开心科技完成数千万元Pre-A轮融资，由奇安投资
06-17
在生成式人工智能这一新兴领域，云计算巨头亚马逊网络服务（AWS）一直被认为落后于竞争对手微软Azure和谷歌云（谷歌云）。
但在过去两天的 AWS Re:Invent 大会上，亚马逊挺身而出，宣布希望成为生成式 AI 领域的领导者。
继昨天之后，AWS 首席执行官 Adam Selipsky 宣布推出一款名为 Amazon Q 的新聊天机器人、升级版 AI 系统处理器 Trainium2，并扩大与 Nvidia 的合作伙伴关系。
今天，AWS 数据和人工智能副总裁 Swami Sivasubramanian 在他的主题演讲中发布了一系列公告。
以下是今天的 14 个功能亮点： 1. 更多 LLM 选项：通过 Bedrock，亚马逊 AWS 为企业客户提供了访问模型?，例如自己的预训练基础模型 Titan，以及来自第三方的基础模型，例如 AI21 的 Jurassic 、Anthropic 的克劳德、Meta 的 Llama 2 和稳定扩散。
正当亚马逊9月热情向Anthropic投资40亿美元时，Sivasubramanian宣布将为Anthropic提供更多模型支持。
他称赞 Bedrocks 对 Anthropic 的 Claude 模型的支持，AWS 成为第一个支持 Claude 2.1 的云提供商。
据悉，该模型拥有业界领先的20万个token上下文窗口，准确率更高，幻觉率更低。
此外，Sivasubramanian 还宣布 Bedrocks 支持 Meta 的 Llama 2, 70B（一种开源模型），这表明 AWS 将继续支持开源。
2.支持多模式向量嵌入：向量嵌入是一种将文本和其他文件转换为称为向量的数字表示形式的技术。
这些向量使模型更容易理解相似单词之间的关系，例如“cat”和“kitten”，从而使模型能够为用户提供更相关的响应。
亚马逊此前曾宣布采用 Titan 文本嵌入技术，并在内部将其用于亚马逊的产品推荐，但它仅适用于文本。
今天，Sivasubramanian 宣布 Titan 多模型嵌入将全面投入运行，从而更容易在 LLM 中提供多模态搜索和推荐选项。
3. 文本生成模型 Titan TextLite 和 Titan TextExpress 现已全面上市：TextLite 是一种轻量级模型，适用于聊天机器人内的文本摘要、文案撰写和微调，而 Titan TextExpress 则适用于开放式文本生成和对话式聊天。
4. Titan Image Generator 在预览模式下生成隐形水印以确保安全：此模式使客户能够使用简单的语言提示生成高质量的逼真图像，以增强现有图像。
用户可以使用自己的数据自定义图像，以创建反映其品牌的内容。
Sivasubramanian 表示，该模型经过不同数据集的训练，以实现准确的输出，同时减少毒性和偏差。
他说，人类评估人员的测试结果表明，该模型的得分高于其他竞争模型。
此外，该模型生成的所有图像默认都带有不可见水印，“旨在帮助避免虚假信息的传播……并且防篡改”。
他说Titan Image Generator是市场上第一个带有此水印的产品。
在他的主题演讲中，Sivasubramanian 使用鬣蜥图像作为示例来演示模型的编辑功能。
其中一项功能称为“outpainting”，允许用户替换图像的背景。
在演示中，Sivasubramanian 用雨林图像替换了正常背景。
此外，他还展示了如何改变图像的主题以及如何使用自然语言来改变鬣蜥的方向。
5. 使检索增强生成 (RAG) 更容易：亚马逊正在使用 RAG 让法学硕士搜索自己的专有数据存储。
通常，RAG 非常复杂，工程师必须将数据转换为向量嵌入并将其存储在向量数据库中，这可能需要数周甚至数月的时间。
为此，Amazon 发布了 Amazon Bedrock 知识库，企业用户只需将 LLM 指向其数据位置（例如 S3 存储桶），AWS Bedrock 就会获取相关文本或文档并自动完成所有向量转换。
此外，它还可以与 Vector Engine、Redis Enterprise Cloud 和 Pinecone 等流行的矢量数据库配合使用。
亚马逊还“很快”宣布支持 Amazon Aurora、MongoDB 和更多数据库。
6. Amazon Bedrock模型评估预览：这是企业评估、比较和选择最适合其用例的基本模型的一种方式。
7.自动化“代理”应用RAG DIY：生成式AI代理（Agents）最近非常流行，因为它们可以在一定程度上自主行动。
代理是人工智能应用程序，通过动态调用各种应用程序编程接口来执行复杂的任务，亚马逊通过昨天全面推出的 Agents for Amazon 来支持这一点。
今天早上，Sivasubramanian 演示了一种名为 RAG DIY 的假设代理，以展示该代理的能力。
由法学硕士支持的 RAG DIY 助手基于 Bedrock 中的 Claude 2，允许人们使用自然语言提出问题来完成家庭和其他项目。
斯瓦米举了一个例子：假设一位女士想要更换浴室的梳妆台。
然后，她可以向助理询问任何类型的产品，并收到步骤、材料和工具以及所需许可证的详细列表。
该助手利用用户输入并调用来自 Titan 图像生成器的图像。
然后，RAP DIY 应用程序使用多模式模型嵌入来搜索其广泛的库存并检索其需要的所有产品。
助理还可以通过调用专门用于摘要任务的 Cohere Command 模型，为她提供任何产品的用户评论摘要。
8. Gen AI创新中心帮助企业构建定制模型：AWS今年早些时候宣布成立创新中心，为企业提供构建基础模型的专家帮助，包括数据科学和战略专业知识。
AWS 今天宣布，从明年开始，它将为围绕 Anthropic 的 Claude 模型构建提供定制支持，包括提供专家团队来帮助公司使用自己的数据微调模型。
9.用于模型训练的Sagemaker Hyperpod迁移到GA：越来越多的公司发现基础模型的训练过程极具挑战性。
它需要大量数据，创建和维护由数千个人工智能加速器组成的昂贵集群，并编写代码以跨集群分发模型训练。
亚马逊最近宣布与 Nvidia 建立合作伙伴关系，确保访问最新的 GPU 集群，以便 Hyperpod 可以为客户完成所有这一切。
AWS 表示 Hyperpod 可以将模型训练时间减少高达 40%。
此外，AWS 还宣布了一系列其他 Sagemaker 推理、训练和 MLOps 功能。
10. 重要的数据库集成，包括向量支持：亚马逊为管理数据的企业公司提供最广泛的云数据库，但这些数据库仍然是孤立的，使得企业公司更难通过LLM轻松访问这些数据。
亚马逊意识到了这一点，并在微软宣传其 Fabric 计划的刺激下，正在努力打破这些孤岛。
亚马逊已经开始投资这种所谓的零 ETL 愿景，并于去年开始实施，整合了一些自己的数据库，例如 Aurora 和 Redshift。
今天，AWS 宣布集成 Amazon OpenSeach 和 Amazon S3，使用户能够在一个位置分析和可视化所有日志数据，而无需创建任何 ETL 管道。
昨天，亚马逊宣布其 Redshift Lakehouse 数据库与其流行的 Aurora Postgres、Dynamo DB 和 Redis MySQL 数据库之间以及 DynamoDB 和 OpenSearch 之间实现零 ETL 集成。
但企业对集成的渴望还包括允许矢量数据在多个数据库中存储和查询。
最近，亚马逊为其 Aurora MySQL（一种基于云的关系数据库）添加了矢量搜索支持。
今年7月，亚马逊为其OpenSearch Serverless产品推出了预览模式的矢量数据库功能Vector Engine。
如今，该功能已普遍可用。
同样在今天，AWS 宣布其两个更受欢迎的数据库 DocumentDB 和 DynamoDB 支持矢量搜索，允许 DocumentDB 客户将源数据和矢量数据存储在同一数据库中。
11. 可用于 Redis 内存数据库的矢量搜索（预览模式）：Sivasubramanian 强调了银行等具有安全意识的大型公司对于欺诈检测或真实情况等用例的“超快速”矢量搜索的需求。
时间聊天机器人。
他说，DB for Redis 现在可以存储数百万个向量，并为向量查询提供个位数毫秒的响应时间。
12. 与 Neptune Analytics 相结合，现已正式发布：Sivasubramanian 补充说，客户正在寻找利用图形分析来分析互连数据的方法，因此亚马逊正在将矢量搜索与图形分析功能相结合，以发现数据中更多隐藏的见解。
人际关系——这可以让法学硕士变得更强大。
Neptune Analytics 是 Amazon Neptune 图形数据库的分析引擎，它允许数据科学家从 Amazon Neptune 图形数据或 S3 上的数据湖中查找连接，速度比以前快“80 倍”。
它将图形和矢量数据存储在一起。
Sivasubramanian 引用了 Snap 的例子，该公司使用 Neptune Analytics 在“短短几秒钟内”找到了 10,000,000 名活跃用户之间的数十亿连接。
13.让第三方对洁净室数据执行机器学习（预览模式）：亚马逊宣布客户可以在所谓的“洁净室”中与第三方共享数据，然后让他们对数据运行机器学习（ML）模型。
，以获得预测性见解。
该服务称为 AWS Clean Rooms ML。
Sivasubramanian 表示，虽然基本的机器学习模型现在已经可用，但专门的医疗保健和其他模型将在“未来几个月”推出。
14. Amazon Redshift 中的用于生成 SQL 的 Amazon Q：Amazon Q? 是一款为特定企业量身定制的人工智能助手，也是 AWS 昨天发布的亮点。
亚马逊今天宣布 Q 可以支持 SQL，这是客户每天用来查询文件的主要编码语言。
有时这些 SQL 查询可能很复杂，但现在用户可以使用 Q 将自然语言提示转换为自定义查询建议，以分析 Amazon Redshift Lakehouse 中 PB 级的非结构化数据。
该功能目前仍处于预览阶段。
很快，用户还可以使用 Q 创建使用自然语言的数据集成管道（AWS 称之为 Amazon Glue）。
从这两天的公告来看，亚马逊寻求差异化的策略主要在于两个方面。
首先是给客户选择的机会。
昨天，塞利普斯基在会议上暗指微软，称微软依赖一家LLM公司（OpenAI），而亚马逊则计划向多家供应商提供服务。
其次，亚马逊的另一个策略是打破各种数据库之间的孤岛，使企业客户在使用LLM时更容易利用其专有数据。
生成式人工智能的热潮席卷了云计算巨头。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-17
06-06
06-17
06-18
06-17
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态