AWS宣布推出七项生成式AI创新功能
- 黎思慧／台北讯
-
亚马逊旗下Amazon Web Services（AWS）近日在纽约高峰会上宣布推出7项生成式AI新功能，包括Amazon Bedrock新增基础模型供应商Cohere和全新基础模型，以及全新代理（Agents）功能；Amazon EC2 P5执行个体正式可用，加速生成式AI和高效能运算应用；Amazon OpenSearch Serverless支持全新矢量引擎；编写程序码助手Amazon CodeWhisperer与Amazon Glue实现整合；Amazon QuickSight新增生成式BI（Business intelligence）功能；帮助企业提升数据品质的分析服务AWS Entity Resolution正式可用；以及助力提升医疗产业生产效率的智能医疗新服务AWS HealthScribe等。
AWS此次发布的多项生成式AI新功能，进一步降低了生成式AI的使用门槛，让无论是业务用户还是开发者都能从中受益。借助这些新功能，来自各行各业的企业都能更专注于核心业务，提高生产效率，充分释放数据价值和生成式AI的潜力。
Amazon Bedrock全面扩展，帮助客户灵活应用基础模型新增全新基础模型、基础模型供应商以及代理（Agents）功能
AWS宣布全面扩展其全托管基础模型服务Amazon Bedrock，包括新增Cohere作为基础模型供应商，加入Anthropic和Stability AI的最新基础模型，并发布变革性的新功能Amazon Bedrock代理 （Agents）。
Cohere致力于开发领先的企业AI平台和前瞻基础模型，其基础模型可以更直观地生成、检索和汇总信息。Anthropic是一家关注AI安全的研究型公司，打造可信赖、可解释和可掌控的AI系统。Anthropic已经将其最新的语言模型Claude 2提供至Amazon Bedrock。Stability AI是一家社区驱动的开放式AI公司，提供可透过简单文本指令建立文本、图像、音乐、影片、程序码等的基础模型。 Stability AI将在Amazon Bedrock上发布其最新版文生图模型包Stable Diffusion XL 1.0（SDXL 1.0）。
Amazon Bedrock代理功能将助力开发者轻松建立全托管的人工智能代理（AI Agents），还可帮助企业加速交付生成式AI应用程序，这些应用程序可以透过对公司系统进行API调用来管理和执行任务。Amazon Bedrock代理功能同时还可以扩展基础模型以理解使用者需求，将复杂任务分解为多个步骤，延续对话以收集更多信息，并采取移动以满足使用者需求。
借助Amazon Bedrock代理功能，使用者可以为内部或外部客户自动执行任务，如管理零售订单或处理保险索赔。有了代理功能，服务电商的生成式AI应用程序不仅能回答简单问题（「如有蓝色夹克吗？」），还能帮助用户完成复杂任务（如更新订单或管理交易）。
Amazon EC2 P5执行个体正式可用，加速生成式AI和高效能运算应用
AWS宣布Amazon Elastic Compute Cloud（Amazon EC2）P5执行个体正式可用。这是一款下时代GPU执行个体，可以满足客户在运行人工智能、机器学习和高效能运算工作负载时对高效能和高扩展性的需求。该执行个体由最新的NVIDIA H100 Tensor Core GPU提供支持，与上一代基于GPU的执行个体相比，训练时间最多可缩短6倍（从几天缩短到几小时）。这一效能提升将帮助客户降低高达40%的培训成本。
Amazon EC2 P5执行个体提供8个NVIDIA H100 Tensor Core GPU，具有640 GB高带宽GPU存储器，同时提供第三代AMD EPYC处理器、2TB系统存储器和30 TB本地NVMe储存。Amazon EC2 P5执行个体还提供3200 Gbps的聚合网络带宽并支持GPUDirect RDMA，从而能够绕过CPU进行节点间通讯，实现更低的延迟和高效的横向扩展效能。
适用于Amazon OpenSearch Serverless的矢量引擎助力客户轻松打造现代生成式AI应用
AWS宣布推出适用于Amazon OpenSearch Serverless的矢量引擎。正式可用后，该矢量引擎支持简单的API调用，可用于储存和查询数十亿个嵌入（embeddings）。未来，所有AWS的数据库都将具有矢量功能，帮助客户简化营运，方便整合数据。
嵌入应存储在靠近来源数据的位置，一系列因素都将影响企业如何选择最适合自己的选项，这些因素包括目前数据存储位置、对数据库技术的熟悉程度、矢量维度的扩展、嵌入的数量和效能需求等。因此，AWS还提供以下选项满足更高级的矢量数据储存需求：
1.Amazon Aurora PostgreSQL兼容版关系型数据库，支持pgvector开源矢量相似性查找外挂。
2.分布式查找和分析服务Amazon OpenSearch，带有k-NN（k最近邻）外挂和适用于Amazon OpenSearch Serverless的矢量引擎。
3.兼容PostgreSQL的Amazon RDS（Amazon Relational Database Service）关系型数据库，支持pgvector外挂。
Amazon CodeWhisperer与Amazon Glue实现整合，进一步提升开发效率
AWS宣布了Amazon CodeWhisperer正式可用。这是一款AI编写程序码助手，能够使用底层基础模型帮助开发人员提高工作效率。它可以根据开发人员使用自然语言留下的注释和IDE（整合开发环境）中的历史程序码实时生成程序码建议。此外，AWS还发布了Amazon CodeWhisperer Jupyter扩展程序，为Jupyter用户在Jupyter Lab和Amazon SageMaker Studio中的Python notebooks生成实时、单行或完整的函数程序码建议。
现在，AWS正式宣布Amazon Glue Studio notebooks支持Amazon CodeWhisperer，帮助Amazon Glue用户优化使用体验、提高开发效率。透过Amazon Glue Studio notebooks，开发人员可以用自然语言（英语）编写特定任务，比如「利用json文件中的内容建立一个Spark DataFram」。基于此信息，Amazon CodeWhisperer会直接在notebooks中推荐一个或多个可完成此任务的程序码片段。开发人员可以选择「接受最推荐的建议」，「查看更多建议」或「继续自己编写程序码」。
Amazon QuickSight新增生成式BI功能，升级自然语言人机交流
AWS宣布，正在将Amazon Bedrock提供的大语言模型能力与支持自然语言问答的Amazon QuickSight Q相结合，以期在Amazon QuickSight中提供生成式BI功能。该功能很快将在Amazon QuickSight上线，帮助企业轻松寻找数据、发现并分享洞察。
借助Amazon QuickSight中新增的生成式BI功能，业务分析师能够使用自然语言轻松执行日常任务，包括：
1.基于Amazon QuickSight Q全新的视觉创作体验功能，在几秒钟内建立数据可视化图表
2.使用自然语言微调和格式化图表效果
3.无需学习特定语法，透过自然语言即可建立运算任务
针对使用仪表板并需要与之进行交流的业务用户，AWS还发布了Stories功能，助力业务用户使用生成式BI的强大能力，透过自然语言提示来生成、定制化和共享极具信息量的可视化图表。
Amazon Entity Resolution正式可用，赋能企业提升数据品质、萃取客户洞察
AWS宣布Amazon Entity Resolution正式可用。这是一项由机器学习提供支持的分析服务，可以帮助企业轻松分析、匹配和连结相关纪录，这些纪录可能散布在应用程序、不同的数据获得管道和数据储存中。
Amazon Entity Resolution利用基于规则和机器学习的技术自定义工作流程，并以此汇整消费者、业务和产品信息。业务分析师和开发人员可以透过内建的预配置工作流程快速提高数据准确度，或者透过自定义工作流程来满足企业需求。
借助Amazon Entity Resolution，企业可以更好地了解数据的关联、匹配和连结情况，同时深入挖掘客户洞察与更清楚的供应链数据，从而改善营运能力、展开更多有效行销、做好复杂金融投资决策。AWS宣布计划增加两个Amazon Entity Resolution的合作夥伴LiveRamp和TransUnion，同时增强与Unified ID 2.0开源框架的互操作性。透过这些整合功能，客户将能更轻松地翻译或丰富自己的纪录，同时更好地保护信息并减少数据移动。
Amazon HealthScribe利用生成式AI助力打造医疗应用程序
AWS宣布推出Amazon HealthScribe，这是一项符合HIPAA（《健康保险责任与保护法》）要求的新服务，能够帮助医疗软件供应商打造临床应用程序。这些应用程序使用文本识别和生成式AI技术生成临床文档，节省医生时间。
借助Amazon HealthScribe，医疗软件供应商可以利用单一个API自动建立可靠的纪录、淬链出关键信息（例如医学术语和药物），并根据医病对话建立摘要，然后将这些数据输入到电子健康记录（EHR）系统。
Amazon HealthScribe由Amazon Bedrock提供支持，使医疗软件供应商能够更快、更轻松地将生成式AI功能整合到其应用程序中。在普通医学和骨科这两个常见专科，医疗软件供应商已经开始使用Amazon HealthScribe，它们不再需要管理底层机器学习基础设施或训练自己的医疗专属大语言模型（LLM）。
