<span id="3dn8r"></span>
    1. <span id="3dn8r"><optgroup id="3dn8r"></optgroup></span><li id="3dn8r"><meter id="3dn8r"></meter></li>

        亞馬遜云科技用生成式AI,向開發的復雜性動手了

        AIGC動態7個月前發布 機器之心
        550 0 0

        機器之心報道機器之心編輯部生成式 AI、分布式擴展功能全面進化,還降價了。同一天的發布,完全不同的方向。今天凌晨,云計算巨頭亞馬遜云科技的 re:Invent 與大號創業公司 OpenAI 的發布「撞了車」。后者公布了一系列生成式 AI 應用,價格更貴、性能更強大,而前者則致力于簡化生產力矛盾,降低價格。不約而同的是,他們的發力點都在生成式 AI 等新技術的應用上。正如亞馬遜副總裁兼 CTO Werner Vogels 博士在演講時所說的,想要做好基礎設施,問題的核心是「復雜性」。「Complexity」這個單詞,在他整場演講現了近 70 次。在《Lessons in Simplexity》(繁簡之道)中,Werner Vogels 將自己在亞馬遜 20 年構建底層架構的經驗濃縮為六條金句,句句有關人們如何面對日益復雜的技術系統。臺上的 PPT 每一次翻頁,都讓臺下的觀眾默契地舉起手機。這六條經驗是這樣說的:Lesson 1 – Make evolvability a requirementEvolvability is a prediction for managing complexity將可演化性作為一項要求,可演化性是應對復雜性的一種預判Lesson 2 – Break complexity into piecesDisaggregate into building blocks with high-cohesion and well-defined APIs將復雜性拆解成多個部分,分解為內聚性高且有明確定義 API 的構建模塊Lesson 3 – Align organization to architectureBuild small teams, challenge the status quo, and encourage ownership讓組織與架構相匹配,組建小團隊,挑戰現狀并鼓勵主人翁意識Lesson 4 – Organize into CellsIn a complex system you must reduce the scope of impact組織成單元形式,在復雜系統中必須縮小影響范圍Lesson 5 – Design predictable systemsReduce the impact of uncertainty設計可預測的系統,降低不確定性的影響Lesson 6 – Automate ComplexityAutomate everything that doesn’t require high judgement使復雜性自動化,將不需要高度判斷力的一切事務自動化化繁為簡,正是亞馬遜云科技希望幫助千行百業用戶做到的事情。這幾天的大會上,亞馬遜云科技概述了一系列圍繞云計算、云數據庫的創新。如何讓開發者和用戶感受到「簡單了」?答案是進化。亞馬遜云科技還詳細介紹了其整體戰略,并概述了向量數據庫是如何對生成式 AI 提供加持的。除了一系列創新,還有降價措施,包括 Amazon DynamoDB 的按需定價降低了 50%。簡單點,再簡單點。這幾乎是當下所以企業用戶引入生成式 AI 技術時的共同訴求。在今年的 re:invent 2024 發布內容中,這一原則體現的淋漓盡致。AI Agents讓復雜的技術系統自動運轉最近一段時間,智能體(AI Agents)是生成式 AI 領域的重要發展方向,一系列應用快速落地。先有 Anthropic 基于最新的基礎大模型 Claude 3.5 Sonnet 提出了可以操縱 PC 的智能體功能,緊接著榮耀展示了基于新一代操作系統 MagicOS 9.0 的全局智能體。在生產力端,微軟也在 10 月推出了多種 Copilot 智能體,包攬了銷售、服務、財務、供應鏈團隊的任務。其實在企業開發環境中,AI 智能體的引入也早已開始。去年在 re:Invent 大會上,亞馬遜云科技預覽了生成式 AI 助手 Amazon Q Developer,它可用于跨集成開發環境(IDE)的設計、構建、測試、部署和維護,其中就有一系列 AI 智能體的能力。比如,Amazon Q Developer 可以自動分析代碼庫、生成轉換計劃并執行轉換任務,包括升級和替換 NuGet 包和 API、重寫已棄用和低效的代碼組件,以及移植到跨平臺 .NET 等等。今年 4 月, Amazon Q Developer 全面上市,并增加了更多功能,例如支持 AWS 命令行界面(AWS CLI)、Amazon SageMaker Studio、AWS CloudShell 以及內聯的對話功能,以便開發者在 IDE 中進行無縫編碼操作。Amazon Q Developer 的一大價值在于,各個領域的專家通過自然語言交互就能構建準確、生產質量的模型,即使他們不具備生成式 AI 開發方面的專業知識。任何團隊都能夠更快地創新并縮短上市時間,同時減輕了對技術專家的依賴,或者說,原本儲備的技術專家可以專注于更復雜的技術挑戰。現在,Amazon Q Developer 的智能體功能有了更多的擴展,包括:1)增強代碼庫中的文檔 (/doc),2)支持代碼審查以檢測和解決代碼質量問題 (/review),3)在 IDE 或 GitLab Duo with Amazon Q(預覽版)上自動生成單元測試、提高整個軟件開發生命周期的測試覆蓋率(/test)的功能。新版 Amazon Q Developer 強化了用于 .NET、大型機和 VMware 等工作負載的轉換功能。亞馬遜云科技還宣布在 Amazon Q Developer 中推出了幫助調查和修復運營問題的新功能預覽版。Amazon Q Developer 正在改變傳統的開發工作流程,讓開發環境中集成各種生成式 AI 功能。這種無縫集成有助于人們保持專注,同時加速除代碼之外的各種開發任務,從而提高生產力。Amazon Q Developer 還把智能體帶入到了 GitLab,將其轉變為支持 AI 驅動的 DevSecOps 統一開發體驗,能利用 AI 智能體來協助復雜的多步驟任務,并提供增強的代碼審查和單元測試功能。亞馬遜云科技表示,通過 GitLab 快速操作與 Amazon Q Developer 的交互非常簡單:直接在問題描述、一般評論或合并請求評論中輸入 /q,開發者即可呼叫 AI 能力來幫助處理日常任務和復雜的工作流程。從一系列新能力中,我們可以看到,亞馬遜云科技對于 AI 智能體能力的應用有別于微軟、Anthropic 等提出的方案,前者更多基于自身的微服務,更加面向具體的工作目標。可以說,亞馬遜云科技長久以來基于真實工程任務的經驗塑造了其生成式 AI 工具的可用性。這種面向生產的技術能夠幫助開發者們更快地部署新能力、簡化工作流程、管理狀態,并在專門的智能體之間動態分配任務。這些 AI 能力想必會很快獲得大規模應用,畢竟在生產環境中,實用性說了算。一個窗口搞定所有開發下一代 Amazon Sagemaker 拿捏了生成式 AI 技術的確抬高了技術系統處理復雜任務的能力,但與此同時帶來的系統復雜度提升,也成為了一座難以跨越的大山。對于各家所有云服務和數據平臺提供商來說,這個問題更加值得深入思考——因為它們的客戶分布于千行百業,需求各不相同。在這一次有關于生成式 AI 的發布中,亞馬遜云科技化零為整,將所有的數據管理、AI 開發、分析能力打包裝進了下一代 Amazon SageMaker。Amazon SageMaker 誕生至今已有數年,最初是它只是一項用于開發和部署機器學習模型的托管服務。但在隨后的幾年里,這項服務一直在沿著 AI 技術的演化穩步進行現代化改造。如果說前幾年亞馬遜云科技始終專注于大幅擴展 Amazon SageMaker 的功能,那么今年,「精簡」是新的目標。它是所數據、分析、和 AI 需求的中心,包含全新發布的 SageMaker Unified Studio 以及 SageMaker Lakehouse,集成數據目錄與治理,支持數據源的無縫對接,將數據分析、數據治理以及 AI/AL 整合于一體。全新發布的 Amazon SageMaker Unified Studio 就像是一個「全家桶」,既有積累多年的機器學習開發功能,又加入了之前分散的數據管理和應用程序開發服務,幾乎涵蓋了數據探索、準備和集成、大數據處理、快速 SQL 分析、機器學習 (ML) 模型開發和訓練以及生成式 AI 應用程序開發所需的所有組件。基于新版本的 Amazon SageMaker HyperPod,用戶只需幾分鐘即可開始訓練和微調這些基礎模型并獲得最先進的性能,包括 Llama 3.1 405B。當然,Amazon SageMaker Unified Studio 也內置了 Amazon Q Developer,用來提供輔助。必要的時候,開發者可以直接使用自然語言提問,比如「我應該使用哪些數據來更好地了解產品銷售情況?」或「生成 SQL 以按產品類別計算總收入」。除了 Amazon SageMaker Unified Studio 之外,亞馬遜云科技還推出了 Amazon SageMaker Catalog 和 Amazon SageMaker Lakehouse。前者允許管理員使用具有精細控制的單一權限模型定義和實施 Amazon SageMaker 中 AI 應用程序、模型、工具和數據的訪問策略,后者提供了從 Amazon SageMaker 和其他工具到存儲在 AWS 數據湖、數據倉庫和企業應用程序中的數據的連接。這種轉變的決心來源于亞馬遜云科技對客戶需求變化的洞察。生成式 AI 技術的爆發直接改變了數據團隊和開發團隊的合作方式,逐漸走向無縫協作的境界,目前的顯著挑戰在于數據孤立且分散在各個系統中,他們必須構建和維護復雜的數據管道,而且由于訪問控制不一致,團隊難以有效地訪問和使用數據。這也是為什么亞馬遜云科技在迭代時,選擇將數據、分析和 AI 集成到同一個界面中的原因。通常來說,生成式 AI 開發中混合的模型類型和數據類型越多,就越能豐富分析輸出、豐富業務工作流程。而 Amazon SageMaker Unified Studio 在集成上邁出的這一步,減少了用戶用于管理多方面數據和多方面分析的工具和平臺數量,帶來了技術系統復雜性的大大降低。數據存儲、數據庫的「加減法」為用戶減負做到極致在部署和調用生成式 AI 的過程中,開發人員和企業用戶會遇到很多難題,尤其在數據層面,要全方位考慮數據存儲、數據庫建設與遷移等不斷演化的事實以及隨之而來,對技術和功能的更高要求。正如 Werner Vogels 在會上所言,「軟件系統必須要具備輕松適應未來變化的能力」。面對數據層面日新月異的變化,亞馬遜云科技從一開始便要在基礎架構的可演化性層面下足功夫。針對數據存儲,亞馬遜云科技早在 2006 年就推出 Amazon S3(Simple Storage Service)云服務,成為其高度可擴展、持久、安全且低成本的多類型數據存儲基礎設施。此后,Amazon S3 在功能演化的同時注重做減法。新推出的 Amazon S3 Tables 功能支持 Apache Iceberg 格式的云存儲,相較通用 S3 存儲桶提供了 3 倍的查詢性能、10 倍的每秒事務數(TPS),并能自動管理表維護任務。如今 Amazon S3 微服務數量已經達到了 300+ 個,通過微服務架構將整個應用拆解為多個、功能明確的子服務,與 S3 的交互被大幅簡化,相應的數據存儲在的 S3 存儲桶中,有助于數據隔絕管理,還能輕松擴展存儲容量、確保高可用性和數據持久性。可以看到,Amazon S3 的演化歷程呼應了 Werner Vogels 所說的將復雜性分解成小的構建模塊、組織成單元形式并在復雜系統中縮小影響范圍等經驗,既精簡了流程,也降低了用戶的使用門檻。不僅如此,亞馬遜云科技還進一步更新 Amazon S3 的一項默認行為,自動驗證用戶數據是否通過網絡從應用程序正確傳輸到 S3 存儲桶中。并且 S3 可以在數據到達服務器時計算并校驗數據完整性,主動監控數據的冗余性,減少并發故障的出現。數據庫是每個應用程序的基礎構建塊,客戶要依靠它們來搞定自身最關鍵的工作負載。為了更高效支持用戶在 Amazon EC2(Elastic Compute Cloud)上運行數據庫,亞馬遜云科技推出 Amazon Aurora DSQL(分布式 SQL 數據庫)、Amazon DynamoDB NoSQL 全局表、Amazon MemoryDB 多區域功能,進一步保障需要跨多區域運行的最苛刻工作負載。與其他流行的分布式 SQL 數據庫相比,Amazon Aurora DSQL 能幫助用戶構建具有最高可用性、強一致性、兼容 PostgreSQL 且讀寫速度提升 4 倍的應用程序,進而實現進階版的系統分解、低耦合 / 高內聚、定義明確的 API 以及細粒度控制、擴展和定制化安全。Amazon DynamoDB 全局表支持多區域強一致性,確保用戶的應用程序始終在全局表的任何區域讀取最新數據,消除了跨多個區域管理一致性的繁重工作,并且無需更改任何應用程序代碼。Amazon MemoryDB 多區域功能則可以進一步幫助用戶構建 99.999% 高可用性、全球分布的應用程序,并實現微秒級讀取和個位數毫秒級跨區域延遲。最后,亞馬遜云科技在 Amazon S3 文件傳輸和數據庫遷移服務兩個方面也竭力為用戶減負。其中通過 Transfer Family Web 應用程序,用戶可以創建一個完全托管的 Web 應用程序,輕松地列出、上傳、下載、復制和刪除特定 Amazon S3 中的數據。DMS(Database Migration Service)的 Schema Conversion 現在可以使用生成式 AI 來自動執行耗時的數據庫架構轉換,自動化率達到 90%,無疑會大大減少手動工作量。可以預見,亞馬遜云科技通過持續功能上的加法、用戶部署上的減法,讓人們得到了在數據存儲和數據庫層面的最優選擇,質優、價低、上手易,贏得更多青睞也是理所當然。越簡單,越強大如今,生成式 AI 已經進入到了比拼落地能力的關鍵階段,對于眾多應用開發者來說,關注點不僅僅是模型強不強,更關注好不好用、用不用得起。相關基礎設施和配套服務的完善程度很大程度上將決定用戶的選擇。這幾天的 re:Invent 大會,無時無刻不在釋放這樣一種信號:亞馬遜云科技不僅要在大模型的能力上對標甚至超越 OpenAI、谷歌、Anthropic,更要踐行用戶為上的理念。「為用戶創造價值」說來簡單,但拆解開來,將是一場漫長的變革:不斷將產品和服務的復雜性降到最低,通過功能創新、AI 自動化流程來簡化一切客戶體驗。一旦我們習慣了如此簡單、強大的技術系統,就很難再想象沒有它的日子。2024 年行將結束的當口,終于有一家公司把生成式 AI 與生產力切實結合到了一起。不得不說,亞馬遜云科技為生成式 AI 的落地,吹響了加速的號角。?THE END轉載請聯系本公眾號獲得授權投稿或尋求報道:liyazhou@jiqizhixin.com

        閱讀原文
        ? 版權聲明
        蟬鏡AI數字人

        相關文章

        蟬鏡AI數字人

        暫無評論

        暫無評論...
        主站蜘蛛池模板: 亚洲国产精品综合一区在线| 亚洲av伊人久久综合密臀性色 | 日韩精品成人无码专区免费| 亚洲国产高清人在线| 搡女人免费免费视频观看| 狠狠亚洲狠狠欧洲2019| 香蕉免费在线视频| 亚洲国产成人一区二区三区| 久久精品国产影库免费看| 亚洲91av视频| 日韩精品人妻系列无码专区免费| 亚洲男人的天堂在线播放| 3d成人免费动漫在线观看| 亚洲乱码卡三乱码新区| 成年女人免费视频播放77777| 亚洲国产欧美国产综合一区| 国产精品黄页在线播放免费| 一级做a爰片性色毛片免费网站| 亚洲伊人成无码综合网 | 亚洲AV日韩AV天堂久久 | 精品国产日韩亚洲一区在线| 亚洲国产a级视频| 国产午夜无码片免费| 在线免费观看亚洲| 成年美女黄网站18禁免费| 深夜a级毛片免费无码| 亚洲乱亚洲乱妇无码麻豆| 91人人区免费区人人| 亚洲人成自拍网站在线观看| 免费大片在线观看网站| 久久aⅴ免费观看| 亚洲日韩久久综合中文字幕| 亚洲精品无码专区2| 9277手机在线视频观看免费| 亚洲日韩中文字幕无码一区| 久久夜色精品国产亚洲av| 成年人网站免费视频| 日本系列1页亚洲系列| 亚洲AV成人片色在线观看| 免费高清av一区二区三区| 精品久久久久久国产免费了|