每經(jīng)記者 王紫薇    每經(jīng)編輯 劉雪梅    

基礎(chǔ)模型搭建了之后，企業(yè)對生成式AI的建設(shè)關(guān)鍵來到數(shù)據(jù)層面。

4月30日，在亞馬遜云科技“無數(shù)據(jù)不模型——生成式AI時代的數(shù)據(jù)基座”的媒體溝通會上，亞馬遜云科技大中華區(qū)產(chǎn)品部總經(jīng)理陳曉建強(qiáng)調(diào)了數(shù)據(jù)在生成式AI時代中的關(guān)鍵作用。

他表示，數(shù)據(jù)在生成式AI時代處于核心地位，企業(yè)要想在生成式AI時代取得成功，必須從數(shù)據(jù)做起，利用自身的數(shù)據(jù)構(gòu)建具有商業(yè)價值的AI應(yīng)用。

陳曉建認(rèn)為，企業(yè)的數(shù)據(jù)能力需要構(gòu)建以下3個方面：模型微調(diào)和預(yù)訓(xùn)練所需的數(shù)據(jù)處理能力、利用專有數(shù)據(jù)與模型快速結(jié)合以產(chǎn)生獨(dú)特價值的能力，以及有效處理新數(shù)據(jù)以助推生成式AI應(yīng)用持續(xù)快速發(fā)展的能力，

圖片來源：每經(jīng)記者 王紫薇 攝

被問及在云市場進(jìn)入了AIGC時代，亞馬遜云科技在人工智能推理成本和訓(xùn)練成本上是否不像在原本的商業(yè)模式上有優(yōu)勢時，亞馬遜云科技方面表示，自己還是看重客戶最終要的是什么。言下之意，亞馬遜云科技希望無論AIGC時代的服務(wù)成本怎么變動，自身的商業(yè)模式仍是以提供云基礎(chǔ)設(shè)施、模型層、應(yīng)用層的工具與服務(wù)為主。

數(shù)據(jù)處理為何重要

大量的、高質(zhì)量的數(shù)據(jù)對生成式AI的重要性已經(jīng)成為行業(yè)共識。

亞馬遜云科技方面此次表示，如果每個公司都能訪問相同的基礎(chǔ)模型，那么各個公司處于同一起跑線；而能夠利用自己的數(shù)據(jù)構(gòu)建具有真正商業(yè)價值的生成式AI應(yīng)用的公司，就贏在了起跑線上。

可以說，生成式AI基礎(chǔ)模型的局限性之一，在于無法及時擁有企業(yè)的專有數(shù)據(jù)。如果想讓模型服務(wù)于企業(yè)發(fā)展，那么通過技術(shù)手段加速數(shù)據(jù)與模型的結(jié)合，就成了企業(yè)數(shù)據(jù)基座的關(guān)鍵能力之一。

陳曉建進(jìn)一步表示，成功的企業(yè)需要懂業(yè)務(wù)、懂用戶的生成式AI應(yīng)用，而這些應(yīng)用的構(gòu)建需要從數(shù)據(jù)做起。他舉了位于美國的人工智能初創(chuàng)公司Perplexity的例子，它是如何通過將傳統(tǒng)搜索、客戶數(shù)據(jù)與大型語言模型相結(jié)合，實(shí)現(xiàn)了快速增長和用戶吸引的。

也是因此，這家公司是人工智能領(lǐng)域的“紅人”。據(jù)悉，Perplexity正進(jìn)行至少2.5億美元的新一輪融資，估值可能達(dá)到25億至30億美元。而這家公司在過去四個月中剛剛進(jìn)行了兩筆大額資，并且估值實(shí)現(xiàn)飛躍：今年1月，Perplexity以5.4億美元的估值籌集近7400萬美元；3月初，Perplexity以10億美元的估值融資約6300萬美元。

目前來說，用企業(yè)自身的數(shù)據(jù)去差異化生成式AI應(yīng)用、通過數(shù)據(jù)定制基礎(chǔ)模型的方式主要分為三大類：檢索增強(qiáng)生成（RAG）、微調(diào)和持續(xù)預(yù)訓(xùn)練。這三種方式在不同應(yīng)用場景中的適用性和對數(shù)據(jù)要求不同。

亞馬遜云科技的對策

對此，亞馬遜云科技強(qiáng)調(diào)了自身在數(shù)據(jù)基座構(gòu)建的三大核心能力：模型微調(diào)和預(yù)訓(xùn)練所需的數(shù)據(jù)處理能力、利用專有數(shù)據(jù)與模型快速結(jié)合以產(chǎn)生獨(dú)特價值的能力，以及有效處理新數(shù)據(jù)以助推生成式AI應(yīng)用持續(xù)快速發(fā)展的能力。

在數(shù)據(jù)存儲方面，亞馬遜云科技提供的Amazon S3服務(wù)可以滿足用戶在微調(diào)和預(yù)訓(xùn)練基礎(chǔ)模型對數(shù)據(jù)存儲的嚴(yán)格要求。同時，Amazon FSx for Lustre文件存儲服務(wù)的亞毫秒級延遲和高吞吐性能，將進(jìn)一步加快模型優(yōu)化速度。

數(shù)據(jù)清洗和治理方面，亞馬遜云科技通過Amazon EMR Serverless和Amazon Glue等服務(wù)，幫助企業(yè)高效完成數(shù)據(jù)清理、去重和分詞等操作，使企業(yè)能夠?qū)Ｗ⒂贏I業(yè)務(wù)創(chuàng)新。

此外，亞馬遜云科技還著重強(qiáng)調(diào)了其在向量搜索和無服務(wù)器架構(gòu)方面的創(chuàng)新。其中，檢索增強(qiáng)生成（Retrieval-Augmented Generation，RAG）技術(shù)被普遍認(rèn)為是實(shí)現(xiàn)數(shù)據(jù)與模型結(jié)合的主要途徑之一。RAG通過將數(shù)據(jù)轉(zhuǎn)換為向量并存儲到向量數(shù)據(jù)庫中，從而將語義的關(guān)聯(lián)性轉(zhuǎn)化為向量間的數(shù)學(xué)距離問題，以實(shí)現(xiàn)內(nèi)容的關(guān)聯(lián)性計算。

向量搜索與數(shù)據(jù)存儲的結(jié)合可以帶來多方面的好處，包括更高效和更精確的檢索能力、處理和索引大規(guī)模的數(shù)據(jù)等。目前來說，結(jié)合向量搜索和數(shù)據(jù)存儲的優(yōu)勢，可以構(gòu)建出強(qiáng)大的信息檢索系統(tǒng)，滿足現(xiàn)代應(yīng)用對于速度、準(zhǔn)確性、可靠性和智能化的需求。

但這同時也帶來一部分成本問題，比如需要更多的存儲空間。對此陳曉建告訴《每日經(jīng)濟(jì)新聞》記者，存儲上確實(shí)會讓成本有所增加，但能夠在整個數(shù)據(jù)內(nèi)容檢索時取得更好的效果。

亞馬遜云科技同時表示，自身已在8種數(shù)據(jù)存儲中添加了向量搜索功能。客戶還可以通過Amazon Memory DB內(nèi)存數(shù)據(jù)庫，降低生成式AI應(yīng)用的模型調(diào)用成本和響應(yīng)延遲，并利用和無服務(wù)器技術(shù)加速創(chuàng)新。在亞馬遜云科技對生成式AI時代數(shù)據(jù)基座的強(qiáng)調(diào)中，可以看到數(shù)據(jù)處理的重要性以及企業(yè)在這一領(lǐng)域面臨的挑戰(zhàn)與機(jī)遇。對于亞馬遜云科技來說，為AIGC時代的企業(yè)提供更全面的服務(wù)也是機(jī)遇與挑戰(zhàn)并存。

封面圖片來源：每日經(jīng)濟(jì)新聞 資料圖