2022年底，由美国初创企业OpenAI开发的聊天应用ChatGPT引爆市场，生成式AI成为科技市场热点，，ChatGPT背后是深度学习大模型，其理解和生成文字的能力超过以往AI产品。全球主要云计算公司加入其中，争夺算力、下场开发和销售大模型，云计算市场迎来新一轮竞争热潮，覆盖AI计算所需的算力、算法、数据各层面。
作为全球云计算“一哥”，亚马逊云科技（AWS）亦不能在此轮竞争中落于下风，将机会让与对手。近日，亚马逊云科技全球产品副总裁Matt Wood在上海接受界面新闻等采访时表示，与竞争对手把自研大模型直接落地到云服务上不同，亚马逊云科技积极与第三方合作伙伴合作，使用第三方生成式AI模型，包括Anthropic、AI21Labs和Stability AI等。此外，公司还自研预训练Amazon Titan基础模型，客户可以根据自身需求，在基础模型上使用自身数据，搭建自有模型。这也意味着，亚马逊云科技在把云服务从模型生产端拓展至模型使用端历程中，赋予客户更多选择，绝非单打独斗。
Matt Wood拥有机器学习和生物信息学博士学位，为亚马逊云科技早期员工，最早任职亚马逊云科技欧洲，随后于2010年在西雅图亚马逊云科技总部担任全球副总裁至今，负责公司机器学习和大数据等产品，包括无服务器计算服务AWS Lambda、流式数据处理平台Amazon Kinesis等。
“一种模型并不能决定一切。”Matt Wood称，从应用上来看，他认为企业不必急于绑定一家大模型，不能依赖一个万能的、单一的大型语言模型应对各种任务，“我们认为正确的做法应该是：客户可以访问多个模型，然后根据自己的需求和数据来定制自己的模型。即在大模型基础之上，确保以私密和安全的方式让用户能够定制自己的模型。”
自ChatGPT爆火出圈后，微软、谷歌分别先行公布AI对话机器人争抢用户，随后跟随两者又将大模型用在企业端，开辟云计算新战场。在其他云厂商种种关于AIGC领域的积极行动下，亚马逊云科技似乎仍显“保守”：一方面其生成式AI产品开放程度有限，企业客户难以充分评估；另一方面，仍少有企业领域“标杆客户”对其AIGC服务进行推荐，使得亚马逊云科技在本轮AI竞赛中，声量远逊于对手。
对此，Matt Wood解释称，就生成式AI而言，行业目前还处在一个非常初期的阶段。“生成式AI的发展就像一场马拉松比赛，当比赛刚刚开始时，如果只跑了三四步就断言某某某会赢得这场比赛，这显然是不科学的。这是一场长期的竞争，是一场长跑。”他称，“我们现在还处于非常早期的阶段，要拭目以待。”
4月13日，亚马逊云科技发布了自研大模型Titan，包括了Text和Embeddings两个大语言模型（LLM），分别负责文字处理和用于机器学习的表征向量转化，亚马逊并未公布这两个大语言模型参数规模。而AI云服务Amazon Bedrock使得用户可以通过API来调用Titan和第三方模型，包括了创业公司AI21 Labs、Anthropic、Stability Ai的基础模型。
此外，亚马逊还宣布全面开放AI代码辅助工具CodeWhisperer，对个人开发者免费，AI可以帮助程序员生成大量的无差异代码，从而提高开发效率。亚马逊称，使用该服务的开发者效率提高了57%，成功完成任务的可能性高了27%。该服务目前支持包括了Python、Java和C+等多种计算机语言。
大模型生产门槛极高，在大模型快速迭代、AIGC落地场景已能明显提升效率的情况下，企业客户存在接入大模型服务优化业务的需求。Matt Wood称，诸多行业模型现在在亚马逊云科技的平台之上进行训练，如彭博社的金融领域500亿参数大模型“BloombergGPT”，他认为，这一模式也适用于其他客户，后者根据自己行业来选择相应基础模型，然后对模型进行训练。此外，客户还会根据自身情况来补充添加独有、私有信息，从而使模型的输出结果和自身需求高度相关。
Matt Wood预计，基于Amazon Bedrock的合作趋势，将会有越来越多的第三方模型出现，其中既有自有的第三方模型，也包括开源模型。同时，亚马逊云科技也会提供多个Amazon Titan的模型可供客户选择。他还强调，公司将不会把Amazon Bedrock做成类似应用商店的模型市场，而是精选出最优的模型，保证其低时延、高运维性能等特点。
算力方面，除英伟达GPU，亚马逊云科技亦有自研AI芯片布局，其中成本是该公司向外界传达其自研AI芯片优势的重点。此前，亚马逊发布了基于自研的AI训练芯片Trainium和推理芯片Inferentia2的算力基础设施，亚马逊称采用了Trainium的云服务器将大模型训练成本降低了50%，最多可以将30000个Trainium芯片连接起来提供超过6 exaflops的算力集群，连接带宽可高达1600Gbps，与之相较目前AI服务器之间连接带宽最高水平约为3200Gbps；推理方面，亚马逊称Inferentia2针对大模型推理进行优化，将推理的性价比提高了40%。
面向AIGC和大模型训练，已经是大型芯片公司竞争的焦点，今年初以来，英伟达和AMD均针对生成式AI的生成式AI负载优化的芯片产品，亚马逊云科技如何持续获得云端的性能和成本的优势？Matt Wood告诉界面新闻，芯片仅是整个AI图景的一部分：一方面，客户可以在亚马逊云科技的云上使用英伟达等公司的芯片；另一方面，自研AI训练芯片Trainium在网络互联等领域仍有显著优势，并降低了成本，如基于Trainium的云端实例Trn1n，能够让用户来训练非常非常大型的语言模型，并且成本降低了20%。
