生成式AI的爆發(fā)給人工智能場景落地帶來了更加廣袤的想象空間，包括文生文、文生圖、知識問答、產品設計在內的種種場景創(chuàng)新遍地開花。如何推動生成式AI應用落地，重塑未來產業(yè)價值成為關鍵議題。在這之中，在相關的產業(yè)創(chuàng)新及能力搭建中，云廠商的角色日益重要，表現(xiàn)也尤為亮眼。

昔日，在數(shù)字化轉型進程中，云計算的普及為眾多受制于IT基礎設施的企業(yè)提供了全新的升級路徑；如今，在第三次人工智能浪潮襲來之際，云廠商全面重構生成式AI的基座，為其場景落地再一次奠定了基石。

在Gartner發(fā)布的《2023年云AI開發(fā)者服務魔力象限》報告中，亞馬遜云科技連續(xù)第四年被列為“領導者”之一，并在縱軸執(zhí)行能力維度處于最高位置。在生成式AI引領的變局中，亞馬遜云科技同樣當仁不讓，率先在各行各業(yè)積累了一批可供示范的落地案例，為企業(yè)級生成式AI的進階樹立了新標桿。

一、打破數(shù)據(jù)孤島，構建企業(yè)級智能知識庫

創(chuàng)新是企業(yè)韌性成長的要素。西門子作為全球電子電氣工程的老牌王者，對此早有洞察。如何更好地發(fā)掘數(shù)據(jù)價值成為其持續(xù)發(fā)力的重要方向。

負責IT數(shù)據(jù)分析與人工智能的西門子中國大禹團隊為此進行的探索之一是搭建企業(yè)知識庫，一方面，便于更好地進行企業(yè)知識資產的挖掘和保護，另一方面，讓員工在業(yè)務活動中能更快捷、精準地獲取相關知識，幫助其提升專業(yè)能力，讓企業(yè)知識“活”起來，提升知識重用率。

但是在搭建過程中，大禹團隊逐漸發(fā)現(xiàn)，長期以來企業(yè)內部資源的檢索和調用都存在結構散亂、檢索速度慢、交互不便等問題。而且由于橫跨多個不同領域、涉及多個不同業(yè)務單元，如若以傳統(tǒng)方式打造知識庫，這些問題將始終橫亙其中。因此，大禹團隊決定將大數(shù)據(jù)庫和生成式AI應用于一個全新的“智能知識庫”，從根本上提升知識庫的可用性。

在此訴求下，有著長期良好合作基礎的亞馬遜云科技再次成為西門子合作的首選。在深入調研和全盤考量后，最終亞馬遜云科技為大禹團隊提供的是一個智能知識庫暨智能會話機器人的解決方案指南，能實現(xiàn)目標知識庫約80%功能，西門子中國根據(jù)企業(yè)內部需求再做20%定制化開發(fā)，最終形成完整的解決方案。

在整體解決方案中有三大亮點：

其一，采用“RAG 架構+向量數(shù)據(jù)庫”設計，核心主體知識庫以向量方式構建，能夠存儲超大規(guī)模的向量數(shù)據(jù)。另外，RAG 架構保障了知識庫在不影響訪問速度的前提下，擁有了近乎無限的可擴展性，極大地拓展了大模型的可用性；

其二，開源搜索引擎Amazon OpenSearch Service 的無服務器特性讓開發(fā)人員不需要管理集群或擔心生產規(guī)模，可以快速推動部署；

其三，機器學習服務Amazon SageMaker上提供了豐富的模型開發(fā)和訓練工具，保證客戶可以在云端輕松實現(xiàn)大語言模型的調優(yōu)以及測試更多不同類型的開源模型。

最終大禹團隊在亞馬遜云科技的支持下，僅用三個月就完成了生成式AI對話機器人“小禹”的開發(fā)、部署與上線。相較傳統(tǒng)機器人，“小禹”的回答內容不僅生成速度更快，其對搜索關鍵詞的命中率也更高，用戶體驗更優(yōu)。西門子中國專屬智能知識庫上線后，首周就有超過4000 位內部用戶參與使用，超過12000 個問題被提出并解答。

二、發(fā)力在線教育，觸發(fā)教學模式全蛻變

縱觀歷史，每一輪科技革命都會給教育形態(tài)帶來深刻變化。生成式AI同樣正在觸發(fā)教育教學模式的深層次變革。

作為外研社推進數(shù)字化轉型的載體，外研在線正在積極投入生成式AI建設，以期實現(xiàn)對外語教學的智慧化提升。不過，進行大范圍的生成式AI探索與測試的前提，是有靈活、易部署、高效的底層基礎設施架構予以支持。

因此，外研在線的人工智能團隊首先詳細評估了生成式AI對業(yè)務的影響與挑戰(zhàn)；再者，外研在線希望對市面上主流的基礎大模型進行大范圍的評測和試用，以選擇出最適配自身教學環(huán)境的基礎模型工具。與此同時，為了滿足長期持續(xù)的推理需求，外研在線還需要進行數(shù)據(jù)的清洗，模型的定制化、量化、微調和壓縮等優(yōu)化工作，以降低大語言模型的使用成本。

綜合考慮上述需求后，與外研在線有多年成功合作經驗的亞馬遜云科技脫穎而出。在拓展生成式 AI 應用時，外研在線同樣選擇基于亞馬遜云科技基礎設施和產品服務進行構建。

完全托管式機器學習服務Amazon SageMaker 為企業(yè)提供一整套工具和框架，包括數(shù)據(jù)標注、模型訓練、模型部署、自動化建模等功能，這套端到端模型部署方案，可以實現(xiàn)基礎模型的二次開發(fā)微調，為所有開發(fā)人員構建、訓練和部署模型提供便利。

在搭建生成式AI平臺時，外研在線正是采用了Amazon SageMaker為大模型進行微調，而數(shù)據(jù)處理部分由云服務器Amazon EC2承擔工作負載，處理第三方的開源數(shù)據(jù)集，并使用云存儲Amazon S3保存AI模型的各種數(shù)據(jù)和模型文件，以此獲得在大模型上更便捷地構建生成式AI應用的能力。

對于外研在線格外關注的大模型部署問題，亞馬遜云科技提供了豐富的專業(yè)技術支持資源，其專業(yè)服務團隊與外研在線通力合作，協(xié)助評測了市面上幾乎所有的大模型和生成式AI工具，并針對不同的應用場景完成多次POC測試。同時采用 Amazon SageMaker 部署了多個大模型進行測試和比較，直觀演示實時推理，運行批量推理任務，使繁復的測試變得簡潔高效，確保外研AIGC平臺按時上線運行。

在亞馬遜云科技助力下，外研在線推出了 iTEST、iWrite、iTranslate 等提供智能點評、譯文潤色的新服務，實現(xiàn)基于項目的學習、人機交互式共創(chuàng)學習、無限個性化學習、沉浸式學習等新學習方式，幫助學生獲得更好的學習體驗，同時也減輕教師的工作負擔，達成了提高教學效率和質量的目標。

三、加碼智能制造，按下云上工業(yè)設計快進鍵

隨著智能家居產品的不斷升級，市場對產品的工業(yè)設計和上市速度提出了更高的要求。成立于1994年的海爾創(chuàng)新設計中心為海爾智家旗下七大品牌全球的所有產品提供設計創(chuàng)新和模式探索。為了更好地服務用戶，數(shù)字化重構勢在必行。

數(shù)字化要和最新的行業(yè)應用結合，要達到資源的最高效配置，這是海爾設計數(shù)字化轉型的兩個要點。此前，海爾設計使用的是自建的私有云系統(tǒng)，部署在自有 IDC 內。這套私有云系統(tǒng)存在諸多問題：桌面系統(tǒng)資源擠兌、文件存儲系統(tǒng)因容量受限無法長期保存歷史文檔、渲染系統(tǒng)由于資源受限渲染任務需要長時間的排隊等待，以及基礎系統(tǒng)維護復雜、無法彈性擴展等，對業(yè)務產生了較大影響。

海爾設計希望通過數(shù)字化轉型提高設計效率的同時，還能獲得全新的方案和思路，去幫助設計打開市場局面、更好應對全球化挑戰(zhàn)，這是海爾設計最終選擇與亞馬遜云科技合作的主要原因。

據(jù)此，亞馬遜云科技為海爾設計提供了四個完整的云上解決方案，全面替代自有機房，讓設計中心的工作流程實現(xiàn)全面云化。具體而言，包括3D云桌面系統(tǒng)、文件共享系統(tǒng)、渲染農場系統(tǒng)以及自動化設計系統(tǒng)等四個部分：

3D云桌面系統(tǒng)：在海爾設計的青島辦公室，3D云桌面系統(tǒng)為300多位3D設計師、平面設計師提供便捷易用的桌面環(huán)境。通過公有云上的資源隔離劃分，海爾設計在徹底解決原自建 IDC的VDI方案“資源擠兌造成卡頓、閃退或宕機”以及“多人使用時性能衰退”等問題的基礎上，還能有約30%性能提升，可謂一舉多得。

文件共享系統(tǒng)：基于Amazon S3特性構建的文件共享系統(tǒng)，讓公司、小組和個人之間得以共享存儲。這種對冷熱數(shù)據(jù)進行自動分層的無限容量存儲系統(tǒng)讓數(shù)據(jù)安全性提高了3倍，而此前自建 IDC 每人最大分配500G容量、每天只允許一個備份且最多保留7天的設定，自此成為歷史。

渲染農場系統(tǒng)：在搭建渲染農場系統(tǒng)時，部署了亞馬遜云科技自有渲染產品 Amazon Thinkbox deadline 軟件及 HPC 集群進行圖片渲染，具備高性能和彈性，讓設計師提交任務后就能拿到渲染效果圖，徹底解決渲染任務排隊問題。而低負載時它會自動降低 Amazon EC2 Spot 數(shù)量且按實際使用時間（精確到秒）付費，從此不再浪費。

自動化設計系統(tǒng)：自動化設計系統(tǒng)/智能設計渲染系統(tǒng)通過 Amazon EC2、Amazon Thinkbox Deadline、Amazon DynamoDB 等運行自動化設計軟件，10分鐘就能自動生成人工需要數(shù)天才能完成的大批量渲染效果圖，徹底解決了原自建 IDC 存在的算力瓶頸問題。

亞馬遜云科技為海爾設計中心量身定制的這四套系統(tǒng)形成了完善的端到端的工業(yè)設計解決方案，讓設計中心的工作流程實現(xiàn)了全面云化、自動化。上線后，自動化設計系統(tǒng)應用讓原有項目周期縮短了 30%，獲得巨大成功，成為了工業(yè)設計行業(yè)的樣本型范例。

四、助力服務升級，深耕跨境電商業(yè)務場景

多年來，電商領域都在探索著以更好的技術工具實現(xiàn)降本增效的路徑。而隨著生成式AI的突破性發(fā)展，人工智能生成的營銷內容和圖片在電商領域也迎來了爆發(fā)期。

店匠科技是一家專注于全球獨立站銷售的SaaS企業(yè)級技術公司，聚焦跨境電商場景。在與商家的交流中，店匠科技發(fā)現(xiàn)，服裝鞋帽類產品更新迭代快，對內容素材要求高、作圖壓力大。因為素材圖片的拍攝和處理不僅涉及到拍攝創(chuàng)意、版權、成本等問題，還需要考慮面對不同國家消費者、模特和產品展示的多樣性。

為了更好地服務服裝商家，針對其素材圖片制作成本高、需快速上架等痛點，店匠科技決定推出人工智能生成的圖片應用—— BetaCreator。

但要開發(fā)這款新應用，店匠科技要面對不少挑戰(zhàn)：第一，電商行業(yè)發(fā)展迅速，企業(yè)自身構建和部署模型耗時耗力且不易靈活擴展；第二，人工智能生成的圖片有一定的算法和工程門檻，企業(yè)缺乏專業(yè)的算法人員以及成熟的實踐經驗；第三，新應用的用戶體驗至關重要，需要創(chuàng)新、易用的人工智能技術來滿足和優(yōu)化這些需求。

綜合考慮下，店匠科技最終選擇了與亞馬遜云科技一起攻堅這些難題。

雙方傾力合作下，店匠科技將模型輕松托管在 Amazon SageMaker 上，在此基礎上，不但快速構建了 BetaCreator，還迅速完成了模特生成、模特換臉、商品變款、背景更換、創(chuàng)意爆款等應用場景的實驗，不但幫助商家快速實現(xiàn)了電商素材圖片的自動生成和自動化處理，還保障了生成的電商素材圖片在細節(jié)、質量和連貫性方面都有生動逼真的表現(xiàn)力。

另外，Amazon SageMaker JumpStart機器學習中心還為店匠科技提供了數(shù)百種內置算法以及經過預訓練的模型庫，加速模型的構建和部署。同時，Amazon SageMaker JumpStart 還提供了負責任的人工智能技術，自身帶有鑒黃、鑒恐等功能，若有涉黃涉恐的輸入或生成內容，會自動打碼、降低風險。

從構思產品原型到最終上線的整個過程，亞馬遜云科技技術團隊為店匠科技突破技術難關提供了全方位的技術支持與服務。

店匠科技通過使用 Amazon SageMaker 全托管式服務，大大提高了機器學習模型的訓練速度和效率，使產品的開發(fā)周期從過去的6個月縮短到2個月，顯著降低了模型訓練和調優(yōu)的時間成本。加上Amazon SageMaker JumpStart 提供的不斷更新的模型庫，店匠科技得以輕松靈活嘗試新的模型來優(yōu)化產品功能。整體而言，在此基礎上構建的BetaCreator不僅節(jié)省了商家廣告投放時不同素材圖片的測試時間，還大大提升了電商素材圖片的產出效率，為生成式AI在電商領域的落地提供了又一代表性范例。

結語

如果用AI把所有應用、所有產品都重做一遍，會發(fā)生什么呢？這里有巨大的想象空間。但毋庸置疑的是，人工智能有望成為重塑中國關鍵產業(yè)的強大力量。

但是前景與現(xiàn)實之間尚有距離，尤其是落實到千行百業(yè)的全面應用，中國企業(yè)人工智能與業(yè)務相結合的能力還有很大的進步空間。

在生成式AI刮起的颶風中，亞馬遜云科技作為全球云計算領導者，其當前的技術路線選擇及實戰(zhàn)路徑,正在促使其成為更多企業(yè)踐行生成式AI戰(zhàn)略的合作伙伴。從上述案例中，我們可以看到，任何技術都要在真實的應用場景中實現(xiàn)價值轉化，才能真正成為撬動發(fā)展的飛輪。我們更希望，有了這些標桿案例的參照，各行業(yè)企業(yè)可以更快梳理好自身的生成式AI用云圖鑒。