就在刚刚九游体育app娱乐，云计较一哥亚马逊云科技，在大模子这件事儿上搞了波大的——

亚马逊 CEO  Andy Jassy躬行站台re:Invent24，发布自家新款 AI 多模态系列大模子，名曰Amazon Nova。

而且是链接涵盖文本对话、图片生成、视频生成，以致奏凯吐露一个小方针：

明天咱们不仅要Speech to Speech，更要Any-to-Any！

举座而言，Amazon Nova 系列中的整个模子，均以功能和尺寸来分离。

先来看下新版顶端基础大模子的"文本对话篇"，一共包含四个杯型：

Amazon Nova Micro：仅限文本对话，主打一个廉价钱和低延伸；

Amazon Nova Lite：低老本的多模态大模子，处理图像、视频和文本输入的速率极快。

Amazon Nova Pro：高性能的多模态大模子，精度、速率和老本最好"配方"，可处理平日的任务。

Amazon Nova Premier：亚马逊最强多模态大模子，可处理复杂的推理任务，也可用于蒸馏客户定制化的模子。

在现场，Andy 也晒出了 Amazon Nova 在 CRAG、BFCL、VisualWebBench 和 Mind2Web 等Benchmarks上得到的分数。

从获利中不出丑出，其在检索增强生成（RAG）、函数调用和智能体应用方面具有较好的性能。

据悉，前三者依然上架亚马逊云科技的"模子工场"Amazon Bedrock，而 Premier 版块则将于 2025 年第一季度推出。

目下也有一些实测依然流出，举例给 Amazon Nova Pro 一句 Prompt：

Write a summary of this doc in 100 words. Then, build a decision tree.

写一篇 100 字的选录。然后，构建一个决策树。

啪的一下，死心就出来了：

再如让 Amazon Nova Pro 证据底下这个团结在沿路的视频：

它给出的谜底是：

The video begins with a view of a rocky shore on the ocean, and then transitions to a close-up of a large seashell resting on a sandy beach.

视频一开动是海洋上的岩石海岸，然后过渡到一个大贝壳躺在沙滩上的特写。

接下来，就是"非文本生成篇"，一共包括两款。

Amazon Nova Canvas，主打的是图像生成，用官方的话来说，是达到了" State-of-the-art "（着手进）的水平：

至于视频生成模子，名叫Amazon Nova Reel，给定一张图片和一句话，即可让它动起来：

而接下来 Andy 的一番话，奏凯让现场不淡定了。

正如咱们刚才提到的，Andy 依然放出了话，Amazon Nova 行将呈现出来的态势是万物齐可生成。

值得细细回味的极少是，亚马逊云科技在生成式 AI 时间中，先前发布自研大模子并不算最吸睛的那一批。

诚然此前也发布过 Amazon Titan 大模子，但模态上也仅限于文本，更多的元气心灵照旧聚焦在了像 Amazon Bedrock、Amazon Q 这么的平台和应用。

而这次，亚马逊云科技却一反常态，以动须相应之势把主流模态全面笼罩，以致一句" Any-to-Any "彰显其宏愿。

为何会如斯？

纵不雅整场发布会，透过亚马逊云科技 CEO Matt Garman 的全程先容，大意不错把谜底总结为——

实力是一直有的，仅仅目下客户有需求了。

Matt Garman 初度以 CEO 身份干预 re:Invent

这又该怎样证据？咱们持续往下看。

算力再升级，价钱很飘逸

先看实力。

算作云计较一哥，算力是亚马逊云科技的看家智力之一。

与传统云劳动厂商不同，其自主研发并优化的专用芯片和数据中心，包括 Graviton 和 Nitro 等独到劳动器主机，为及时计较提供复旧。

而这一次，从芯片到劳动器，基础设施上一系列的更新动作，不错分为三大板块来看——

计较（Compute）、存储（Storage）和数据库（Database）。

在计较层面上，亚马逊云科技先是文书Amazon EC2 Trn2 实例负责可用。

EC2 Trn2 实例摄取了第二代 Trainium 芯片（Trainium2），与上一代 Trn1 实例比较，性能普及显贵。具体来说：

磨练速率提高 4 倍：这一性能普及能灵验减少模子磨练所需时期，加速企业应用落地；

内存带宽提高 4 倍：更强的数据传输智力不错闲散复杂模子对及时数据处理的高条件；

内存容量提高 3 倍：为高参数目模子的运行提供了填塞的计较资源。

此外，Trn2 实例在性价比上比现时基于 GPU 的 EC2 P5e 和 P5en 实例向上30-40%。

每个 Trn2 实例包含 16 个 Trainium2 芯片，192 vCPUs，2 TiB 的内存，以及 3.2 Tbps 的 Elastic Fabric Adapter ( EFA ) v3 收罗带宽，这比上一代责备了高达 35% 的延伸。

针对更高性能需求，亚马逊云科技同期推出了Trn2 UltraServer。

这是一种全新的超大范畴计较产物，每台 UltraServer 包含 64 个 Trainium2 芯片，并通过高带宽、低延伸的  NeuronLink互连齐全了超卓的性能。

这使得 Trn2 UltraServer 成为磨练超大范畴基础模子（如生成式 AI、LLM 等）的理念念遴选。

NeuronLink 是亚马逊云科技独到的收罗互连技巧，它能够将多台 Trainium 劳动器组合成一个逻辑上的单一劳动器，联接带宽可达 2TB/s 的带宽，而延伸仅为 1 微秒。

它的联想非常合乎分散式深度学习任务，在收罗通讯上的优化有助于显贵镌汰磨练时期，普及资源期骗率。

用官方的话来说就是：

这恰是磨练万亿级参数的大型东说念主工智能模子所需要的超等计较平台，独特高大。

在现场，苹果也来为亚马逊站台，机器学习和东说念主工智能高档总监 Benoit Dupin 暗意：

苹果将使用亚马逊云科技的 Trainium2 芯片。

除此除外，在芯片层面上，亚马逊云科技发布了AWS Trainium3 芯片预览版，瞻望于 2025 年负责推出。

据悉，Trainium3 将摄取 3 纳米工艺制造，提供两倍于 Trainium2 的计较智力，并普及 40% 的能效。

在计较（Compute）之后，即是存储（Storage）上的更新。

咱们都知说念，在数据分析和大数据边界，处理和查询大范畴数据集的智力至关迫切。

而传统的数据查询方法在处理海量数据时，通常导致性能瓶颈和经管复杂性，影响了企业的数据驱动决策智力。

为此，亚马逊云科技特地推出了Amazon S3 Tables。

Amazon S3 Tables 提供了一种新的存储形态，专为表格数据联想，复旧使用 Amazon Athena、Amazon EMR 和 Apache Spark 等流行的查询引擎进行浮松查询。

S3 的表存储桶是它的第三种存储桶类型，与现存的通用存储桶和目次存储桶并排；不错将表存储桶视为一个分析仓库，用于存储具有不同模式的 Iceberg 表格。

与自经管的表格存储比较，S3 Tables 不错齐全高达 3 倍的查询性能普及和10 倍的每秒事务处贤达力，同期提供全托管劳动的操作死心。

除此除外，元数据（Metadata）也变得越发迫切，举例电话内部有许多像片，恰是因为通过元数据储存数据，目下不错齐全用当然话语很快找到这张像片。

基于这么的需求，亚马逊云科技推出了Amazon S3 Metadata 的预览版。

Amazon S3 Metadata 提供了一种自动化、易于查询的元数据经管形态，这些元数据险些及时更新，匡助用户整理、识别和使用 S3 数据进行业务分析、及时推理当用等。

它复旧对象元数据，包括系统界说的翔实信息（如大小和对象来源）以及自界说元数据，允许用户使用标签为对象添加产物 SKU、往来 ID 或推行评级等信息。

而这些元数据通常也存储在 S3 Tables 之中。

在计较、存储之后，即是基础设施的第三大板块——数据库（Database）。

有利思的极少是，Matt 在现场共享了一张" OR "照旧" AND "的图，暗意企业在遴选数据库时无数遭遇的贫穷抉择——跨区域一致、高可用性、低延伸，通常只可 3 选 2。

而亚马逊云科技这次给出的答卷是，都不错有。

这就是新式无劳动器分散式数据库Amazon Aurora DSQL，旨在处置传统数据库在扩张性和性能方面的挑战。

Aurora DSQL 结合了传统关整个据库的强一致性和 NoSQL 数据库的分散式扩张智力，提供了以下几个要津上风：

跨区域强一致性和低延伸：摄取了全新的架构，使其能够在多个地舆区域中同期运行，而保抓强一致性。

无穷扩张：能够处理数 TB 到数 PB 级的数据集，适用于任何范畴的企业。

超高可用性：提供 99.999% 的可用性，这对于许多需要高可用性和无缝运行的企业级应用至关迫切。

性能优胜：其跨区域的读写操作比 Spanner 快了四倍。

以上即是亚马逊云科技这次在基础设施上的发力了。

新的积木——推理

如果说把基础设施的三大板块视为三块积木，那么接下来，亚马逊云科技在模子层和应用层方面添加了第四块积木——推理（Inference）。

推理是生成式 AI 责任流的中枢，它指的是将依然磨练好的模子应用到新数据上，进行预测、生成或推断。

Matt 在会上强调：

推理在 AI 模子的应用中变得尤为迫切，尤其是在处理像大型话语模子等复杂模子时，推理条件极高的计较智力和低延伸反馈。

而 Amazon Bedrock 算作亚马逊云科技在模子层的一项 AI 平台劳动，先是与咱们上述的基础设施在推理上保抓了同步。

换言之，Inferentia 和 Trainium 芯片提供的推理的硬件优化，用户不错通过 Amazon Bedrock 浅近造访这些资源。

而至于 Amazon Bedrock 本人，这次也迎来多项智力的升级。

领先就是模子蒸馏（Model Distillation），能够自动化创建针对特定用例的蒸馏模子。

主如果通过从大型基础模子（老师模子）生成反馈，并使用这些反馈来微调较小的基础模子（学生模子），从而齐全常识调停，提高小模子的精准度，同期责备延伸和老本。

其次是多智能体合作（multi-agent collaboration）。

在需要多个智能体处理复杂任务的场景中，经管这些智能体变得具有挑战性，尤其是跟着任务复杂性的增多。

使用开源处置决策的拓荒者可能会发现我方需要手动齐全智能体编排、会话处理、内存经管等复杂操作。

这也恰是亚马逊云科技在 Amazon Bedrock 上推出多智能体合作的起点。具体本性如下：

快速拓荒：无需复杂编码，几分钟内创建、部署和经管协同责任的 AI 智能体。

可组合性：将现存智能体算作子智能体集成到更大的智能体系统中，使它们能够无缝合作以应陈述杂的责任历程。

高效的智能体间通讯：监督智能体不错使用一致的接口与子智能体进行交互，复旧并行通讯以更高效地完成任务。

优化的合作模式：在监督模式和监督加路由模式之间遴选。在路由模式下，监督智能体将奏凯将毛糙央求路由到关联的子智能体，绕过无缺的编排。

临了，亦然更为迫切的极少，即是预防大型话语模子幻觉导致的事实诞妄的功能——自动推理查验（Automated Reasoning checks），这是 Amazon Bedrock Guardrails 中新增的一项功能。

这种新的驻防程序，旨在通过数学考据来确保 LLMs 生成的反馈的准确性，并预防幻觉导致的事实诞妄。

自动推理查验使用基于数学和逻辑的算法考据和推理过程来考据模子生成的信息，确保输出与已知县实一致，而不是基于虚构或不一致的数据。

与机器学习（ML）不同，自动推理提供了对于系统行为的数学保证。

据悉，亚马逊云科技依然在存储、收罗、假造化、身份和密码学等要津劳动边界使用自动推理，举例，自动推理用于负责考据密码齐全的正确性，提高性能和拓荒速率。

在性能方面，Bedrock 还推出了低延伸优化推理，由此，用户不错在使用着手进的大模子基础上，还享受超卓的推感性能。

值得一提的是，Llama 405B 和 Llama 70B 低延伸优化版块，在亚马逊云科技上展现出超过其他云提供商的出色进展。

还有应用层和其它更新

针对拓荒者和企业，亚马逊云科技在应用层上的代表作即是 Amazon Q 了。

针对越来越多的企业寻求从土产货数据中心迁徙到云的痛点，亚马逊云科技在 Amazon Q Developer 上推出了多项新功能。

其中较为引东说念主贵重的就是Transformation for Windows .NET Applications，这项功能使得企业能够更快速地将 .NET 应用智力迁徙到 AWS，同期还能够显贵责备迁徙老本。

Amazon Q 为 .NET 应用智力提供了自动化迁徙器具，能够识别应用智力中可能存在的不兼容问题，生成迁徙策画，况兼自动调节源代码，确保平滑过渡到云霄。这种自动化迁徙大幅提高了责任死心，减少了东说念主为过问。

通过将应用智力从 Windows 迁徙到 Linux，企业能够从简崇高的 Windows 许可用度，责备 TCO（总领有老本）。

Matt 指出，使用 Amazon Q 的企业能够从简多达 40% 的许可老本。

而且迁徙速率比传统手动迁徙快了四倍，大大减少了系统迁徙的停机时期和风险。

除了 Windows 应用的迁徙，亚马逊云科技还推出了 Amazon Q Developer  Transformation for VMware Workloads功能，专为运行在 VMware 上的企业责任负载联想。

通过这一器具，亚马逊云科技不错匡助企业将土产货的 VMware 环境迁徙到云平台。

应用层除外，还有诸如将 AI 和分析作念结合的产物—— Amazon SageMaker。

它算作一个不错帮企业加速 AI 应用的拓荒、磨练和部署的数据科学平台，今天也负责步入了"下一代"。

新一代 SageMaker 的中枢是SageMaker Unified Studio。

这是一个单一的数据和 AI 拓荒环境，它整合了 Amazon Athena、Amazon EMR、AWS Glue、Amazon Redshift、Amazon Managed Workflows for Apache Airflow ( MWAA ) 以及现存的 SageMaker Studio 中的器具和功能。

其次是Amazon SageMaker Lakehouse，不错合股 Amazon S3 数据湖、Amazon Redshift 数据仓库和第三方及合股数据源。

亚马逊云科技的" AI 步法"

在看完本届 re:Invent 整个推行和实力之后，亚马逊云科技在生成式 AI 时间的发展旅途其实也就比较赫然了——

从客户真实切业务需求开赴。

上文种种推行的更新，都是基于"客户的劳动出现了什么问题"，包括计较、存储、数据库上的瓶颈，包括客户在模子上的遴选，再包括应用上的迁徙劳动等等。

瞻念察了背后的实用主义逻辑，也就不难证据，亚马逊云科技为何遴选在这个时期节点上发布一系列多模态大模子，照旧因为客户有需要。

这种需要，具体而言，就是客户在模子上的遴选，毕竟"莫得一个模子不错一统天地"，每个模子都有我方所擅长的边界。

但亚马逊云科技所作念的，是期骗我方在基础设施、器具 / 模子和应用三个层面的深耕和实力，给客户多提供了一个"快、好、省"的选项。

回顾亚马逊云科技的起步，似乎这极少从未变过。

正如 Matt 在大会上回忆的那样：

亚马逊云科技在 2006 年推出时，初创公司是第一批用户，他们总长短常积极地摄取新技巧，况兼能够提供有价值的反馈。

而这种反馈也进一步推进了亚马逊云科技的发展，也有助于证据怎样更好地复旧创业精神。

因此，Matt 在大会中还文书了一个重磅音讯：

将在 2025 年为全国的初创公司提供10 亿好意思元的资金复旧！

One More Thing

本届 re:Invent 臆想6 万东说念主参与，来感受一下这个暖热、这个 feel~

参考纠合：

[ 1 ] https://www.aboutamazon.com/news/aws/amazon-nova-artificial-intelligence-bedrock-aws

[ 2 ] https://aws.amazon.com/blogs/aws/amazon-ec2-trn2-instances-and-trn2-ultraservers-for-aiml-training-and-inference-is-now-available/

[ 3 ] https://aws.amazon.com/blogs/aws/new-amazon-s3-tables-storage-optimized-for-analytics-workloads/

—  完  —

点这里� � 关注我，铭记标星哦～

一键三连「共享」、「点赞」和「在看」

科技前沿进展日日再见 ~