就在刚刚，云狡计一哥亚马逊云科技，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。

而且是继续涵盖文本对话、图片生成、视频生成，致使径直吐露一个小指标：

夙昔咱们不仅要Speech to Speech，更要Any-to-Any！

全体而言，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蔓延；

Amazon Nova Lite：低资本的多模态大模子，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、速率和资本最好"配方"，可处理粗俗的任务。

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上获得的分数。

从得益中不出丑出，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，前三者仍是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。

面前也有一些实测仍是流出，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 字的摘要。然后，构建一个决策树。

啪的一下，遏抑就出来了：

再如让 Amazon Nova Pro 泄露底下这个并吞在沿途的视频：

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.

视频一运转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 "（起原进）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，径直让现场不淡定了。

正如咱们刚才提到的，Andy 仍是放出了话，Amazon Nova 行将呈现出来的态势是万物都可生成。

值得细细品尝的少许是，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。

天然此前也发布过 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遮蔽，致使一句" 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，或者不错把谜底总结为——

实力是一直有的，仅仅面前客户有需求了。

Matt Garman 初度以 CEO 身份干涉 re:Invent

这又该若何泄露？咱们络续往下看。

算力再升级，价钱很清秀

先看实力。

行为云狡计一哥，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 等特有劳动器主机，为及时狡计提供复旧。

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——

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

在狡计层面上，亚马逊云科技先是秘书Amazon EC2 Trn2 实例阐明可用。

EC2 Trn2 实例罗致了第二代 Trainium 芯片（Trainium2），与上一代 Trn1 实例比较，性能提高显赫。具体来说：

考验速率提高 4 倍：这一性能提高能有用减少模子考验所需时期，加速企业应用落地；

内存带宽提高 4 倍：更强的数据传输武艺不错炫耀复杂模子对及时数据处理的高条款；

内存容量提高 3 倍：为高参数目模子的运行提供了弥漫的狡计资源。

此外，Trn2 实例在性价比上比刻下基于 GPU 的 EC2 P5e 和 P5en 实例高出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 会聚带宽，这比上一代责怪了高达 35% 的蔓延。

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界限狡计产物，每台 UltraServer 包含 64 个 Trainium2 芯片，并通过高带宽、低蔓延的  NeuronLink互连达成了特殊的性能。

这使得 Trn2 UltraServer 成为考验超大界限基础模子（如生成式 AI、LLM 等）的理思选定。

NeuronLink 是亚马逊云科技特有的会聚互连技巧，它能够将多台 Trainium 劳动器组合成一个逻辑上的单一劳动器，诱骗带宽可达 2TB/s 的带宽，而蔓延仅为 1 微秒。

它的联想至极允洽漫衍式深度学习任务，在会聚通讯上的优化有助于显赫镌汰考验时期，提高资源愚弄率。

用官方的话来说就是：

这恰是考验万亿级参数的大型东谈主工智能模子所需要的超等狡计平台，颠倒宏大。

在现场，苹果也来为亚马逊站台，机器学习和东谈主工智能高档总监 Benoit Dupin 暗示：

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，展望于 2025 年阐明推出。

据悉，Trainium3 将罗致 3 纳米工艺制造，提供两倍于 Trainium2 的狡计武艺，并提高 40% 的能效。

在狡计（Compute）之后，等于存储（Storage）上的更新。

咱们都知谈，在数据分析和大数据领域，处理和查询大界限数据集的武艺至关紧迫。

而传统的数据查询方法在处理海量数据时，常常导致性能瓶颈和料理复杂性，影响了企业的数据驱动决策武艺。

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情势，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舛讹查询。

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比肩；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。

与自料理的表格存储比较，S3 Tables 不错达成高达 3 倍的查询性能提高和10 倍的每秒事务处理武艺，同期提供全托管劳动的操作成果。

除此除外，元数据（Metadata）也变得越发紧迫，举例电话内部有好多相片，恰是因为通过元数据储存数据，面前不错达成用天然言语很快找到这张相片。

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、易于查询的元数据料理情势，这些元数据的确及时更新，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，包括系统界说的详备信息（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、走动 ID 或骨子评级等信息。

而这些元数据不异也存储在 S3 Tables 之中。

在狡计、存储之后，等于基础设施的第三大板块——数据库（Database）。

有道理的少许是，Matt 在现场共享了一张" OR "照旧" AND "的图，暗示企业在选定数据库时大都碰到的辛勤抉择——跨区域一致、高可用性、低蔓延，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漫衍式数据库Amazon Aurora DSQL，旨在治理传统数据库在膨胀性和性能方面的挑战。

Aurora DSQL 结合了传统继续数据库的强一致性和 NoSQL 数据库的漫衍式膨胀武艺，提供了以下几个关键上风：

跨区域强一致性和低蔓延：罗致了全新的架构，使其能够在多个地舆区域中同期运行，而保握强一致性。

无穷膨胀：能够处理数 TB 到数 PB 级的数据集，适用于任何界限的企业。

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紧迫。

性能优胜：其跨区域的读写操作比 Spanner 快了四倍。

以上等于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 职责流的中枢，它指的是将仍是考验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紧迫，尤其是在处理像大型言语模子等复杂模子时，推理条款极高的狡计武艺和低蔓延反馈。

而 Amazon Bedrock 行为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握了同步。

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 浅陋拜访这些资源。

而至于 Amazon Bedrock 自身，这次也迎来多项武艺的升级。

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

主如若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），从而达成常识篡改，提高小模子的精准度，同期责怪蔓延和资本。

其次是多智能体团结（multi-agent collaboration）。

在需要多个智能体处理复杂任务的场景中，料理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。

使用开源治理有筹谋的设备者可能会发现我方需要手动达成智能体编排、会话处理、内存料理等复杂操作。

这也恰是亚马逊云科技在 Amazon Bedrock 上推出多智能体团结的起点。具体特色如下：

快速成立：无需复杂编码，几分钟内创建、部署和料理协同职责的 AI 智能体。

可组合性：将现存智能体行为子智能体集成到更大的智能体系统中，使它们能够无缝团结以粗糙复杂的职责经过。

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。

优化的团结模式：在监督模式和监督加路由模式之间选定。在路由模式下，监督智能体将径直将毛糙苦求路由到继续的子智能体，绕过好意思满的编排。

终末，亦然更为紧迫的少许，等于推辞大型言语模子幻觉导致的事实过错的功能——自动推理查验（Automated Reasoning checks），这是 Amazon Bedrock Guardrails 中新增的一项功能。

这种新的遏止设施，旨在通过数学考证来确保 LLMs 生成的反馈的准确性，并推辞幻觉导致的事实过错。

自动推理查验使用基于数学和逻辑的算法考证和推理过程来考证模子生成的信息，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径的数学保证。

据悉，亚马逊云科技仍是在存储、会聚、编造化、身份和密码学等关键劳动领域使用自动推理，举例，自动推理用于阐明考证密码达成的正确性，提高性能和设备速率。

在性能方面，Bedrock 还推出了低蔓延优化推理，由此，用户不错在使用起原进的大模子基础上，还享受特殊的推感性能。

值得一提的是，Llama 405B 和 Llama 70B 低蔓延优化版块，在亚马逊云科技上展现出超越其他云提供商的出色透露。

还有应用层和其它更新

针对设备者和企业，亚马逊云科技在应用层上的代表作等于 Amazon Q 了。

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

其中较为引东谈主瞩办法就是Transformation for Windows .NET Applications，这项功能使得企业能够更快速地将 .NET 应用门径移动到 AWS，同期还能够显赫责怪移动资本。

Amazon Q 为 .NET 应用门径提供了自动化移动用具，能够识别应用门径中可能存在的不兼容问题，生成移动蓄意，况且自动退换源代码，确保平滑过渡到云表。这种自动化移动大幅提高了职责成果，减少了东谈主为骚扰。

通过将应用门径从 Windows 移动到 Linux，企业能够从简好意思妙的 Windows 许可用度，责怪 TCO（总领有资本）。

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

而且移动速率比传统手动移动快了四倍，大大减少了系统移动的停机时期和风险。

除了 Windows 应用的移动，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 上的企业职责负载联想。

通过这一用具，亚马逊云科技不错匡助企业将土产货的 VMware 环境移动到云平台。

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

它行为一个不错帮企业加速 AI 应用的设备、考验和部署的数据科学平台，今天也阐明步入了"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 设备环境，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 中的用具和功能。

其次是Amazon SageMaker Lakehouse，不错调理 Amazon S3 数据湖、Amazon Redshift 数据仓库和第三方及合伙数据源。

亚马逊云科技的" AI 步法"

在看完本届 re:Invent 整个骨子和实力之后，亚马逊云科技在生成式 AI 时间的发展旅途其实也就比较了了了——

从客户的信得过业务需求动身。

上文各样骨子的更新，都是基于"客户的劳动出现了什么问题"，包括狡计、存储、数据库上的瓶颈，包括客户在模子上的选定，再包括应用上的移动劳动等等。

明察了背后的实用主义逻辑，也就不难泄露，亚马逊云科技为何选定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选定，毕竟"莫得一个模子不错一统世界"，每个模子都有我方所擅长的领域。

但亚马逊云科技所作念的，是愚弄我方在基础设施、用具 / 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。

追溯亚马逊云科技的起步，似乎这少许从未变过。

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，他们总瑕瑜常积极地罗致新技巧，况且能够提供有价值的反馈。

而这种反馈也进一步鼓吹了亚马逊云科技的发展，也有助于泄露若何更好地复旧创业精神。

因此，Matt 在大会中还秘书了一个重磅音问：

将在 2025 年为寰球的初创公司提供10 亿好意思元的资金复旧！

One More Thing

本届 re:Invent 揣测6 万东谈主参与，来感受一下这个祥和、这个 feel~

参考荟萃：

[ 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，铭刻标星哦～

一键三连「共享」、「点赞」和「在看」

科技前沿进展日日重逢 ~