原创 关注前沿科技 量子位 收录于合集#科技圈都在关注 852 个 #云计算 11 个 #亚马逊云科技 2 个

　　现在AI最火的方向是什么？那必须是AIGC（AI Generated Content，利用人工智能技术来生成内容）▷▲★。

　　产品上，Stable Diffusion 2.0正式发布◆，生成图像质量大幅提升，分辨率也支持到2048x2048甚至更高▪。

　　战略上，与亚马逊云科技达成合作，继续构建图像•，语言，音频▼☆★，视频和3D 内容生成模型。

　　总之在算法以外还有很多让人头痛的地方，这也就是他们选择与亚马逊云科技合作背后的几点考虑了▪■。

　　首先是看中Amazon SageMaker，亚马逊云科技的旗舰级托管式机器学习服务，可以帮助开发者轻松快速地准备数据，并大规模地构建▪▪•、训练、部署高质量机器学习模型。

　　第二是在亚马逊云科技自研的Trainium训练芯片支持下，训练时间和成本可以减少58%。

　　最后是在亚马逊云科技帮助下可以把模型开放给更多学生、研究人员…•=、创业公司和企业▪◇▪。

　　首先来看Amazon SageMaker，今年是其发布的第五年，各行各业已有数百万个机器学习模型使用该服务管理，每月进行数千亿次的预测。

　　Role Manager，可以在几分钟内为SageMaker 用户定义自定义权限，区分算法工程师、运维工程师等不同角色○◆△。

　　Model Cards，可以发现并自动填充诸如训练作业、训练数据集、模型构件和推理环境等细节■★◇，还可以记录模型的详细信息●，例如模型的预期用途=◇▼、风险评级和评估结果▷。

　　Model Dashboard★▲，更是可以通过统一的仪表板监控所有部署的模型▷□▲。

　　接下来是Amazon SageMaker Data Wrangler再次新增40多种新的数据源□，可将汇总和准备机器学习 (ML) 数据所需的时间从数周缩短至几分钟◆。

　　还有一个有意思的更新，是增加对地理空间数据（Geospatialdata）的机器学习支持，如卫星、地图和位置数据。

　　具体来说简化了利用地理空间数据创建、训练和模型部署的全过程▽△…，还可以在Amazon SageMaker的交互式地图上分析和探索、分享机器学习预测结果。

　　最新发布的Amazon EC2 Inf2▽△▪，针对机器学习推理优化的虚拟机实例-=，与上一代Inf1相比有4倍吞吐量提升、延迟降低到十分之一□★▲。

　　Inf2专为部署当今最严苛的深度学习模型而设计，是第一个支持分布式推理的Amazon EC2 实例，在自研Inferentia2推理芯片支持下可以运行高达 1=-●,750 亿参数的大模型。

　　也就是跑个GPT-3级别的大语言模型或者Stable Diffusion这样的图像生成模型等都不在话下。

　　早些时候，亚马逊云科技还发布了Amazon EC2 Trn1，为机器学习训练打造，与基于GPU的同类产品相比，可节省高达50%的训练成本。

　　最底层是对CPU、GPU、自研AI加速芯片等不同算力的兼容，以及对各主流深度学习框架的原生支持。

　　中间Amazon SageMaker，包括机器学习集成开发环境（IDE）▪、模型调试器、模型监视器□、模型分析器（Profiler）★▲◆、AutoML••、特征存储、无代码开发能力以及首个专用的持续集成和持续交付（CI/CD）工具等全面机器学习能力。

　　最上层还有一系列开箱即用的AI服务◇-▷，NLP▪、视觉、语音核心能力▪，以及面向不同应用场景和行业的专业服务，如自动将语音转换为文本的Amazon Transcribe，以及辅助代码开发的Amazon CodeWhisperer。

　　云原生，标准定义是云计算时代一种构建和运行应用程序的方式，充分利用和发挥云计算平台的弹性和自动化优势，结合容器、微服务、无服务器 (Serverless) 等技术来构建现代化应用。

　　包括向下与硬件的沟通工作、向上为上层应用制定好了很多标准和规范•==，软件开发只需面向特定的操作系统▷▪▼，就可以专注于功能实现。

　　到了AI时代•●▽，AI产品更多以服务的形式跑在云上，云计算平台就要承担起这个承上启下的角色，实现AI开发的标准化▽。

　　敏捷□，靠无服务器 (Serverless) 技术可以将管理基础设施的工作全部交给云服务商▽，开发者专注于实现业务逻辑。

　　全面，亚马逊云科技为汽车■☆▼、金融▼▽▷、制造等多个行业提供解决方案▼■，同时有无代码开发平台Amazon SageMaker Canvas等满足不同水平开发者需求。

　　高性价比，这方面有专为机器学习训练打造的训练芯片Trainium、推理芯片Inferentia提高性能△▲，配合弹性可扩展的按需云计算资源分配机制。

　　在此基础上，就可摆脱“小作坊”进一步实现AI的工程化，或者叫MLOps，包括：

　　Gartner咨询公司将AI工程化列为2022年十二大战略性技术趋势，IDC则预测到2024年60%的企业将MLOps用于机器学习工作流▪▪■。

　　操作系统为什么倍受重视？因为在那个位置上-，每一点微小改进都能带来很大的收益。

　　云原生AI格局下▷▷，云计算基础架构也是如此…•，每一点创新都能对AI开发效率带来很大的提升☆。

　　像这的产品和服务创新，每年底的亚马逊云科技re:Invent大会上都会带来数十款。

　　亚马逊云科技也连续12年蝉联Gartner云基础设施和平台服务魔力象限领导者，成为这一魔力象限的最长领跑者◆•▷。

　　看到这里•◆，对AI开发从工具到基础设施，从验证开发到大规模部署全方位加速创新的时代，你期待吗？

　　原标题：《AIGC独角兽官宣联手，支持千亿大模型的云实例发布，“云计算春晚▽○◇”比世界杯还热闹》

　　本文为澎湃号作者或机构在澎湃新闻上传并发布☆，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台◆=…。申请澎湃号请用电脑访问▷。