“权威数据显示，2022年我国数字经济规模达50.2万亿人民币，占GDP比重41.5%。”在日前召开的亚马逊云科技“重塑”（re:Invent）会议上，IDC中国副总裁兼首席分析师武连峰表示，这意味着一个企业或产业的产品或服务如果丝毫没有应用到人工智能技术，那么不仅难以变成数字经济增长的一部分，甚至其发展还会受限。
随着生成式人工智能等变革技术的落地，产业的数字化转型成为各行各业创新发展的引擎。如何让变革性技术更快普及？
“最理想的情况是，一个心怀创业理想的大学生在宿舍里也能用上和其他公司一样先进、强大的信息技术功能。”亚马逊云科技大中国区产品部总经理陈晓建表示，云技术作为信息技术的基础设施能够按需、安全、可靠地提供信息技术功能，经济高效地运转，让最新的变革性技术更快普惠。
服务器不在身边，却要存储大量的数据，还要做到可在几分钟之内访问，进行数百万次的“随用随取”，延时需保持在数毫秒之内，这是人工智能大模型数据预训练得以运行的基础。云技术如何保障数据库存储访问的高速、低延时？
“云存储的容量几乎可以无限拓展，与此同时，存储还需具备智能分层的功能，来帮助客户选择适合的存储层级，这样从源头降低了数据管理和调用的复杂性。”陈晓建介绍，亚马逊新版云服务数据访问速度提高10倍，数据请求成本降低50%。如果将数据与计算资源放置在同一个存储区中，就可进一步优化计算性能和成本，提高数据处理速度，为一些请求密集型的工作，比如人工智能机器学习训练和推理、交互式分析等提供无拖延的存储支撑。例如，人工智能和机器学习模型训练通常需要在几分钟内处理数百万张图片和文本行，因此数据访问速度对于大模型训练的计算效率至关重要。将数据复制到实例时，计算基础设施必须保持运行状态，这也导致了计算资源的闲置。为解决这一问题，存储服务推出了创新“存储桶”类型，提高访问速度、降低计算成本。
“支持生成式人工智能更好发展，其底层的芯片、中间的工具、上层的应用这‘三层架构’相较于此前的信息技术架构有了很大的转变。”武连峰表示。大模型可以选择自建，也可以通过开源共享，根据自身需要开发和落地。
“为助力大语言模型与业务相结合，我们做了大量工程化工作。”陈晓建说，在底层提供用于基础模型训练和推理的基础设施，在中间层提供使用基础模型进行构建的工具，在应用层提供利用基础模型构建的应用程序，以塑造生成式人工智能“资源池”。
与此同时，由于大模型训练与运行对于算力需求呈指数倍增长，与计算规模相匹配的高性能芯片也是云服务应用于生成式人工智能的关键。据介绍，亚马逊自研芯片三代比前一代整体性能提高25%，可提供2倍的浮点运算性能，加密工作负载速度提升2倍，为机器学习工作负载提供3倍性能，并可实现120%的网络带宽。
“针对生成式人工智能，云科技、云服务持续推陈出新，进一步推进了数据库、数据分析、AI等全线产品的‘无服务器化’。”艾瑞咨询研究总监王成峰表示，这一转变更加强调生成式人工智能领域的生态打造，为生成式人工智能的发展提供强大能力支撑。
封面新闻丨2023世界智能制造大会提供 “演武场”，300款工业机器人齐上阵开元体育
