每经记者 李卓 每经实习记者 张梓桐 每经编辑 董兴生
“生成式人工智能（GenAI）的本质与核心就是数据，数据碎片化与部门间技术壁垒是企业打破数据孤岛面临的主要障碍。企业内部数据往往分散存储在不同的部门与系统中，数据格式、标准与质量各异，缺乏有效的整合与共享机制。”亚马逊云科技全球客户技术支持与服务副总裁Uwem Ukpong近日在接受《每日经济新闻》记者专访时说。
回望2024年，从训练到推理，从大模型到AI Agent（智能体），生成式AI正跨越技术发展的新里程碑，步入全新发展阶段。
技术的变革固然令人振奋，但如Uwem Ukpong所言，当前企业应用生成式AI仍面临多种挑战：持续攀升的研发成本、日益激烈的市场竞争以及尚未完全攻克的技术难题，如模型的可解释性、数据隐私保护等，都成为摆在所有参与者面前的严峻挑战。
在12月的亚马逊云科技re：Invent全球大会上，亚马逊云科技发布的Amazon Nova系列新款基础大模型成为全场焦点。该系列已涵盖6款大模型，在语言、图像和视频生成等关键领域广泛布局，极大丰富了其AI模型矩阵。
亚马逊云科技的出击，使得原本就硝烟弥漫的AI战场竞争更加白热化。在这场激烈的角逐中，微软、谷歌等科技巨头纷纷倾尽全力，毫不吝啬地投入海量资源。OpenAI更是连开12天发布会，预告新一代AI推理模型o3和o3-mini的重磅登场。
所有参与者都在全力押注AI，巨头们更是一轮又一轮地加码投入，因为在这场格局尚未尘埃落定的较量中，谁都不愿错失引领下一个科技时代的历史性机遇，这无疑是一场关乎未来科技主导权的“无限战争”。
曾经，生成式AI一度被过度炒作，尤其是在AI代理概念成为热门话题之时，市场热度急剧攀升。但Uwem Ukpong指出，当前，客户对于AI工具的态度已发生显著转变。
“如今，客户已逐渐回归理性，更加关注如何将AI工具真正实现规模化应用。一方面，开始有针对性地筛选并应用适合自身业务需求的AI技术；另一方面，则找寻人工智能性能与成本间的平衡点，而非盲目跟风追逐热点。”Uwem Ukpong表示。
当潮水退去，行业开始回归理性，一些隐忧也浮出水面。
根据相关云安全状况报告，半数以上的企业将安全性视为云迁移过程中的首要挑战。云迁移涉及大量敏感数据与关键业务流程的转移，一旦发生数据泄露或安全事故，将给企业带来不可估量的损失。
因此，企业在选择云服务提供商时，不仅要关注其技术实力与服务水平，更要重视其安全保障措施与合规认证情况。例如，数据加密技术、访问控制机制以及安全审计体系等，都是衡量云服务提供商安全性的重要指标。
此外，如何打破数据孤岛的技术与流程成为另一难题。Uwem Ukpong指出，数据碎片化与部门间技术壁垒是企业打破数据孤岛面临的主要障碍。“企业内部数据往往分散存储在不同的部门与系统中，数据格式、标准与质量各异，缺乏有效的整合与共享机制。”
在他看来，要解决这一问题，企业首先需要建立统一的数据规范化与标准化流程，对数据进行清洗、治理与集中管理，确保数据的准确性与一致性。在此基础上，构建数据分析与应用模型，实现数据价值的挖掘与利用。然而，这一过程需要投入大量的人力、物力与时间，对一些中小企业而言，技术与资源的限制使其难以有效推进。
在大模型竞争赛道上，最终能承担得起从头构建大模型高昂成本的公司将寥寥无几，其中，发挥各自的独特优势就成为获客的关键。
在Uwem Ukpong看来，亚马逊云科技拥有遍布全球的基础设施和合作伙伴网络，这使得客户能够实现跨国部署和全球协作，提高了业务效率和灵活性。同时，亚马逊云科技还与全球合作伙伴建立了合作关系，共同为客户提供服务和解决方案。
然而，在国内市场，亚马逊云科技也面临着一些挑战。一方面，由于国内市场的法规环境和客户需求与海外市场存在差异，亚马逊云科技需要不断适应和调整其产品和服务策略；另一方面，本土云服务提供商在价格、服务响应速度和本地化支持等方面具有优势，对亚马逊云科技构成了一定的竞争压力。
对此，Uwem Ukpong表示，亚马逊云科技的重点更多在于更贴近实际需求的服务。“在帮助客户构建生成式AI解决方案的过程中，我们发现企业选择的生成式AI应用场景也在逐渐迭代升级，从原先简单的生成式AI尝试例如对话式聊天机器人，过渡到内容、图像、视频等多媒体内容生成，以及数据洞察与决策等。”
按照业界著名的技术发展曲线（Gartner Hype Cycle）来衡量，生成式AI的发展进程已顺利越过第二阶段峰值期，稳步踏入规模化应用的关键阶段。
尽管未来可能会经历一段因期望落差而产生失望情绪的时期，但这也是新兴技术发展的常见路径。随着越来越多的AI应用在各行业落地生根，生成式AI正逐步褪去“炒作”的外衣，展现出其切实的应用价值与商业潜力。
因此，实际的行业应用成为云厂商当前在国内市场竞逐的关键要素。
Uwem Ukpong表示，当前在中国，亚马逊云科技针对汽车、制造、生命科学、零售电商、媒体娱乐、游戏、软件服务、金融八个行业组建了专门的行业团队。
以汽车为例，Priority Research数据显示，2022年，全球汽车行业生成式AI市场价值达到了3.12亿美元。预测显示，到2032年，这一数字将达到约26.9亿美元，2023年至2032年的年复合增长率为24.03%。
Uwem Ukpong表示，生成式AI与汽车行业的结合主要在营销、客户服务等环节。在营销与客户服务领域，AI可以助力营销内容的智能化生产，通过AI代理支持多角色间的高效协作，提升工作效率与生产力。在智能座舱体验方面，生成式AI则可以持续增强自然语言理解能力、响应速度及情绪感知，缩短创新周期，降低研发成本。
“自动驾驶领域同样迎来了生成式AI的深刻影响。随着合成仿真训练数据及海量多模态数据智能管理需求的激增，生成式AI通过场景模拟加速了自动驾驶技术的创新步伐，为行业开创了全新的商业模式，并探索出更多盈利途径，有力推动全自动驾驶愿景的实现。”Uwem Ukpong说。
此外，在设计与制造环节，Uwem Ukpong表示，生成式AI能够根据客户的个性化需求与偏好，从外观、内饰到驾驶动态，全方位定制汽车，提升消费者的满意度与忠诚度。
而在制造业方面，Uwem Ukpong表示，亚马逊云科技的重点在于制造业流程的改造上，通过降低构建生成式AI应用关键路径中的门槛，针对严重依赖人工参与的工业产品设计、企业内部IT/HR等部门资料繁杂业务等具体业务场景，工业设计、知识库以及营销加速等场景开发定制化解决方案。
随着大模型的持续发展壮大，通向通用人工智能（AGI）的道路虽依然漫长，但已逐渐清晰可辨。
随着技术的不断演进与信息的快速流通，大模型之间的差距或将逐渐缩小并趋于同质化。届时，巨头之间的竞争将不仅局限于模型本身的性能，而更多地将转向如何基于大模型构建差异化的应用生态与商业模式。
还没有评论，来说两句吧...