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
在他看来,企业对AI的恐惧源自未知,而破解未知的钥匙,就藏在“AI平台+开源”这个看似简单的公式里。
斯坦福和魁北克研究团队首创"超新星事件数据集",通过让AI分析历史事件和科学发现来测试其"性格"。研究发现不同AI模型确实表现出独特而稳定的思维偏好:有些注重成就结果,有些关注情感关系,有些偏向综合分析。这项突破性研究为AI评估开辟了新方向,对改善人机协作和AI工具选择具有重要意义。
Pure Storage发布企业数据云(EDC),整合其现有产品组合,提供增强的数据存储可见性和基于策略的简化管理。EDC集成了Purity存储操作系统、Fusion资源管理、Pure1舰队管理和Evergreen消费模式等架构元素,提供类云存储管理环境。该方案支持声明式策略驱动管理,让客户专注业务成果而非基础设施管理。同时发布高性能闪存阵列和300TB直接闪存模块,并与Rubrik合作提供网络安全防护能力。
威斯康星大学研究团队提出"生成-筛选-排序"策略,通过结合快速筛选器和智能奖励模型,在AI代码验证中实现了11.65倍速度提升,准确率仅下降8.33%。该方法先用弱验证器移除明显错误代码,再用神经网络模型精确排序,有效解决了传统方法在速度与准确性之间的两难选择,为实用化AI编程助手铺平了道路。