生成式AI的爆發，既不在大模型，也不在價格戰

Amazon Web Services(AWS)中國高峰會的前一周，價格戰成為大模型乃至雲廠商之間的聲量高地，不少與會者想聽聽AWS對此事的看法，或者會不會有一些降價策略。

但在亞馬遜全球副總裁、AWS大中華區總裁儲瑞松兩個多小時的演講中，自始至終沒提過一次「價格」。

14次。

這是儲瑞松提到「價值」的次數，AWS看待大模型的角度全然不同。鈦媒體APP觀察到，大模型價格戰，或是為了增加API呼叫量，或是為了增加雲端服務的採用量。確實大模型訓練和推理的成本不低，這卻不是影響顧客決策的根本原因。因為IT產業發展史上，再貴的技術都有人買單，再便宜的技術也可能被淘汰。而客戶衡量技術能力的尺度並非絕對值，而是與業務價值相比的相對值，就是「價值」。

也有觀點認為，2024年是大模型應用落地之年，大模型參數的進一步提高，以及與某個細分領域的結合，可能會出現To C場景的殺手級應用雛形，從而席捲整個商業世界。

AWS既沒有站在技術服務商的視角，也不是從通用應用的角度看待產業。 「產業應用，將是未來生成式AI真正能夠創造最大價值的方向。」儲瑞松說。

為什麼是行業應用？

生成式AI的產業格局逐漸清晰，最底層是GPU算力。企業所需的大模型算力，GPU無法裸奔，需要儲存、網路、資料等等能力的綜合系統，所以離不開雲端服務商基礎設施的支援。

中間層是模型層。既包括基礎大模型，也包括在基礎模型之上進行預訓練或微調之後、針對特定領域的模型。

最頂層則是基於大模型的生成式AI應用，包括一般應用、與產業場景緊密結合的產業應用，以及企業特定的應用。

大多數從業者都認可頂層應用的價值，就像網路時代，豐碩的果實都結在應用層，由此形成了全球的網路版圖。

雖然今天生成式AI的發展重心還沒有蔓延到應用層，通用應用亦步亦趨，行業應用處在非常早期的階段，此時把行業應用視作目標，憑空增添了未知。

「大概在1880年，我們很容易會想到未來會有汽車，但沒有預期到汽車在被廣泛採用之後出現的交通問題。因此我們要尊重技術變革，生成式AI會遇到同樣的挑戰。」— ——AWS全球企業策略總經理Ishit Vachhrajani如此表示。

但很明顯，AWS看得更遠。回顧歷史，新科技重塑甚至顛覆產業的例子比比皆是。數位相機取代了底片相機；電商為消費者提供了極大的選擇便利性和價格優勢；行動支付、網路金融衝擊了傳統銀行的服務模式；串流影音嚴重衝擊了有線電視；新能源車逐步取代傳統油車。

儲瑞松表示，生成式AI通用應用毫無疑問是有價值的，但在這個格局中，AWS會特別關注產業應用，企業應用也可以被看成是無法泛化的產業應用在單一企業落地的實例。

在雲端上的算力、數據、模型服務、應用開發框架支援下，各行各業的企業都可以快速試錯，進行生成式AI的創新探索，那些能用好生成式AI做差異化創新、解決高價值的特定產業場景的挑戰、創造新的業務模式或機會的企業，將會脫穎而出並影響整個產業的發展方向，甚至顛覆產業。

對產業化的理解、方案與生態

不論是雲端運算還是生成式AI，都是一個龐大的產業體系，AWS正在產業層面引領風向，並且讓產業客戶在生成式AI發展的早期階段受益。

據了解，在中國，AWS先前針對汽車、製造、生命科學、零售電商、媒體娛樂、遊戲、軟體服務、金融八個產業組成了專門的產業團隊，推行產業化的生成式AI策略，專注於產業客戶面臨的挑戰，提升垂直服務的能力。

其次是攜手合作夥伴建構創新產業方案，辨識出「能以雲端和生成式AI技術幫助客戶創新、獲得更大價值」的業務場景。基於AWS的雲端和AI服務預製產業解決方案元件、模板和實施指南，協助客戶和系統整合夥伴加速具體產業方案的落地。

合作夥伴是AWS為產業客戶提供更優質服務的主力。本次大會上，AWS宣布推出「AWS生成式AI夥伴計畫」「AWS產業合作夥伴計畫」。

AWS投入產業業務專家、雲端技術專家，以及豐富的雲端服務資源，諮詢服務夥伴貢獻系統整合能力，垂類軟硬體開發商具備產業影響力－共同針對八個重點產業重點場景的客戶需求，聯手打造新一代的生成式AI產業解決方案。

以路特斯科技和AWS的合作為例，其一，在智慧駕駛方面，路特斯科技基於AWS的雲端底座，建構了一套自己的駕駛數據閉環工具鏈系統，實現了自動駕駛數據的端到端的閉環能力，不僅路特斯科技在應用這套系統，同時還對外賦能，中國很多頭部OEM的tier1以及歐洲、日本很多OEM的tier1廠商也非常關注這套系統。

其二，在車聯網方面，路特斯Connect平台實現了車輛的車聯車控，車輛即時狀態監測告警，包括車輛電子圍欄等技術。

其三，是車輛數位鑰匙Apple Car Key的合作，透過Amazon這樣的平台，路特斯科技打造了更加絲滑且用戶體驗更好的APP。

此外，遊戲產業和製造業也是AWS重點投入領域。在製造領域，除了支援製造業本地IT系統上雲之外，AWS也主要關注工程與設計、智慧製造、智慧產品與服務、客戶體驗四大領域。在遊戲領域，AWS幫客戶在遊戲研發、維運和成長這三個階段的多個場景下實現輕鬆建置、高效運維和發行成長。

戰地攝影記者羅伯特·卡帕曾言，“如果你的照片不夠好，那是因為你離得不夠近”，同理，如果生成式AI的行業應用做得不夠好，說明技術服務商離客戶還是太遠。

產業生成式AI應用的“最後三公里”

一項技術只有應用在生產上才能體現它的真正價值。

從建構生成式AI應用的關鍵路徑來看，從技術應用的想法到最終的生產上線，要經過定義場景、 選擇合適自己的基礎模型、到利用自己的數據做模型適配/調優和評估、再到部署模型、在模型之上建構Gen AI應用、評估是否負責任的AI的原則等多個環節。其中，最關鍵的是要卡住三個環節：選對業務場景、選擇正確的工具、工程化最後三公里挑戰。AWS的目標就是要在這條關鍵路徑上提供正確的方法、正確的工具和正確的合作夥伴，幫助客戶降低各環節所遇到的門檻。

首先，針對業務場景選擇，AWS基於與各行業企業的共同嘗試，總結了一些容易落地、同時企業收效較快的場景。

其中，面向內部員工的應用，因為起步的門檻和應用的風險相對較低，可以直接提高員工生產力。目前企業嘗試較多的場景包括，自動會議摘要，內部知識庫問答機器人，代碼伴侶，財務、營運報表的分析等等。

對外面向客戶的場景：B2C產業應用發展更快，包括更好的即時翻譯，智慧導購，智慧客服問答，AI伴侶、AI助教等等。 B2B領域也有智慧型裝置維護引導、智慧招募面試等應用。

其次，針對模型選擇，行業客戶需求紛繁複雜，“不會有一個模型一統天下”，企業需要根據自身業務的需求來選擇合適的模型，因此，很多企業都在採取“多模型”的策略。

企業選擇模型時要考慮多方面的因素，但其中最重要的就是在三角形的三點上進行平衡：準確度、成本、反應速度。例如如果是2C的生成式AI對話應用，反應速度就是最重要的因素；相反，如果是產生法律文書，那麼最重要的因素就是準確性。

於是，Amazon Bedrock集大模型商店、生成式AI應用開發工具於一身，就成了「生成式AI落地到產業」關鍵中的關鍵。

它以全API化方式將各種不同的模型快速整合到業務系統中，並以輔助工具的能力提供給開發者和合作夥伴；同時完全屏蔽了底層算力，行業客戶無需關注任何底層管理的複雜性，如GPU選型、資源擴展等，快速實現業務價值。

在安全性方面，其也嚴格遵循AWS「安全性是Job Zero」的原則，意思是，安全從來都不是一個產品建置完成之後新增的能力，而是從產品設計貫穿到產品開發、產品使用的全流程的生命線。透過私有VPC、安全加密等多種機制確保資料的安全，符合 ISO、SOC等主流合規標準，符合 HIPAA 資格，客戶可以在符合 GDPR 的情況下放心地使用Amazon Bedrock。

此外，在模型選擇方面，Bedrock提供了最廣泛的基礎模型，包含AWS自研Titan系列模型，包括Claude3在內的商業大模型，開源Llama，Mistral系列模型等30種模型。可以從性價比、速度、準確度、場景等多個方面考慮如何選擇模型。

大模型的價格當然重要，但AWS選擇提高生成式AI的價值，讓價格回歸或波動到價值的上限，生成式AI落地產業應用才剛開始，誰能先找到創造高價值的場景，誰就會先人一步獲得差異化競爭力，這或許比價格戰更有意義。