“美国有一家铁路公司，过去两年我们一直在交谈。终于，他们这次打电话给我们，希望迅速推进上云迁移。”近日，亚马逊云科技全球客户技术支持与服务副总裁Uwem Ukpong向记者谈及企业上云的最新需求。
一个大背景就是，生成式AI正在席卷千行百业，而要拿到生成式AI的船票，上云通常是第一选择。Uwem Ukpong认为：“首先，企业需要全面拥抱云技术，迁移上云是第一步；第二，企业需要确保数据在统一的数据湖仓中，从而可以高效地利用算力来驾驭数据；最后，寻找潜在的生成式AI技术的应用场景并进行开发概念验证（POC）。”
他还告诉21世纪经济报道记者，部分企业在云技术采纳方面非常慢，但是现在他们面临着来自不同利益相关者和股东的压力，要求在生成式AI方面有所作为，而企业开启生成式AI之旅，就意味着需要上云。
因此，生成式AI也成为云计算市场的新驱动力(4.000, -0.08, -1.96%)。生成式AI需要云端计算，云计算也因为生成式AI重塑服务业态，随着大模型进入云端，模型即服务（MaaS）备受关注。
对此，Forrester副总裁兼首席分析师戴鲲接受21世纪经济报道记者采访时表示：“生成式AI整体竞争将进一步白热化，在从炒作回归价值的商业落地进程中加速市场融合。模型即服务本身不会带来规模化收入增长和服务方式的改变，但会有效推动企业在底层基础设施，诸如计算、存储、网络、数据库、数据湖仓等领域的投入，为厂商以及各行业企业进行客户交互、内部运营，以及生态构建注入新的思路。”
根据Forrester分析，2022年全球云计算厂商在公有云基础设施领域的市场份额前四位是Amazon Web Services（AWS）、Microsoft Azure、Google Cloud和Alibaba Cloud。
其中，亚马逊云科技（AWS）排名第一，在云基础设施上领跑。亚马逊云科技也继续贡献高利润，2023年运营利润达到了246.31亿美元，亚马逊的营业利润为368.52亿美元。
而值得注意的是，随着生成式AI的崛起，看似默默无闻的亚马逊自2023年以来频频出击。去年40亿美元投资OpenAI劲敌Anthropic后，近日继续向Anthropic追加投资27.5亿美元，决心可见一斑。
对于大模型的选择，Uwem Ukpong表示，亚马逊云科技和多家大模型进行合作，包括AI21 Labs、Anthropic、Cohere、Meta、Stability AI、Mistral AI等的基础模型，以及自家的Amazon Titan基础模型。
作为全球云厂商龙头，亚马逊云科技提出了基于生成式AI的三层服务架构。Uwem Ukpong告诉记者，第一层是生成式AI云基础设施，过去五年，亚马逊云科技持续加大在自研芯片方面的投入，比如Amazon Trainium和Amazon Inferentia芯片可以提供在云上训练模型和运行推理的最低成本。除此之外，在GPU方面，NVIDIA多款先进算力均率先在亚马逊云科技落地。
第二层是模型，基于Amazon Bedrock云托管服务，企业可以通过API访问从文本到图像的一系列强大的基础模型；第三层就是生成式AI驱动的应用程序，目前已经推出Amazon Q这一AI助手，可以根据客户业务进行定制，专用于办公场景需要。
可以看到，亚马逊云正从底层基建往上层应用拓展，Uwem Ukpong还指出，2024年亚马逊云科技的布局重点就在Amazon Q和Amazon Bedrock。两者均和生成式AI息息相关，是亚马逊云科技发力AI的重要支点。
与此同时，亚马逊云科技也面临着激烈竞争，排在第二的微软云，在生成式AI风生水起，奋力追赶。微软早早押注OpenAI，继130亿美元投资OpenAI之后，微软又投资了Mistral AI。可见头部厂商也在不断投资AI大模型企业，增加手中的筹码。据悉，Azure在2023年第四季度扩大了对OpenAI最新模型的支持，包括GPT-4 Turbo、GPT-4 with Vision和Dall-E 3，并且提供了微调能力，而AI也推动了Azure的业绩增长。
前三强中的谷歌云也不甘示弱，推出AI大模型Gemini后迅速迭代，在生成式AI的助力之下，谷歌云在2023年第四季度就开始呈现新的增长势头。对于云市场而言，一场关于生成式AI的全面竞赛已经开启。
当前的云计算厂商，正在面临激烈的竞争，从今年的花式降价信息也能看出白热化程度。一直以来，云厂商的差异化竞争愈演愈烈，以往大家主要拼基础设施，或者进行单点突破。
但是目前来看，“一招鲜吃遍天”的时代已经过去了。对于大厂而言，如果只做云，或者只做大模型、只做芯片都会存在短板。事实上，全球巨头们都已经在这些领域有所布局，云和大模型不必多言，芯片的竞赛也更加凶猛。比如谷歌TPU的研发已久，已经推出第五代芯片TPUv5e，用于大模型训练和推理；微软也发布了首款自研AI芯片Azure Maia 100 AI芯片和Cobalt 100 CPU。
大家的共识是，至少要涉足，才能有更多可能性，或者说企业需要懂这个领域，才能更好地开展系统性的AI业务。拓展大模型也好、芯片也好，并非要做成主营业务，但是为长远计不能没有这些产品线，尤其是对大厂来说，需要标配这些要素。
从云基础设施扩展到芯片和大模型的过程中，新的战场已经开启，在生成式AI的征程上，云厂商也有各自路径。戴鲲向记者分析道：“AWS、Azure和GCP在生成式AI发展策略上从AI硬件基础设施投资、AI软件基础设施服务规划、AI基础模型开发、ModelOps服务编排、应用开发赋能、解决方案侧重、模型生态构建、关联开发与应用服务协同、商业投资方式等诸多领域都各有差异。”
Uwem Ukpong告诉记者：“亚马逊云科技一个最大的差异化是具有广泛的模型选择。我们把更多的LLM放到Amazon Bedrock上，为客户提供丰富的自由选择的空间，包括目前Anthropic发布的最新Claude 3模型。”
他还补充道，一方面亚马逊云科技拥有自研芯片的技术，Anthropic选择亚马逊云科技作为其主要云服务提供商，并使用Amazon Trainium和Amazon Inferentia芯片进行训练和部署未来的基础模型。所以可以直接从Anthropic获得很多一手的反馈，用于芯片技术的完善。另一方面，亚马逊云科技在大模型上既有外部的合作伙伴，还有Amazon Titan基础模型，应用范围广泛。
海外大厂在加速推进生成式AI的同时，国内的云厂商如阿里云、华为云、腾讯云、百度智能云等也在迅速抓住AI红利。此前阿里云就发布了基于通义千问的行业大模型；华为云自研了盘古大模型系列；腾讯推出了混元大模型；百度智能云基于千帆大模型平台，推出了7款大模型应用产品，包含百度智能云曦灵数字人(11.500, -0.02, -0.17%)平台、百度智能云客悦智能客服平台、百度Comate代码助手等，各家都在持续迭代和应用中。
谈及中国厂商，戴鲲表示：“中国的云厂商虽然受到高性能GPU芯片可用性、高质量数据可用性、社区生态与创新协同意识不足、创新长期主义认知壁垒、产研高技术人才短缺、整体宏观经济不利影响等多方面因素的制约，在生成式AI的模型核心性能、AI治理、面向AI的数据管理、服务协同编排等多方面总体而言存在差距，但部分领先企业在行业大模型针对包括客户服务、数字人、现代知识管理等特定业务场景的应用落地层面上与国际市场保持同步。”
RSS订阅
