AWS首席执行官Matt Garman表示,该公司的生成式AI助手Amazon Q正在通过将开发人员的生产力提升到新的高度来改变这家价值1100亿美金的公司。

AWS首席执行官Matt Garman
Garman在LinkedIn上表示:“Amazon Q正在改变我们的团队在亚马逊上查找信息的方式,这些数字非常惊人。仅今年一年,Amazon Q就解决了超过100万个亚马逊内部开发人员的问题,将花在手动技术调查上的时间减少了450000多个小时。”
AWS为Amazon Q提供了数百万份内部文档,并将Amazon Q集成到AWS团队每天使用的工具中,例如Slack。
Garman说:“现在,开发人员无需在问答板或Slack频道上等待数小时才能得到复杂技术问题的答复,而是可以在几秒钟内就得到答案,等待的时间越少,创新的时间就越多。”
这家总部位于美国西雅图的公司目前是全球云计算市场份额的领导者,占有31%的份额,其次是微软,占有20%的份额,第三位是谷歌,占有13%的份额。
AWS的Amazon Q策略如何发挥作用
AWS开发人员很难及时地找到复杂技术问题的答案。开发人员可以在AWS内部问答板上发布问题,也可以在Slack中找到合适的渠道来提出技术问题,但主题专家可能需要几个小时才能回复。
“这些问题的答案通常已经存在于我们的知识库中,但开发人员无法在Amazon拥有的工具和存储库的大海捞针中寻找到答案,”AWS高级软件开发工程师Alexandru Baluta在一篇博文中说道。
Baluta表示,AWS把Amazon Q Business与他们已经在使用的工具例如如社区留言板和Slack集成在一起。
AWS将由数百万份文档组成的内部知识库导入GenAI Amazon Q Business产品中,以便开发人员可以根据这些存储库中的数据获得答案。
此外,AWS把Amazon Q Business实例与开发人员经常提问的工具集成在一起。最后,AWS使用工具本身固有的上下文(例如用户提问的Slack频道)来提供更有用的响应。
Baluta说:“Amazon Q Business今年已经回答了超过100万个亚马逊内部开发人员的问题,把开发人员获得答案所需的时间缩短到几秒钟。”
AWS合作伙伴InterVision推动Amazon Q的发展
AWS AI全明星合作伙伴InterVision公司目前正在为客户部署和扩展Amazon Q,以帮助他们即时检索答案和信息。
总部位于美国密苏里州切斯特菲尔德的InterVision公司总裁兼首席执行官Jonathan Lerner表示:“很多客户拥有大量非结构化数据或者PDF格式的数据,但如果想想在他们整个建筑物内的所有数据,几乎每个问题的答案都隐藏在文档或数据中。”
和AWS一样,InterVision正在通过Amazon Q提高客户和开发人员的效率,同时还利用Amazon Q来帮助解决云应用或群聊中的问题,以及汇总文档。
Lerner表示:“我们将各种形式的人工智能和智能自动化——RPA及机器人融——入到我们所做的每一件事中,我们认为AWS是地球上最好的建设者。”
上周,AWS宣布2024年第三季度营收为275亿美元,销售额同比增长19%。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。