2023年，生成式AI大火，一些原本就致力于AI 赛道的高科技人才，就好像突然被这个时代推了一把，然后卷进历史的洪流中，再也停不下来！

　　▲亚马逊云科技生成式AI全球副总裁，Vasi Philomin博士

　　天才之路

　　“我们最擅长的一点是，可以把任何技术引入企业商业环境，让其真正被用户使用，包括生成式AI。” Vasi Philomin 博士表示，亚马逊云科技致力于生成式AI并不是从零开始，而是基于过去的积累和创新。

　　以Amazon Alexa为例，在90年代还只是一个人机互动产品的初步尝试，现在的用户量已经非常惊人，每周有1亿用户，互动超过10亿次。而从实际应用场景来看，亚马逊云科技在支撑的人机协作的场景有很多，比如：在亚马逊订单履行中心，每天要发送160万个包裹，企业对基础设施以及供应链管理的投资，使得亚马逊在零售业务市场越做越大。

　　作为亚马逊云科技生成式AI全球副总裁，Vasi Philomin博士的感受，与大多数人相同。生成式AI来得太快，被世界认可的幸福来得太突然。

　　如果把时间拨回到1990年，机器学习还比较冷门，但Vasi Philomin博士因为喜欢，所以把这一学科当作主攻专业。当时，因为选专业的问题，还遭到家人和朋友的反对，认为他疯了。之后，他顺利拿到美国马里兰大学帕克分校（University of Maryland, College Park, USA）计算机科学（计算机视觉/机器学习专业）博士学位，以及机械工程和计算机科学两个硕士学位，此外他还拥有75项美国专利。现在，大家对Vasi Philomin博士以及他所从事的事业，发生了180度大转变，认为Vasi Philomin 博士是人工智能领域的一个天才。

　　Vasi Philomin 博士已经在亚马逊云科技工作了六年多，创建了以AI ML为核心业务的事业部。这些年，他参与了很多技术服务的输出，包括语言服务、视觉服务，以及工业监控、企业搜索服务等等。

　　开与合的思考

　　Vasi Philomin 的开场白令人印象深刻，针对大家关心的问题，当生成式AI开启狂卷模式，亚马逊云科技的大模型到底有哪些不同之处？如何确保与客户建立信任关系？

　　Vasi Philomin 博士认为，生成式AI不是一个独立存在的技术，而是需要端到端的一体化技术堆栈能力，这是亚马逊云科技从底层、中间平台层以及上层应用来构建全面服务能力的根本原因。对于用户而言，无需操心底层的基础设施以及平台工具方面的问题，只需要根据自己的业务按需选择，把大模型直接引入企业生产场景。

　　一款大模型不会通吃天下，所以真正满足用户需求的大模型应该是一个拥有诸多产品的模型家族平台，支持本文、图像等不同场景需求。即便一个模型能解决文本和图像等多种需求，对于用户来说，他更希望有多种选择，根据实际的延迟、成本和准确性等要素来选择适合自己的大模型。

　　以TensorFlow为例，这是一个经典的拥抱开源开放的案例，TensorFlow是一个端到端开源机器学习平台。为了满足用户需求，亚马逊云科技对其进行了优化，运行在企业的基础设施上。开发者可以在亚马逊云科技上使用TensorFlow， 增强应用程序的机器学习（ML）功能，更好地进行在计算机视觉（CV）、自然语言处理（NLP）、语音转换等方面开发。

　　只不过，使用通用大模型面临的一个共性问题是，如果竞争对手也使用同样的大模型，那用户的技术投入会得不偿失。所以，亚马逊云科技提供了很多基于企业私有场景的定制化功能。比如：AI模型文本生成模型Amazon Titan Text Express 及Titan Text Lite，还有图像生成模型Titan Image Generator。其中Titan Image Generator除了可以根据文本生成图片之外，还具备图片编辑和隐藏水印功能；Amazon Titan Text Express是“高性价比”的文字生成模型，允许用户最多8000 token输入；Titan Text Lite是一款针对文案写作做重点优化的定制模型，可以提供最多4000 token输入。

　　通过Vasi Philomin博士的采访让我们看到，亚马逊云科技之所以与众不同，是因为方向选择的正确性。大模型不会一家独大，所以亚马逊云科技选择了开放，拥抱更广泛的模型，从生态角度上赢了一局。但广泛模型背后，可能会存在管控和信任的难点，所以亚马逊云科技在大模型的安全性、私有属性、定制化属性上了花费了很多精力，这既是亚马逊云科技过去在企业级领域擅长的点，也是赢得客户信任的关键 。所以，有"开"有"合"，建立全栈能力，亚马逊云科技在大模型的战略选择可谓是“无懈可击”。