生成式 AI 在提升生產(chǎn)力效率方面展現(xiàn)出巨大的潛力，這也使得企業(yè)生產(chǎn)力場(chǎng)景成為過(guò)去兩年生成式 AI 落地速度最快的應(yīng)用領(lǐng)域之一。然而，企業(yè)在初步體驗(yàn)了這一技術(shù)的「嘗鮮」之后，如何確保員工在工作中持續(xù)使用生成式 AI，而不是將其擱置一旁，已成為所有競(jìng)爭(zhēng) AI 基礎(chǔ)設(shè)施的云計(jì)算巨頭們必須思考的重要問(wèn)題。
這就需要回答一個(gè)核心問(wèn)題：「今天企業(yè)在運(yùn)用生成式 AI 時(shí)面臨哪些挑戰(zhàn)？」而在這一話題中，亞馬遜云科技無(wú)疑是最有發(fā)言權(quán)的企業(yè)之一。
在正在進(jìn)行的 re:Invent 大會(huì)上，亞馬遜云科技推出了數(shù)十項(xiàng)生成式 AI 相關(guān)的新產(chǎn)品，涵蓋了從最底層的 AI 算力芯片、模型訓(xùn)練和基礎(chǔ)模型，到中間層的智能體開發(fā)，再到最上層的 AI 應(yīng)用，技術(shù)棧涉及各個(gè)領(lǐng)域。
這些新產(chǎn)品和工具并不是技術(shù)團(tuán)隊(duì)隨意定義的，而是源自過(guò)去一年中數(shù)萬(wàn)客戶提出的各種需求。通過(guò)這些反饋，亞馬遜云科技能夠精準(zhǔn)識(shí)別出客戶面臨的挑戰(zhàn)，并據(jù)此推出符合需求的創(chuàng)新產(chǎn)品。今天企業(yè)引入生成式 AI 的主要挑戰(zhàn)可以歸納為五點(diǎn)，按重要性排序如下：
豐富的選擇權(quán)
更低的部署成本
訓(xùn)練更敏捷、更專業(yè)的小模型
消除幻覺
解決更復(fù)雜的任務(wù)
極客公園總結(jié)了為什么這五大需求成為今天企業(yè)引入生成式 AI 的關(guān)鍵挑戰(zhàn)，并梳理了亞馬遜云科技在本屆大會(huì)上發(fā)布的生成式 AI 新產(chǎn)品和服務(wù)，是如何幫助企業(yè)應(yīng)對(duì)這些關(guān)鍵問(wèn)題。
01 選擇權(quán)大于一切
在當(dāng)?shù)貢r(shí)間周二上午的 Keynote 環(huán)節(jié)中，無(wú)論是馬特加曼還是安迪賈西，在談及企業(yè)部署生成式 AI 時(shí)，都著重強(qiáng)調(diào)了「豐富的選擇（Choice Matters）」對(duì)于客戶的重要性。
這點(diǎn)在亞馬遜云科技的大模型策略中表現(xiàn)得尤為突出。與微軟云和谷歌云等廠商更傾向于依賴自家大模型或頂尖合作伙伴的策略不同，亞馬遜云科技雖然自主研發(fā)了 Titan 和 Nova 系列大模型，并重金投資了 Anthropic 這樣的頂尖大模型開發(fā)商，但其整體策略更注重為開發(fā)者提供一個(gè)多樣化的大模型選擇平臺(tái)，用以構(gòu)建 AI 應(yīng)用。
亞馬遜 CEO 安迪賈西宣布 Amazon Nova 系列大模型 丨來(lái)自：極客公園
加曼指出，豐富的大模型選擇是 Amazon Bedrock 吸引客戶的關(guān)鍵因素之一。他表示：「我們發(fā)現(xiàn)，并非所有客戶都希望使用單一模型。他們更傾向于根據(jù)需求選擇多種不同的模型。有些客戶偏好使用開源模型，比如 Llama 或 Mistral，這使他們能夠自行進(jìn)行微調(diào)；有些客戶的應(yīng)用程序需要圖像處理模型，例如 Stability 或 Titan 提供的模型；還有許多客戶尤其鐘愛最新的 Anthropic 模型，因?yàn)椴簧偃苏J(rèn)為這些模型在通用智能和推理能力方面的表現(xiàn)堪稱市場(chǎng)最佳�！�
而作為亞馬遜云科技最重要的「客戶」，亞馬遜對(duì)此深有體會(huì)。過(guò)去在亞馬遜內(nèi)部構(gòu)建項(xiàng)目中所使用模型的多樣性令人驚訝。亞馬遜給了開發(fā)人員自主選擇的權(quán)利，原本以為大家都會(huì)選擇 Claude 這樣的頂尖模型雖然確實(shí)內(nèi)部也有很多開發(fā)人員選擇了 Claude，但他們也會(huì)采用 Llama、Mistral，以及一些自己開發(fā)的模型。
這其實(shí)并不奇怪。因?yàn)橐恢币詠?lái)，很難出現(xiàn)一種工具能在某個(gè)領(lǐng)域一統(tǒng)天下。就像數(shù)據(jù)庫(kù)領(lǐng)域探討了 10 年，大家依然會(huì)使用各種各樣的關(guān)系型數(shù)據(jù)庫(kù)或者非關(guān)系型數(shù)據(jù)庫(kù)。
而在今年的 re:Invent 上，亞馬遜云科技進(jìn)一步擴(kuò)展了其大模型供應(yīng)庫(kù)。
一方面，亞馬遜云科技發(fā)布了自研大模型 Amazon Nova，并宣布與擅長(zhǎng)視頻生成模型的 Luma AI 以及擅長(zhǎng)代碼生成的 poolside 等大模型開發(fā)商達(dá)成合作，繼續(xù)豐富模型庫(kù)的供應(yīng)商合作伙伴。
另一方面，亞馬遜云科技宣布推出 Amazon Bedrock Marketplace，里面提供了超過(guò) 100 個(gè)來(lái)自全球供應(yīng)商的基礎(chǔ)模型產(chǎn)品，現(xiàn)在用戶可以在 Amazon Bedrock 上選擇和測(cè)試這些新模型，并結(jié)合 Bedrock 上的知識(shí)庫(kù)、FT、Guardrails 等功能，將其部署到 AI 應(yīng)用。
02 更低的部署成本
對(duì)于企業(yè)部署生成式 AI 應(yīng)用而言，計(jì)算成本一直是一個(gè)繞不開的問(wèn)題。雖然今天鮮少有傳統(tǒng)行業(yè)的公司投入數(shù)千萬(wàn)乃至數(shù)億美元預(yù)訓(xùn)練基礎(chǔ)模型，但當(dāng)生成式 AI 應(yīng)用達(dá)到一定規(guī)模，推理成本就成為企業(yè)必須衡量的投入。
今年早些時(shí)候，亞馬遜云科技劇透了第二代自研 AI 計(jì)算芯片 Trainium 2。而在 re: Invent 大會(huì)期間，亞馬遜云科技正式推出 Amazon EC2 Trn2 實(shí)例，相較 GPU 實(shí)例，性價(jià)比提升 30%-40%，這個(gè)計(jì)算實(shí)例包含 16 個(gè) Trainium 2 芯片，每組應(yīng)用實(shí)例可以達(dá)到 20.8 PFlops 的算力；此外還有包含 4 組實(shí)例即包含 64 個(gè) Trainium 2 芯片的 Trainium 2 超級(jí)服務(wù)器（UltraService），浮點(diǎn)運(yùn)算能力可以達(dá)到最高 84.2 PFlops。
更重要的是，Trn 2 芯片有著更低的單位算力成本。在生成式 AI 計(jì)算領(lǐng)域，英偉達(dá)的 GPU 可以占到全球 95% 以上的市場(chǎng)份額。當(dāng)全球范圍內(nèi)所有的生成式 AI 應(yīng)用程序基本都是基于一種芯片構(gòu)建起來(lái)的，大家都迫切希望獲得更高的性價(jià)比，這就是行業(yè)對(duì) Trainium 2 興奮的原因。
亞馬遜云科技 CEO 馬特加曼宣布 Trainiums 3 丨來(lái)自：亞馬遜云科技
此外，亞馬遜云科技還在會(huì)上劇透了下一代算力芯片 Trainium 3。據(jù)悉，該芯片將采用 3nm 先進(jìn)制程工藝，提供兩倍于 Trainium 2 的算力，以及 40% 的單位能效提升。
除了更高性價(jià)比的算力供給，亞馬遜云科技還在致力于利用工具和架構(gòu)層面的優(yōu)化，降低企業(yè)開發(fā)的 AI 應(yīng)用在調(diào)用大模型的過(guò)程中消耗的算力資源。
除此之外，亞馬遜云科技還在會(huì)上發(fā)布了 Prompt Caching，這是一種在大語(yǔ)言模型中存儲(chǔ)和復(fù)用提示詞的技術(shù)。也就是當(dāng)用戶提出相當(dāng)?shù)膯?wèn)題時(shí)，Agent 可以直接調(diào)用此前存儲(chǔ)的結(jié)果，進(jìn)而減少計(jì)算開銷、延遲和成本，特別是在那些需要頻繁使用相同提示的應(yīng)用程序中。Prompt Caching 可以節(jié)省 AI 應(yīng)用近 90% 的推理成本。
03 訓(xùn)練更敏捷、更專業(yè)的小模型
盡管生成式 AI 是一個(gè)創(chuàng)新速度極快的領(lǐng)域，但對(duì)企業(yè)而言，想要在成本、功能上找到完美契合自身用例的模型依然十分困難。
AI 應(yīng)用開發(fā)者希望找到的是一個(gè)延遲低、成本低，但又能滿足專業(yè)要求的模型，但要實(shí)現(xiàn)起來(lái)并不容易。有時(shí)候，開發(fā)者找到了一個(gè)專業(yè)知識(shí)匹配度很高的模型，它很聰明也很不錯(cuò)，可就是價(jià)格偏高，并且運(yùn)營(yíng)速度較慢；又有的時(shí)候，開發(fā)者找到了一個(gè)速度更快、成本更低的模型，但它在功能上又達(dá)不到今天的需求。
人們解決這一問(wèn)題的其中一種方法叫做模型蒸餾。具體做法簡(jiǎn)單來(lái)說(shuō)，就是將一個(gè)特定的問(wèn)題集發(fā)給能力更強(qiáng)的大型模型（比如 Llama 405B 模型），然后把所有的數(shù)據(jù)、答案與問(wèn)題一起用來(lái)訓(xùn)練一個(gè)較小的模型（比如 Llama 8B 模型），使其成為某一特定領(lǐng)域的專家，如此一來(lái)，就能得到一個(gè)規(guī)模更小、運(yùn)行速度更快且知道如何準(zhǔn)確回答特定問(wèn)題集的專業(yè)模型。
這種方法在生成專家模型方面效果確實(shí)不錯(cuò)，但需要機(jī)器學(xué)習(xí)專家來(lái)操作，實(shí)際操作起來(lái)難度頗高，得管理所有的數(shù)據(jù)工作流，要處理訓(xùn)練數(shù)據(jù)、調(diào)整模型參數(shù)，還要考慮模型權(quán)重等，挑戰(zhàn)不小，而亞馬遜云科技希望能讓這一過(guò)程變得更簡(jiǎn)單易行。
模型蒸餾功能丨來(lái)自：極客公園
為此，亞馬遜云科技在會(huì)上宣布在 Amazon Bedrock 中推出模型蒸餾功能。相比于被蒸餾的模型，新模型的運(yùn)行速度能夠提升 500%，成本還能降低 75%，并且用戶只需要將應(yīng)用的示例發(fā)給 Amazon Bedrock，后者會(huì)幫用戶完成所有的剩余工作。
不過(guò)，獲取合適的模型只是第一步，用戶最終的目的不是為了獲取一個(gè)好的模型，而是要讓 AI 應(yīng)用能夠輸出足夠有價(jià)值的結(jié)果。完成這一步不僅需要好的模型，也需要讓企業(yè)過(guò)去積累的數(shù)據(jù)發(fā)揮作用，這也才能真正讓企業(yè)構(gòu)建未來(lái)的差異化競(jìng)爭(zhēng)優(yōu)勢(shì)。
Amazon Bedrock 此前已經(jīng)上線了相關(guān)的 RAG（檢索增強(qiáng)生成）功能，最新發(fā)布了更進(jìn)一步的 GraphRAG（圖像檢索增強(qiáng)生成）。
但要真正實(shí)現(xiàn)這一目標(biāo)，企業(yè)首先需要做好數(shù)據(jù)治理。這是一個(gè)先決條件，只有在確保數(shù)據(jù)質(zhì)量和管理完善的基礎(chǔ)上，各類數(shù)據(jù)才能在增強(qiáng)大模型能力的過(guò)程中發(fā)揮最佳效果。
為此，亞馬遜云科技今年在數(shù)據(jù)治理領(lǐng)域推出了眾多新產(chǎn)品，包括新型數(shù)據(jù)管理工具 Amazon S3 Tables 和便于數(shù)據(jù)查找的元數(shù)據(jù)工具 Amazon S3 MetaData。此外，亞馬遜云科技還進(jìn)一步加強(qiáng)了數(shù)據(jù)系統(tǒng)與 Amazon Bedrock 和 Amazon SageMaker 等開發(fā)系統(tǒng)的整合，使開發(fā)者僅需在一個(gè)系統(tǒng)內(nèi)進(jìn)行簡(jiǎn)單的拖放操作，就能輕松實(shí)現(xiàn) RAG（檢索增強(qiáng)生成）等功能。
04 無(wú)幻覺，1% 都不行
第四是大模型老生常談的問(wèn)題幻覺。實(shí)際上今天阻礙人們將生成式 AI 引入真正的生產(chǎn)環(huán)境（尤其是關(guān)鍵任務(wù)相關(guān)的應(yīng)用場(chǎng)景）的，還有一個(gè)很多人都擔(dān)心的問(wèn)題，那就是模型的幻覺現(xiàn)象。
盡管如今的模型已經(jīng)表現(xiàn)得很不錯(cuò)了，但有時(shí)還是會(huì)出錯(cuò)。當(dāng)你在去年或者前年進(jìn)行概念驗(yàn)證時(shí)，90% 的準(zhǔn)確率或許還能接受，但當(dāng)涉及到生產(chǎn)應(yīng)用程序，深入到具體細(xì)節(jié)時(shí)，這樣的準(zhǔn)確率就不行了。
以保險(xiǎn)行業(yè)為例，假設(shè)你早上走進(jìn)浴室，發(fā)現(xiàn)漏水了，地上全是水，然后你去保險(xiǎn)網(wǎng)站查詢這是否在保險(xiǎn)賠付范圍內(nèi)，作為保險(xiǎn)公司，如果客戶詢問(wèn)這類事件是否能理賠，你必須給出準(zhǔn)確無(wú)誤的回答，這是絕對(duì)不能出錯(cuò)的情況。
所以亞馬遜云科技召集了一組專業(yè)人員，思考是否有可以運(yùn)用的技術(shù)，通過(guò)新的方式來(lái)幫助他們解決這個(gè)問(wèn)題。這組人員研究了各種不同的技術(shù)，其中一種就是自動(dòng)推理。
自動(dòng)推理實(shí)際上是一種能夠從數(shù)學(xué)角度證明某事正確的 AI 形式，通常被用于驗(yàn)證系統(tǒng)是否按照既定要求運(yùn)行，當(dāng)面對(duì)的系統(tǒng)覆蓋面非常大，大到無(wú)法人工逐一查看，且有關(guān)于系統(tǒng)運(yùn)行方式的知識(shí)庫(kù)時(shí)，自動(dòng)推理就能發(fā)揮很大的作用，在必須確保答案準(zhǔn)確無(wú)誤的情況下，它顯得尤為重要。
自動(dòng)推理檢查功能丨來(lái)自：極客公園
會(huì)上，亞馬遜云科技宣布推出自動(dòng)推理檢查功能（Automated Reasoning hecks），它能夠防止因模型幻覺而導(dǎo)致的事實(shí)性錯(cuò)誤。當(dāng)你啟用這些自動(dòng)化推理檢查功能時(shí)，Amazon Bedrock 可以對(duì)模型所做出的事實(shí)陳述進(jìn)行準(zhǔn)確性檢查，這一切都是基于可靠的數(shù)學(xué)驗(yàn)證，并且會(huì)向永不展示得出結(jié)論的依據(jù)。
例如一家保險(xiǎn)公司，決定啟用自動(dòng)化推理檢查功能，要做的就是上傳所有的保單，然后 Amazon Bedrock 內(nèi)部的自動(dòng)化推理系統(tǒng)會(huì)自動(dòng)生成相應(yīng)規(guī)則，接著會(huì)經(jīng)歷一系列大概需要 20 到 30 分鐘的迭代過(guò)程，來(lái)調(diào)整并確定正確的回應(yīng)方式，它會(huì)通過(guò)向開發(fā)者提問(wèn)等方式，真正搞清楚保單的具體運(yùn)作機(jī)制。
回到之前浴室漏水的例子，自動(dòng)化推理系統(tǒng)會(huì)查看反饋結(jié)果，如果模型對(duì)答案不確定，它會(huì)將相關(guān)情況返回，并給出其他提示建議，或者告訴客戶可以怎樣向模型補(bǔ)充信息，只有當(dāng)自動(dòng)化推理檢查確保答案準(zhǔn)確無(wú)誤后，才會(huì)將結(jié)果發(fā)送給客戶，這樣就能百分之百確定發(fā)給客戶的結(jié)果是準(zhǔn)確的，這是在其他地方無(wú)法獲取的功能，這將切實(shí)幫助企業(yè)用戶在把推理功能融入關(guān)鍵任務(wù)應(yīng)用程序時(shí)避免出現(xiàn)問(wèn)題。
05 能解決復(fù)雜任務(wù)
企業(yè)部署生成式 AI 應(yīng)用的最后一道門檻，在于能否開發(fā)出能夠解決復(fù)雜任務(wù)的應(yīng)用。
這點(diǎn)在過(guò)去幾個(gè)月里逐漸成為全行業(yè)的共識(shí)。智能體 Agent 的出現(xiàn)，讓企業(yè)用戶可以非常簡(jiǎn)單的構(gòu)建 AI 應(yīng)用，這也是亞馬遜云科技推出 Amazon Bedrock Agents 的原因。
Amazon Bedrock 讓構(gòu)建智能體以及創(chuàng)建能夠在公司所有系統(tǒng)和數(shù)據(jù)中執(zhí)行任務(wù)的智能體變得十分容易，通過(guò)使用 Amazon Bedrock，企業(yè)用戶只需用自然語(yǔ)言描述想要智能體完成的任務(wù)，它就能快速構(gòu)建出來(lái)，然后智能體便可以處理諸如處理銷售訂單、編制財(cái)務(wù)報(bào)告或者分析客戶留存情況等任務(wù)。
目前這些智能體在處理簡(jiǎn)單任務(wù)（單個(gè)獨(dú)立任務(wù)）時(shí)表現(xiàn)得很不錯(cuò)，客戶也已經(jīng)從 Amazon Bedrock 智能體中獲得了不少收益。但亞馬遜云科技團(tuán)隊(duì)收到的反饋顯示，客戶期望更多，他們希望能夠跨多個(gè)智能體執(zhí)行復(fù)雜任務(wù)，可能涉及數(shù)百個(gè)智能體并行操作，但在當(dāng)下，要協(xié)調(diào)這么多智能體幾乎是不可能的事。
舉個(gè)例子，假如你經(jīng)營(yíng)著一家全球咖啡連鎖店，想要?jiǎng)?chuàng)建一些智能體來(lái)幫助分析開設(shè)新店的風(fēng)險(xiǎn)，那你可能會(huì)創(chuàng)建一系列智能體，比如創(chuàng)建一個(gè)分析全球經(jīng)濟(jì)因素的智能體，一個(gè)查看相關(guān)市場(chǎng)動(dòng)態(tài)的智能體，甚至還可以創(chuàng)建一個(gè)為獨(dú)立門店做財(cái)務(wù)預(yù)測(cè)的智能體。
總的來(lái)說(shuō)，你或許會(huì)創(chuàng)建十幾個(gè)智能體來(lái)針對(duì)一個(gè)地點(diǎn)進(jìn)行分析并返回相應(yīng)信息，這本身是很有價(jià)值的。但當(dāng)這些智能體返回信息后，你還需要將它們整合起來(lái)，分析它們之間的相互關(guān)系，然后再與不同地區(qū)的情況進(jìn)行對(duì)比。
一般情況下，這樣的操作還算可控，但經(jīng)營(yíng)者可能不會(huì)只考察一個(gè)地點(diǎn)，也許是想對(duì)數(shù)百個(gè)潛在的開店地點(diǎn)進(jìn)行分析，而且這些地點(diǎn)還分布在不同的地理區(qū)域。當(dāng)這樣做的時(shí)候，你會(huì)發(fā)現(xiàn)這些智能體可能并非獨(dú)立工作，智能體 A 所掌握的信息或許對(duì)智能體 B 是有價(jià)值的，所以你其實(shí)希望它們能夠相互交互、共享信息�？梢坏┥婕暗綌�(shù)百個(gè)智能體都要進(jìn)行交互、返回?cái)?shù)據(jù)、共享信息、再返回操作時(shí)，整個(gè)管理系統(tǒng)的復(fù)雜程度就會(huì)急劇上升，變得完全難以掌控。
馬特加曼宣布多智能體協(xié)作功能丨來(lái)自：極客公園
但實(shí)現(xiàn)這樣的功能，有巨大的商業(yè)價(jià)值，所以亞馬遜云科技推出了多智能體協(xié)作功能 multi-agent collaboration，后者能夠處理更復(fù)雜的工作流程。就像前面舉的例子一樣，經(jīng)營(yíng)者可以創(chuàng)建一系列專為特定個(gè)性化任務(wù)設(shè)計(jì)的智能體，然后再創(chuàng)建一個(gè)監(jiān)督智能體，負(fù)責(zé)管理智能體訪問(wèn)信息的權(quán)限、確定任務(wù)是按照順序啟動(dòng)還是并行進(jìn)行，并協(xié)調(diào)處理各個(gè)智能體返回的信息，確保智能體之間能夠有效協(xié)作。
金融數(shù)據(jù)分析公司穆迪評(píng)級(jí)與亞馬遜云云科技展開了合作，并對(duì)這個(gè)早期版本進(jìn)行了試用，開發(fā)了一個(gè)可以讓客戶生成全面的財(cái)務(wù)風(fēng)險(xiǎn)報(bào)告的應(yīng)用程序。從結(jié)果而言，過(guò)去完成這樣的工作需要花費(fèi)一名員工大約一周時(shí)間，而使用了多智能體協(xié)作以后，僅用一個(gè)小時(shí)就能完成同樣的任務(wù)，效率得到了極大的提升。
06 結(jié)語(yǔ)
今年的 re:Invent 無(wú)疑是一場(chǎng)令人震撼的盛會(huì)。不少已連續(xù)參與多屆的企業(yè)客戶、技術(shù)人員和工程師都用「震撼」來(lái)形容。甚至連已經(jīng)離開亞馬遜云科技數(shù)年的傳奇 CEO 安迪賈西曾帶領(lǐng)亞馬遜走出困境的關(guān)鍵人物，也時(shí)隔多年再次登上了 re:Invent 的舞臺(tái)。
前三天的活動(dòng)里，亞馬遜云科技發(fā)布了數(shù)十個(gè)生成式 AI 領(lǐng)域和云基礎(chǔ)設(shè)施相關(guān)的新產(chǎn)品和技術(shù)，這些新產(chǎn)品中，單獨(dú)拿出一兩項(xiàng)往往便足以成為一場(chǎng)云服務(wù)公司大型發(fā)布會(huì)的核心內(nèi)容。亞馬遜云科技之所以選擇在一場(chǎng)發(fā)布會(huì)上集中推出如此多的新功能，主要有兩方面原因：一是當(dāng)前 AI 應(yīng)用企業(yè)面臨的問(wèn)題異常復(fù)雜，需要多維度、多場(chǎng)景的解決方案來(lái)應(yīng)對(duì)；二是亞馬遜云科技長(zhǎng)期以來(lái)秉承的「客戶至尚」文化，驅(qū)動(dòng)其以全面的創(chuàng)新滿足客戶需求。
而這種高密度的發(fā)布也從側(cè)面展現(xiàn)了亞馬遜云科技在生成式 AI 領(lǐng)域的巨大資源投入和堅(jiān)定的戰(zhàn)略意圖，表明其在這個(gè)迅速發(fā)展的領(lǐng)域中占據(jù)領(lǐng)先地位的決心。
即將到來(lái)的 2025 年，無(wú)疑將成為生成式 AI 在企業(yè)級(jí)市場(chǎng)大規(guī)模部署的關(guān)鍵節(jié)點(diǎn)。從今年 re:Invent 發(fā)布的眾多應(yīng)用和新功能可以看出，經(jīng)過(guò)幾年的嘗試與探索，生成式 AI 的發(fā)展已經(jīng)邁出了從早期試驗(yàn)階段向產(chǎn)業(yè)落地的轉(zhuǎn)變。這一階段不再僅僅關(guān)注技術(shù)的可行性，而是開始聚焦于如何解決企業(yè)具體的業(yè)務(wù)需求和實(shí)際問(wèn)題。
這些問(wèn)題正被快速解決，標(biāo)志著生成式 AI 不僅作為生產(chǎn)力工具的潛力被驗(yàn)證，更逐漸具備作為核心生產(chǎn)力的能力。換句話說(shuō)，生成式 AI 已經(jīng)逼近了「真正可用」的臨界點(diǎn)，即從概念驗(yàn)證走向大規(guī)模應(yīng)用的邊緣。
