Amazon.com 首席执行官 Andy Jassy 再次强调公司需要大力投资人工智能基础设施,他表示必须现在投入数十亿美元,才能参与到这场"足以改变我们所知一切的千载难逢的革新"中。
Jassy 在其年度致股东信中表示,现在进行这些投资将确保公司在未来获得丰厚回报。
Amazon 已经在生成式 AI 领域投入巨资,推出了多种面向卖家、企业和消费者的聊天机器人。在经过多次延期和数十亿美元投资后,该公司上个月发布了融入 AI 技术的全新 Alexa 语音助手。
Amazon 还向 AI 初创公司 Anthropic 投资了约 80 亿美元,并将其 Claude AI 模型整合到名为 Alexa+ 的服务中。
在今年 2 月的第四季度财报电话会议上,Amazon 披露计划在 2025 财年将资本支出提升至超过 1000 亿美元,其中"绝大部分"将用于建设 AI 相关的数据中心设施。
在解释这项投资的必要性时,Jassy 重申他的观点:生成式 AI 将"重新定义几乎所有的客户体验",并实现此前只存在于想象中的新体验。
Jassy 写道:"目前部署的早期 AI 工作负载主要集中在提高生产力和避免成本方面 (如客户服务、业务流程编排、工作流、翻译等)。这为企业节省了大量资金。未来,你会看到 AI 改变编程、搜索、购物、个人助理、初级医疗、癌症和药物研究、生物学、机器人、太空、金融服务、社区网络等各个领域的常规模式。"
Jassy 表示,尽管 AI 在某些领域发展迅速,但在许多其他领域仍处于起步阶段。他警告说,如果企业现在不着手规划如何在近期利用 AI 及其未来的"主动能力",就将无法跟上竞争步伐。
"如果你的使命是让客户的生活每天变得更好、更轻松,并且你相信 AI 将重新定义客户体验,那么你就会在 AI 领域进行深入广泛的投资,"Jassy 解释道。
Jassy 表示,这就是为什么公司的云计算业务 Amazon Web Services Inc. (AWS) 正在努力开发 AI 的关键基础组件。例如,AWS 的定制 AI 训练芯片 Amazon Trainium,据称在训练和推理工作负载方面提供了更好的性价比。其他例子还包括 Amazon Bedrock、Amazon SageMaker 以及公司的 Amazon Nova 前沿模型。
"需求增长越快,我们就需要采购更多的数据中心、芯片和硬件,"他写道。"我们提前投入这些资本,尽管这些资产可以使用多年。"
除了大规模投资外,Jassy 表示 Amazon 还必须努力降低客户使用 AI 的成本。
他解释说,最新一代的 AI 训练芯片 Trainium2 已经比现有的基于图形处理器的计算实例提供了 30% 到 40% 更好的性价比。但未来最重要的目标是降低 AI 推理的成本,即 AI 模型的输出或预测成本。
"我们强烈感受到为客户降低推理成本的紧迫性,"Jassy 说。
他认为,通过更高效的芯片以及在模型蒸馏、模型架构和提示缓存等领域的改进,这个目标是可以实现的。
"这就像 AWS 的发展历程,"Jassy 继续说道。"彻底改革计算和存储成本最终导致了单位成本的降低,带来了更多创新、更好的客户体验,以及更多的基础设施支出。"
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。