12月15日消息:作为全球云计算行业创新的风向标，一年一度的亚马逊云科技re:Invent大会备受产业界瞩目。在此次大会上，亚马逊云科技围绕底层基础设施、生成式人工智能、数据战略等推出了一系列新服务及功能；此外，针对机器学习训练和生成式AI应用等广泛的工作负载，亚马逊云科技推出新一代自研芯片Amazon Graviton4和Amazon Trainium2。

　　12月12日，亚马逊云科技2023 re:Invent中国行城市巡展活动开启，将覆盖北京、上海、广州、深圳、成都、青岛、南京、西安、杭州、长沙 10 座城市。在北京首站活动上，亚马逊云科技大中华区产品部总经理陈晓建表示：“亚马逊云科技在基础设施、计算、存储、数据等领域持续重塑云计算，并围绕当今最具变革性的技术生成式AI推出重磅新服务及功能，希望通过这些技术创新帮助更多企业加快创新速度，利用生成式AI全面重塑未来。”

　　

　　性能+性价比+韧性：重塑云基础设施

　　陈晓建指出，亚马逊云科技一直秉承着逆向工作法（Working backwards）的理念，从数百万客户的需求出发构建产品。作为云计算开拓者，亚马逊云科技一直通过最安全、最可靠的企业级能力来赋能客户应用，拥有业界最广泛、最深入的功能。

　　身受才能感同，在运营Amazon.com电商业务时，亚马逊云科技亲身经历了配置和管理IT基础设施是多么的困难和昂贵，这也是亚马逊云科技重新思考如何管理和提供IT基础架构的初衷。“我们希望任何人都能够拥有和全球最顶尖公司一样先进、强大的IT功能。通过按需、安全、可靠并且经济高效的云计算服务，重塑IT基础设施，从根本上做到技术普惠。”

　　目前，亚马逊云科技的基础设施已经覆盖于全球32个地理区域，还有5个区域即将推出，这些区域提供了全球完全一致的体验、高可用和灾难恢复能力。与很多公有云服务提供商不同，亚马逊云科技的每个区域都由3个或者更多的可用区组成，完全物理隔离，通过毫秒级的冗余光纤网络互联，帮助客户实现自身业务系统韧性。

　　除了全球布局的数据中心，亚马逊云科技通过Amazon Local Zone、Amazon Outposts、Amazon Snowball、Amazon Private 5G等服务，把云从中心拓展到边缘，并且还通过Amazon Ground Station加速卫星数据上云，把云计算带入太空。比如，亚马逊推出的“Kuiper计划”，通过数千颗近地轨道卫星来组成的卫星网络，为数亿个缺乏可靠的互联网连接的用户提供更加快捷、可靠的宽带服务，并帮助他们缩小数字鸿沟。除了公共互联网连接之外，Kuiper还将提供企业级的专用连接服务。这些服务预计将于2024年下半年开始测试。

　　在数据中心内部，亚马逊云科技对云计算的“重塑”更值得关注。

　　

　　存储方面，亚马逊科技虽然没有发明存储，但2006年推出的Amazon S3对象存储服务，却重新定义了业界对于存储的理解。Amazon S3提供了高度持久、高性能的对象存储，并且容量可以无限拓展。目前，Amazon S3可以提供丰富多样的存储层级，以及智能分层功能，帮助客户选择适合当前业务的层级，降低管理复杂性，最大限度地降低使用成本。

　　针对 性能处理的金融交易分析、欺诈检测、基于机器学习的量化交易等特殊场景，亚马逊云科技推出了全新架构的Amazon S3 Express One Zone。它使用专门的硬件和软件，并且将存储访问的数据和高性能计算应用就近部署，提供毫秒级延时，支持每分钟数百万次请求。与标准版相比，性能提升了10倍，但总成本降低40%，“事实证明，鱼与熊掌可以兼得。”

　　计算方能，亚马逊科技在不断重塑通用计算芯片。“十年前我们就意识到，想要提供极致的性价比，就需要考虑设计自研服务器芯片。”2018年，亚马逊云科技推出了业界第一款自研通用芯片Amazon Graviton，在随后的几个版本迭代中，大幅提升了性能，同时带来了可观的成本节约。在2023 re:Invent上，亚马逊云科技发布了最新的Amazon Graviton4，较上代产品拥有超过50%的核心以及75%的内存带宽提升。

　　在云原生时代，Serverless作为一种全新的开发模型，正在得到越来越多企业级用户和开发者的青睐。作为业界率先推出Serverless服务的云提供商，亚马逊云科技在Serverless上的版图在不断扩展，从底层的计算和存储领域，逐渐扩展到数据库服务等高端应用。在数据库服务方面，亚马逊云科技推出了Grover系统、Caspian协同资源管理系统、Amazon Aurora Limitless Database（可自动扩展分布式分片）、Amazon Time Sync Service等极具创新性产品，实现更多的Serverless数据服务。除此之外，亚马逊云科技还将AI能力集成到Serverless服务中，通过AI模型主动预判Serverless工作负载并予以优化，提升数据仓库的的弹性能力。

　　陈晓建指出，生成式AI正在以意想不到的方式提供生产力，同时也在激发人类的智慧和创造力，亚马逊云科技相信生成式AI和业务的结合会充满着无限的可能性。

　　生成式AI愿景美好，但是现实是残酷的，每个企业在落地生成式AI时都会碰到非常多的挑战：如何兼顾规模和成本，如何选择最适合的生成式AI模型，如何保证自身业务的安全性和隐私，如何利用私有数据去训练模型，让生成式AI模型成为领域专家，问题不一而足。

　　面对这些问题，亚马逊云科技给出的答案是“端到端全栈持续投入。在底层，亚马逊云科技提供用于训练基础模型和模型应用的基础设施；中间层，提供访问基础模型的最便捷方式，让没有AI经验的构建者，直接获得应用生成式人工智能所需的所有工具，来构建AI应用；在应用层，亚马逊云科技提供基础模型构建的“开箱即用”的应用程序，让没有技术基础的业务用户，也能在具体场景中直接使用生成式AI。

　　底层基础设施层面，亚马逊云科技的关注点始终是性能、成本和最终经济效益。作为最早将GPU加速计算芯片带入云端的云服务厂商，亚马逊云科技在Amazon EC2 P3的实例中率先提供了NVIDIA V100 GPU；在今年，又在Amazon EC2 P5实例中引入了NVIDIA H100 GPU，提供了惊人的性能。GPU单芯片算力只是一方面，高性能服务器集群同样是模型训练的关键。Amazon EFA可以提供了高达3.2T的网络互联能力，客户可以在单个集群中部署多达两万个GPU芯片的超级规模集群，提供相当于20个EFLOPS的集成算力，等同于一台超级计算机。

　　当然，对于生成式人工智能而言，超高性能并不是唯一，“用户还需要有更多的选择，包括极致性价比。”在2018年，亚马逊云科技推出了第一代Amazon Graviton芯片，专门用于AI训练（Amazon Trainium）和推理（Amazon Inferentia）。随着数据量越来越大，模型的规模越来越大，需要不断地提升性价比，亚马逊云科技推出了Amazon Trainium2，与上代产品相比，性能提升了四倍，特别针对于数千亿甚至数万亿参数的大模型训练进行了调优。

　　硬件性能的充分释放，离不开软件的配合。亚马逊云科技推出了Amazon Neuron软件开发工具包，可以帮助用户更好、更快捷地使用定制化的训练和推理芯片。Amazon Neuron支持Tensorflow、PyTorch常用的ML框架，客户通常只需要几行代码，就能够利用他们已有的知识构建训练和推理管道，将应用移植到全新的硬件堆栈上来。

　　不过，并不是所有用户都具备从基础设施层到应用层的完整实施能力，如何对众多的大模型进行甄别，如何快速部署，如何让大模型与自身业务数据和应用进行融合，如何保证在数据训练之中业务和数据的隐私和安全性等问题，亚马逊云科技给出的答案是Amazon Bedrock。

　　作为承上启下的中间层，Amazon Bedrock是个全新平台，可以帮助用户以一个API极简的方式来进行模型选择，并且可以支持使用企业自有业务数据进行模型定制，通过久经考验的云安全的方式，比如TLS（传输层安全性协议）加密、IAM（身份和访问管理）身份认证、网络隔离等，最大限度地保证业务数据的隐私。

　　Amazon Bedrock提供了广泛的模型选择，除了亚马逊云科技自研的Amazon Titan模型，也可以支持Anthropic最新的Claude2.1模型，以及Meta Llama 2等开源大模型。其中，Amazon Titan沉淀了亚马逊在机器学习、人工智能方面超过25年的实践经验，以构建负责任的模型作为首要原则，可以提供一系列功能强大和经济实惠的模型，为用户提供最好的解决方案。Amazon Titan支持多模态应用，基于Amazon Titan Multimodal Embeddings功能，可以直接创建更丰富的多模态的搜索和应用体验，快速生成、存储和检索嵌入信息，该功能已经商用。

　　Amazon Bedrock支持RAG增强检索生成、定制化微调以及持续预训练等工具能力，能够让生成式AI具备更强的针对性。与此同时，亚马逊云科技还推出了Amazon Bedrock Agents功能，能够把大模型和生成式AI相连接，现在已经正式可用。

　　在最上层的应用层，亚马逊云科技推出了全新的生成式AI助手Amazon Q。Amazon Q可以通过自然语言交互来快速获得答案。出于安全和隐私保护，Amazon Q支持身份识别，需要使用身份和访问权限来进行访问。

　　陈晓建指出，Amazon Q的应用场景非常广泛。比如在开发者场景，开发人员可以询问Amazon Q任何有与产品相关的问题，而且是通过自然语言的方式。“只要问一个简单自然语言的指令，Amazon Q就可以帮助我们生成相应的代码，进而完成一系列操作。”再比如在商业智能BI场景，在Amazon Q的能力加持下，可以通过聊天记录，通过文本的自然语言方式，更轻松的展现BI工作，生成概要总结。

　　“生成式AI时代，用户不仅需要拥有一个强大的模型，还需要拥有一个强大的数据底座。不仅需要全面的数据能力，还需要数据能力能够在不同的环境之中可以打通，在不同的产品之间可以流通。”陈晓建表示，“亚马逊云科技所提供的是一个完整的、全面的、端到端的数据服务，用户需要这样的广度和深度，才不会为了成本、性能和规模去妥协。”