云计算的大模型之争,亚马逊云科技落后了?

文丨智能相对论

作者丨沈浪

“OpenAI使用了Azure的智能云服务”——在过去的半年,这几乎成为了微软智能云最好的广告词。

正所谓“水涨船高”,凭借OpenAI旗下的ChatGPT在全球范围内爆发,微软趁势拉了一波自家的云计算业务。2023年二季度,微软旗下Azure云业务营收增长26%,仍维持着较高的增长姿态。

相对来说,作为云计算的开创者,亚马逊云科技则面临着较为窘迫的处境。在一季度营收同比增速降到16%之后,二季度的同比增速仍在下滑,降至12%,创2015年公布云业务数据以来的历史低值。

并非所有的云计算发展路径都按照亚马逊云科技预想的方向前进。大模型的爆发,似乎打乱了这位巨头的节奏,增长失速的处境已经困扰了多个季度。

那么,亚马逊云科技真的在这场大模型之争中落后了?

01、强守基本盘

今年4月,亚马逊云科技发布Amazon Bedrock,正式向大模型领域发起进攻。

Amazon Bedrock这款王牌产品的逻辑类似于“大模型工厂”,用户可以基于该产品服务,在亚马逊高性能基础设施的安全环境中,利用自己的专有数据发现、训练和调整自己的模型,而不需要再去花额外的成本或精力去管理其他事务。

在中国,华为、腾讯等国内云巨头也在做类似的服务。

对于占据行业TOP地位或具备较强生态影响力的厂商而言,这样的思路屡试不爽——凭借原有的技术环境和生态优势(比如成熟的云服务以及商业生态),迅速拉拢其他的新领域力量(比如其他的大模型厂商),形成“借力打力”的效果,从而完成对新领域(比如大模型领域)的扩张。

这样的路径往往也最考验厂商的行业号召力和影响力。而对于亚马逊云科技这样的全球云计算服务龙头而言,这并不是问题。目前,Amazon Bedrock接入了AI21 Labs、Anthropic、Cohere Inc.、Meta Platforms Inc.、Stability AI Ltd.等领先人工智能公司的高性能大模型以及亚马逊云科技自研的定制大模型等等。

用户在Amazon Bedrock上选择好基础模型,写好代码就可以使用亚马逊云科技高性能的基础设施来训练和应用自己的专用大模型,并生成对应的应用。这些基础设施包括了包括亚马逊云科技 Inferentia 支持的 Amazon EC2 Inf1 实例、亚马逊云科技 Trainium 支持的 Amazon EC2 Trn1 实例以及英伟达 H100 Tensor Core GPU 支持的 Amazon EC2 P5 实例。

在基础框架、模型和算力支持之外,亚马逊云科技基于此前云计算体系构建的能力还能为用户提供更多、更强大的开发者工具,比如端到端的数据服务,帮助用户快速、安全、准确地获取数据、处理数据等;AI代码生成服务,有数十亿行公开可用的开源代码供用户使用等等。

这些能力构建的背后,都足以证明亚马逊云科技作为全球云计算服务龙头的深厚沉淀和强大实力。但是,回归大模型领域,亚马逊云科技的战略意图并不算激进,反而有些保守——做了这么多,亚马逊云科技主要还是在用云服务的逻辑和能力去推动第三方大模型的复用和落地,而非主动地去挖掘未来生成式AI的应用潜力。

亚马逊云科技充当了“买铲人”的身份,还是做底层云服务,强守基本盘,把大模型的未来发展空间留给了第三方合作伙伴。

这符合亚马逊云科技一贯的作风,但是这样的作风也注定在短期内亚马逊云科技相比其他更激进的巨头会欠缺一些关注度。

02、中国市场的“隐形巨头”

在中国,亚马逊云科技的关注度就远不如本土的云巨头。

尽管亚马逊云科技位居中国IaaS+PaaS公有云市场(含出海业务)的第二名,但是一旦剔除出海业务,其排名又掉落到了第五,且在国内市场的关注度和讨论度上也远比其他云巨头要少得多。

现阶段,大模型之争在中国云服务市场打得火热,亚马逊云科技虽是入了局,也如同华为、腾讯那般发布了类似“大模型工厂”的平台产品,但是却没有华为、腾讯那样的市场热度。

为什么?抛开品牌因素和环境因素不谈,中国的市场似乎对大模型的发展有着独特判断。

以华为的盘古大模型体系为例,其“5+N+X”三层架构呈现的正是中国市场的应用范式,最底层的“5”代表着华为盘古自研的5个基础大模型,包括自然语言、视觉、多模态、预测、科学计算大模型。

“N+X”对应的N个行业大模型和X类细化场景模型则是在这5个基础大模型上进行延伸和打造。也就是说,中国市场的行业客户推崇的路径实际上是“你做了,且有工具,再带着我做或是教我细化去做”类似的模式,而不是“我这有工具,你来做大模型吧”这种模式。

前者的代表是以华为为代表的本土云厂商,有云业务,也有大模型,能提供相关开发者工具的同时也能提供更细致的建设经验,因而更受本土行业客户的青睐。

而行业客户对后者的印象则停留在了亚马逊云科技的身上,虽有高性价比的开发者工具和基础设施,但是其自研的大模型产品并没有太多声音,在用户心目中不具备认知,也就没有实践经验,无法更好地吸引本土的行业客户。

两相对比之下,亚马逊云科技虽然也是云服务市场的巨头,但却成了中国大模型之争的“隐形巨头”。6月28日,亚马逊云科技在上海举行中国峰会,重点宣传自家的生成式AI服务,但是似乎没有把握好中国本土客户的商业心理,其扎实的产品和优质的服务并没有在中国市场引起太大的水花。

那么,这位全球云巨头在中国就只能继续保持“隐形”。

03、没有唯一的出路

大模型之争虽是趋势,但是云计算的未来出路也并非只有大模型一个。

对比亚马逊云科技、微软智能云、谷歌云三大全球云厂商,在2023年第二季度,营收同比增长势头最好的并非前两者,而是谷歌云,同比增速约为28%。

很显然,微软在大模型领域的发力程度和领先优势都要大于谷歌,但是市场的反馈却一反常态。

目前来看,一方面大模型的落地仍需验证,这一新领域并没有释放出完全的商业价值,很多厂商仍是投入大于产出的状态。另一方面,大模型的落地更注重与行业场景的结合,重点是对垂直业务的深耕,这恰恰是谷歌云在AI领域的优势。

换句话说,亚马逊云科技不必担心现阶段的大模型之争,真正的商业拐点还没有到来。——这或许可以给予这位云巨头一些心理安慰,摆在大模型市场面前的依旧是一片混沌的状态。

反观微软,在大模型领域似乎就有些操之过急的,但是亚马逊云科技若是再迟疑,又显得有些笨拙了。

现阶段,不仅是中国的行业客户和投资者,哪怕是华尔街的金融精英们,在历经几波AI浪潮后,也都更加理性和务实,相比之前更关注AI的落地效果。

从谷歌云的市场反馈来看,谁能解决垂直领域的场景问题,谁就能在这次的大模型之争中撷取更多的市场份额。这对于亚马逊云科技而言,并非完全没有机会。

在亚马逊云科技的平台上,一家名为Eclix Tech 的国际智能营销服务商,正通过使用生成式 AI 帮助进行内容分发,降低了50%电商产品相关的成本,并提升了35%的效率,同时还降低了45%的点击成本。

这是一个相对不错的成绩。或许,对于亚马逊云科技而言,面向大模型之争,应当多向市场讲讲自己能帮助客户群体做些什么,获得什么,而不是谈论自己有什么。

在云计算的大模型之争中,市场更关注云厂商能结合云技术和大模型来为客户带来什么样的效益。现如今,亚马逊云科技已经完成大中华区的换帅工作,储瑞松接替张文翊,担任亚马逊全球副总裁、亚马逊云科技大中华区执行董事。

两人虽然都是技术出身,但是相比张文翊,储瑞松曾担任过百度集团副总裁,负责领导百度阿波罗智能汽车业务。换句话说,储瑞松有过带领本土AI团队从0到1开辟新领域、新业务的项目经验和工作能力,由他来掌舵,或许能让亚马逊云科技更清楚地厘清中国市场的真实动态以及深层需求。

那么,从换帅的动作来看,亚马逊云科技在中国市场或将采用更积极的市场策略,不仅要和本土云巨头抢市场份额,还需要进一步占领用户心智。数据显示,今年上半年,亚马逊云科技大中华区总营收为18亿美元,对比去年同期的15亿美元营收增速不足20%。

摆在亚马逊云科技和储瑞松面前的营收压力,并不低。在大模型之争的现阶段,储瑞松需要为亚马逊云科技找到更接近区域客户和市场的路径。

*本文图片均来源于网络 

#智能相对论  Focusing on智能新产业新服务,这是智能的服务NO.248深度解读

此内容为【智能相对论】原创,

仅代表个人观点,未经授权,任何人不得以任何方式使用,包括转载、摘编、复制或建立镜像。

部分图片来自网络,且未核实版权归属,不作为商业用途,如有侵犯,请作者与我们联系。

•AI产业新媒体;

•澎湃新闻科技榜单月度top5;

•文章长期“霸占”钛媒体热门文章排行榜TOP10;

•著有《人工智能 十万个为什么》

•【重点关注领域】智能家电(含白电、黑电、智能手机、无人机等AIoT设备)、智能驾驶、AI+医疗、机器人、物联网、AI+金融、AI+教育、AR/VR、云计算、开发者以及背后的芯片、算法等。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/163947.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

jstat虚拟机统计信息监控工具

jstat虚拟机统计信息监控工具 1、jstat(JVM Statistics Monitorning Tool) 用于监控虚拟机各种运行状态信息的命令行工具。 它可以显示本地或远程虚拟机进程中的类装载、内存、垃圾收集、JIT编译等运行数据,它是运行期定位虚拟机 性能问题…

Visual Components Robotics OLP解决方案 北京衡祖

Visual Components 引入了“Visual Components Robotics OLP”的重大升级,合并了制造模拟和机器人离线编程。该解决方案利用 Delfoi Robotics 的技术,提高生产率、减少停机时间并减少浪费。 一、探索下一代离线机器人编程软件 自 1999 年以来&#xff0…

Flutter:安装依赖报错doesn‘t support null safety

项目中需要引用http依赖,在pubspec.yaml文件中添加如下信息: 当同步时,报错信息如下: [myflutter] flutter pub upgrade Resolving dependencies... The current Dart SDK version is 3.1.3. Because myflutter depends on http &…

Postman接口测试工具,提高SpringBoot开发效率

文章目录 🌺工具—postman⭐作用🏳️‍🌈安装🎈创建工作空间 🎄简单参数⭐原始方式🎈我们建立springboot项目,输入下面的代码🎈运行 ⭐SpringBoot方式 🎄实体参数&#x…

redis: 记录一次线上redis内存占用过大问题解决过程

引言 记录一次线上redis占用过大的排查过程,供后续参考 问题背景 测试同事突然反馈测试环境的web系统无法登陆,同时发现其他子系统也存在各类使用问题 排查过程 1、因为首先反馈的是测试环境系统无法登陆,于是首先去查看了登陆功能的报错…

flink的AggregateFunction,merge方法作用范围

背景 AggregateFunction接口是我们经常用的窗口聚合函数,其中有一个merge方法,我们一般情况下也是实现了的,但是你知道吗,其实这个方法只有在你使用会话窗口需要进行窗口合并的时候才需要实现 AggregateFunction.merge方法调用时…

MongoDB安装及开发系例全教程

一、系列文章目录 一、MongoDB安装教程—官方原版 二、MongoDB 使用教程(配置、管理、监控)_linux mongodb 监控 三、MongoDB 基于角色的访问控制 四、MongoDB用户管理 五、MongoDB基础知识详解 六、MongoDB—Indexs 七、MongoDB事务详解 八、MongoDB分片教程 九、Mo…

ARPG----C++学习记录03 Section7位置,偏移,函数

Pawn 新建一个Pawn的c类Bird,并且新建一个蓝图 添加一个Capsule(胶囊) 不知道要加啥头文件,去网站找https://docs.unrealengine.com/5.3/en-US/API/Runtime/Engine/Components/UCapsuleComponent/SetCapsuleSize/ 包含文件名字的头…

Linux安装DMETL4

Linux安装DMETL4 产品与环境介绍1 规划安装路径2 DM8安装路径2.1 达梦数据库程序安装路径2.2 初始化达梦数据库2.3 创建数据库用户名 DMETL 3 安装DMETL3.1 查看安装包与授权3.2 安装DMETL程序3.3 DMETL安装日志 4 启动DMETL5 DMETL连接数据库后会自动创建相关资源表6 达梦数据…

视频增强和修复工具 Topaz Video AI mac中文版功能

Topaz Video AI mac是一款使用人工智能技术对视频进行增强和修复的软件。它可以自动降噪、去除锐化、减少压缩失真、提高清晰度等等。Topaz Video AI可以处理各种类型的视频,包括低分辨率视频、老旧影片、手机录制的视频等。 使用Topaz Video AI非常简单&#xff0c…

Java操作redis常见类型数据存储

一&#xff0c;Java连接Redis 1.1 导入依赖 打开IDEA在pom.xml导入依赖 注意&#xff1a;要在dependencies标签中导入 <dependency><groupId>redis.clients</groupId><artifactId>jedis</artifactId><version>2.9.0</version> &…

【elasticsearch+kibana基于windows docker安装】

创建网络&#xff1a;es和kibana容器互联 docker network create es-net加载镜像 docker pull elasticsearch:7.12.1运行 docker run -d --name es -p 9200:9200 -p 9300:9300 -e "discovery.typesingle-node" -e ES_JAVA_OPTS"-Xms512m -Xmx512m" -v $…