摄取成本并提高实时搜索的性价比。

备份往往占企业IT管理和存储总支出的10%到20%。Eon公司的沉浸式“时间旅行”展位，展示了其云备份管理平台如何根据声明性内容策略实现记录的标记和留存，并通过亚马逊云科技及其他云存储资源的全局搜索与灾难恢复功能检索快照或特定记录。

Yugabyte公司CEO Karthik Ranganathan表示，“我们看到，很多人对于将企业数据迁移至混合云抱有浓厚兴趣，即实现本地系统与私有云及公有云基础设施的协同工作。在本届re:Invent大会上，亚马逊云科技刚刚宣布推出Aurora DSQL——一款兼容PostgreSQL且具备跨区域扩展能力的数据库，它验证了我们的核心论点，特别是分布式数据功能代表着未来这一重要趋势。”

开发与集成助力业务发展

在这样的大背景之下，对人员、流程及技术进行赋能的举措从未像当下这般切实可行。开发人员和工程师需要在掌握构建及保护新型云服务中各类细节的同时，认真考量AI技术的发展方向，保证不致破坏其现有关键应用程序或者超出IT预算额度。

Integrail公司提供一套拖放式平台，用于设计和交付代理式AI工作流。其面向低代码流程的编排层引入来自不同来源的多种AI智能体，用以完成复杂任务。例如，用户可以让不同智能体识别产品图像的真实环境与来源，为其编写文本描述，将其标记并放入在线目录之内，最终由自然语言大模型根据提示词回答用户提出的各种问题。

我们都听说过通过合成数据来支持软件测试与可观察性实验，但Gretel Labs为AI开发者们提供了一种新颖的方法，即创建用于训练和AI大模型微调的合成数据集。该产品利用不同的推理模型来生成匿名的真实世界数据，亦可从头开始创建全新数据集。

更加令人惊喜的是，新的快速应用程序开发（RAD）工具也出现在了本届大会上。Retool公司打造的低代码React组件应用构建就与Git式的后端源代码控制、权限、辅助与部署工作流功能快速集成，很好地满足了这方面需求。而且不只是新手开发者，哪怕是经验丰富的程序员往往也希望花费更少时间来编写可移植到云端或本地基础设施的内部/外部应用程序。

在云开发领域，权限往往被闲置，身份也可能长期处于休眠状态。Apono公司专门为DevOps团队和工程师们打造了一套消费者身份与访问管理平台，使他们能够嵌入“访问流”权限与即时策略监控，从而在应用程序的工作流上下文之内动态验证用户是否仅具备最低必要访问权限。

WorkOS公司提供一套访问管理平台，具备用户自助激活、基于角色的访问控制以及身份功能，这似乎对企业到企业或软件即服务类型的初创公司特别适用。其提供基于连接及使用情况的单点登录设计、身份验证与目录同步，确保带来更具可预测性的每用户成本。

由于云原生开发模式必然包含处理遗留技术和代码的策略，因此我们也非常享受与亚马逊云科技总经理Bill Plat就现代化转型方面的探讨。亚马逊云科技对于企业云支持采取颇为务实的完整方法，涵盖免费咨询、培训以及广泛的系统集成商合作伙伴计划。一部分客户已经在使用其Amazon Q代理AI开发助手来记录代码库并选定作为改造切入点的依赖项。

Flip AI（原Flip Technology）公司联合创始人兼首席技术官Sunil Mallya表示，“包括特定编程语言乃至AI模型，开发团队一直在寻求最好的工具来帮助自己完成工作，他们希望实现开发流程的标准化与可得胜性。然而，各种大模型对于提示词的理解和对指令的解释都各有不同。这就导致开发者无法自由选择AI模型并进行灵活编排。但既然模型可以随时更新，又何必在整个团队中创建多个不同代码库来白白拉高维护成本？”

分析师观点

我上一次参加亚马逊云科技 re:Invent大会是在2019年，那次经历让我感觉不太好——发布的功能太多，而且每家供应商都忙于应付跟软件和基础设施相关的事务，让参会者们有种不知所措的感觉。而且当时疫情即将来临，现场十多万人的拥挤氛围也加剧了这种焦虑情绪。

如今五年过去，我再次以开放的心态回到这里，并发现re:Invent的环境再次将易于理解、强调协作摆上了优先位置。

如果要总结亚马逊云科技在本次大会上的核心主旨，那就是关心世界各地的渠道合作伙伴。更重要的是，他们很关心作为最终客户的开发者和运维团队。随着越来越多的工程师重新返回办公室、调整自己的技能组合，这也让我们希望AI作出的增强人类智能的承诺能够持续下去。

又或者，也许我们的生物大脑在AI爆发那一刻起就已经开启了数字化新征程。包括这篇文章在内，我们只是在多模态代理AI的指引下机械地产出成果。未来的AI没准会基于我们收集的资料和其他自主智能体，模拟re:Invent环境相互对话并配合RAG完成训练。毕竟一切尚未发生，一切皆有可能……