亚马逊云科技生成式ai白皮书.pptx

五大关键要素

解锁生成式AI全新机遇

从基础模型到落地的生成式AI应用，需要经过模型训练、模型定制、模型部署、

模型推理等环节。各个环节上的行业参与者均面临着不同程度的基础设施、数据集成、应用场景选择、安全与隐私以及负责任AI方面的挑战：

大模型提供商在训练基础模型的过程中，数据准备工作复杂而耗时，训练基础设施的管理与优化有较高的门槛，且算力成本高昂。对于生成式AI应用开发者而言，需要为应用场景选择最为适配的模型，也需要集成来自不同存储库、不同格式的数据，还需要保障用户数据隐私、模型安全以及生成内容的安全。对于生成式AI应用使用方而言，识别应用场景、利用自有数据与大模型进行交互的过程中如何保证数据安全，如何确保模型生成内容所问即所答，都是其挑战所在。

整体来看，能够帮助生成式AI新生态里的产业参与者加速生成式AI应用落地

的解决方案，必须具备五大要素：

高性价比的基础设施、丰富而灵活的模型选择、使用私有数据实现差异化定制、开箱即用的生成式AI驱动的应用和负责任的AI。关于部署方式，现阶段用户更倾向于从云端开始部署：一方面大模型尚处于早期，模型能力不断突破，云服务能够助力用户快速使用到必威体育精装版的模型能力；另一方面，使用云服务也可以助力用户降低基础设施搭建与运维的时间成本，因此云服务商成为各类玩家构建和部署生成式AI应用的首选合作伙伴。

执行概要

开启云上生成式AI之旅：

有必要尽快将生成式AI融入企业级战略，确定是自建模型还是使用模型定制功能来发挥企业的差异化优势。在参考外部诸如提高生产力、增强用户体验以及优化业务流程成功实践的同时，筛选确定自身应用场景。端到端构建生成式AI应用，则从为应用场景选择模型开始，参考当前的成功实践，选择适当的模型定制路线进行模型的适配与调整，将经过评估验证的模型集成到企业应用系统，并设立评估指标，对应用进行持续迭代。

亚马逊云科技助力释放生成式AI潜力：

亚马逊云科技致力于不断降低机器学习使用门槛，面向生成式AI，公司提供丰富的算力选择与高效的加速训练与推理；在海外区域推出AmazonBedrock助力轻松构建并规模化生成式AI应用，以及企业级生成式AI助手AmazonQ；高度重视为用户提供负责任的AI策略支持。此外，公司也在持续建设端到端的数据基座，以支持生成式AI的数据集成需求。至今，超过1万家客户利用亚马逊云科技AmazonBedrock进行生成式AI创新。

生成式AI应用：热度高、落地慢

1.1近六成企业开始拥抱生成式AI

1.2生成式AI落地不及预期

构建生成式AI应用的现实挑战

2.1生成式AI三类主要参与者

2.2数据准备耗时，训练成本高昂

2.3数据集成复杂，模型适配难，安全要求高

2.4应用场景筛选难，数据隐私安全顾虑，缺乏成功部署实践

云服务助力构建生成式AI应用

3.1落地生成式AI应用的五大关键要素

3.2具备成本效益和领先AI应用的云服务加速构建生成式AI

01

02

03

CONTENTS

01

02

03

05

06

08

09

11

13

14

17

从云端开始构建生成式AI

4.1制定融入生成式AI的人工智能战略

4.2规划生成式AI应用场景

4.3端到端构建生成式AI应用

亚马逊云科技助力企业解锁生成式AI潜力

5.1高性价比且丰富的基础设施加速训练与推理

5.2丰富的模型可选，可基于私有数据差异化定制

5.3生成式AI驱动的应用程序

5.4亚马逊云科技注重负责任的AI

5.5端到端数据基座打通壁垒，让所有应用可治理、可管控

04

05

19

20

22

37

41

43

44

47

50

51

随着生成式AI应用快速进入市场，以及越来越多大模型的不断面世，2023年已经成

为生成式AI的元年：不同区域、各行各业、不同领域的人们开始尝试在工作和生活中使用生成式AI，以探索各种可能性。于企业而言，生成式AI也已经成为从董事会到基层员工都在探讨热议的话题，一些领先的企业甚至已经利用生成式AI技术实现了业绩增长。

生成式AI应用：热度高、落地慢

第一章

01

在2023年第四季度的生成式AI用户调研中，IDC发现，已经有近六成的企业开始拥

抱生成式AI，超过三成企业开始制定潜在应用场景，仅有7%的企业还没有任何举措。

24%的企业表示已经投资生成式AI，并且有相应的预算计划。这些预算可能来自2023年已有的规划，也有些是针对生成式AI新增的预算。

35%的企业表示已经做了一