在當(dāng)前AI大模型迅速發(fā)展的背景下，企業(yè)選擇合適的AI大模型是一個復(fù)雜且關(guān)鍵的過程。以下是一些幫助企業(yè)做出明智選擇的建議：
1. "明確需求"： - 首先，企業(yè)需要明確自己的業(yè)務(wù)目標(biāo)和AI應(yīng)用場景。不同的AI大模型在處理自然語言、圖像識別、數(shù)據(jù)分析等方面的能力各有側(cè)重。
2. "性能評估"： - 研究不同AI大模型在特定任務(wù)上的性能表現(xiàn)?？梢酝ㄟ^公開的基準(zhǔn)測試、學(xué)術(shù)論文或第三方評測報告來了解模型的性能。
3. "數(shù)據(jù)兼容性"： - 確保所選模型能夠與企業(yè)的現(xiàn)有數(shù)據(jù)兼容，并且能夠處理企業(yè)特有的數(shù)據(jù)格式和結(jié)構(gòu)。
4. "成本效益分析"： - 考慮模型的部署成本、維護(hù)成本以及可能的擴(kuò)展成本。包括硬件資源、軟件許可、人力成本等。
5. "可解釋性和透明度"： - 選擇那些提供一定可解釋性的模型，這有助于企業(yè)理解模型的決策過程，尤其是在涉及關(guān)鍵業(yè)務(wù)決策時。
6. "安全性"： - 評估模型的安全性，包括數(shù)據(jù)隱私保護(hù)、防止模型被惡意利用等。
7. "社區(qū)和支持"： - 選擇那些擁有活躍社區(qū)和良好技術(shù)支持的模型。這有助于企業(yè)在遇到問題時能夠快速得到幫助。
8. "易用性"： - 考慮模型的易用性，包括是否易于集成到現(xiàn)有系統(tǒng)中，是否有用戶友

相關(guān)內(nèi)容：

文 / 蔣深

隨著人工智能技術(shù)的突破和算力的不斷提升，大模型的應(yīng)用也變得越來越廣泛。用不用AI已經(jīng)不是一個選擇題，而變成了一個必答題。

這幾年來，人工智能在多個領(lǐng)域的應(yīng)用不斷擴(kuò)展，尤其是在自然語言處理（NLP）、計算機(jī)視覺、自動駕駛、醫(yī)療健康等領(lǐng)域，深度學(xué)習(xí)和生成模型的突破為各行業(yè)帶來了變革，也帶來了新的想象空間。

但真正的考驗(yàn)，其實(shí)才剛剛開始。

對很多企業(yè)來說，問題在于：面對幾千款大模型，到底應(yīng)該選哪個？選了一款大模型，可不懂行業(yè)怎么辦？大模型算力成本高昂，企業(yè)如何負(fù)擔(dān)？

一面是企業(yè)級的AI需求開始大量涌現(xiàn)，另一面則是選擇困難，這成為很多企業(yè)數(shù)字化決策部門頭疼的一件事。

選擇大模型，到底難在哪兒？

作為企業(yè)，選擇使用AI大模型與否，牽一發(fā)而動全身。一旦選擇錯了，不僅意味著巨大投入打了水漂，而且還可能意味著在同業(yè)競爭中落了下風(fēng)。

實(shí)際上，很多企業(yè)之所以選擇困難，最大的痛點(diǎn)在于，大模型能否與行業(yè)的know-how相結(jié)合。

每個行業(yè)的業(yè)務(wù)邏輯、術(shù)語和流程具有極高的專業(yè)性。AI模型雖然能生成通用答案，但如何深度嵌入行業(yè)，形成定制化解決方案，對很多AI公司來講都是一塊難啃的“硬骨頭”。

比如在金融行業(yè)中，AI需要理解復(fù)雜的風(fēng)險評估指標(biāo)；而在醫(yī)療領(lǐng)域，準(zhǔn)確診斷要求模型深入學(xué)習(xí)疾病特征和治療路徑。當(dāng)前，企業(yè)多通過數(shù)據(jù)標(biāo)注、微調(diào)模型等方式彌補(bǔ)這一差距，但這些方法代價高且見效慢。

哪怕生成式AI的產(chǎn)品迭代速度極快，但面對企業(yè)級的需求，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。不同的行業(yè)都有獨(dú)特的流程和規(guī)則，而這些往往不是通過簡單的通用算法優(yōu)化或數(shù)據(jù)處理就能掌握的。

更何況，企業(yè)自己組建團(tuán)隊(duì)來開發(fā)和調(diào)整，且不提專業(yè)門檻，所需付出的成本是非常高的，這一點(diǎn)就可能把大量中小企業(yè)排除在AI應(yīng)用的門外。

在這些問題上，許多企業(yè)都在探索有效的解決方案。那么，有沒有一種解決方案，既可以讓企業(yè)輕松上手直接使用大模型，又能根據(jù)企業(yè)自身需求方便地進(jìn)行調(diào)整？現(xiàn)如今，一家全球知名的云廠商，給企業(yè)帶來了一個堪稱“0選擇成本”的解決方案。

在近期舉行的re:Invent 2024大會上，亞馬遜云科技帶來了可謂滿滿一貨架的AI產(chǎn)品：其中涵蓋了從最底層的AI算力芯片、模型訓(xùn)練和推理，到中間層的上百個世界頂流基礎(chǔ)模型，再到最上層的開箱即用的生成式AI應(yīng)用，技術(shù)棧涉及各個領(lǐng)域。

換句話說，亞馬遜云科技直接發(fā)布了一個AI完整版解決方案：對于亞馬遜云科技的企業(yè)用戶來說，在這里可以一站式集齊企業(yè)所需要的全部人工智能產(chǎn)品類型。

其中間層的“大模型超市”，就像山姆超市一樣，通過嚴(yán)格甄選、大量采購、專業(yè)管理等優(yōu)勢，提升了產(chǎn)品質(zhì)量，提高了選擇效率，成本卻可以降低很多，做到了“閉著眼睛買就可以”。亞馬遜云科技的“大模型超市”，就起到了類似作用。

“選擇很重要（Choice Matters）”，正是這次大會的關(guān)鍵詞?？梢娮鳛槿蝾I(lǐng)先的云廠商，亞馬遜云科技對于客戶的需求和痛點(diǎn)也有深刻洞察。

在大會上，亞馬遜云科技新任CEO馬特·加曼（Matt Garman）在他的主題演講中就談到，“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)堪稱市場最佳”。

由此可見，企業(yè)的模型選擇困難，很大原因不在于市面上的模型太多，而是因?yàn)槟軌蚓珳?zhǔn)匹配的模型太少，或者說無法更好地滿足企業(yè)的AI需求。而亞馬遜云科技提供的一站式模型超市，針對企業(yè)使用大模型的難點(diǎn)和痛點(diǎn)進(jìn)行專業(yè)研發(fā)和平臺搭建，如此便可以在很大程度上緩解企業(yè)的大模型焦慮與選擇困難。

實(shí)現(xiàn)“大模型自由”，到底要靠什么

解決了使用什么大模型，只是企業(yè)“上AI”第一步。必須記住，企業(yè)為什么要使用大模型？并非盲目追求技術(shù)潮流或無端增加技術(shù)投入成本，而是為了切實(shí)提升企業(yè)自身的核心競爭力，借助這一技術(shù)創(chuàng)新來優(yōu)化業(yè)務(wù)流程、提高生產(chǎn)效率、增強(qiáng)決策能力，從而帶來實(shí)質(zhì)性的價值增長和競爭優(yōu)勢。

今天來看，“用AI”和“上云”的進(jìn)程十分類似。在云技術(shù)推廣之初，很多企業(yè)對這項(xiàng)技術(shù)都有過疑慮，或者怕花錢，或者怕麻煩，甚至怕添亂。還有一些原因，許多人可能想都想不到。

舉個例子，在亞馬遜云科技創(chuàng)業(yè)初期，由于合規(guī)性、審計、監(jiān)管、安全、加密等考量，大部分的銀行客戶表示愿意采用云計算，但稱可能永遠(yuǎn)不會上云。不過，亞馬遜云科技沒有放棄這些金融客戶，而是花了十年時間來解決銀行客戶清單上的每一個問題。

在大會上，馬特·加曼也說道：“今天，我很自豪地說，許多大型金融公司都是我們的客戶。因此，當(dāng)你在創(chuàng)新時，重要的是要記住，你真的要從客戶開始。你要問他們什么對他們重要，但你不僅僅是交付客戶要求的東西。你要為他們發(fā)明?！?/span>

事情本來就該如此。AI企業(yè)級應(yīng)用的目標(biāo)，是為行業(yè)賦能，而不是增加復(fù)雜性。從這點(diǎn)來看，亞馬遜云科技的“大模型超市”的優(yōu)勢就很明顯了。

從發(fā)布自研大模型Amazon Nova，到宣布與擅長視頻生成模型的Luma AI以及擅長代碼生成的poolside等大模型開發(fā)商達(dá)成合作，再到耗費(fèi)重金投資Anthropic這樣的頂尖大模型開發(fā)商，便可看到，亞馬遜云科技整體策略是，在自主研發(fā)的基礎(chǔ)上，不斷為開發(fā)者提供一個多樣化的大模型選擇平臺，用以構(gòu)建AI應(yīng)用，以滿足企業(yè)用戶的各種不同需求。

相比上線單一的大模型，上線一個隨去隨用的“大模型超市”，當(dāng)然更方便企業(yè)用戶解決各自的業(yè)務(wù)痛點(diǎn)，從而為企業(yè)賦能。

換句話說，在亞馬遜云科技的“大模型超市”里，企業(yè)用戶幾乎可以實(shí)現(xiàn)“大模型自由”，或者說，“免于大模型的恐懼”。他們可以按照企業(yè)不同部門的需求來調(diào)用不同的模型，并根據(jù)所在行業(yè)的特點(diǎn)形成個性化解決方案。

上大模型，如何降本增效？

對企業(yè)來說，是否采用大模型，還有一個很重要的考量，即投入產(chǎn)出比。也就是說，能幫助企業(yè)降本增效的AI，才是有實(shí)際商業(yè)價值的。

企業(yè)首先會考慮，哪些業(yè)務(wù)環(huán)節(jié)可以通過AI來優(yōu)化。這要求對現(xiàn)有流程有深入的理解，并能夠準(zhǔn)確評估引入AI可能帶來的變化。

比如在醫(yī)療領(lǐng)域，AI可以幫助進(jìn)行影像診斷，但前提是必須了解醫(yī)學(xué)圖像的專業(yè)標(biāo)準(zhǔn)以及醫(yī)生的工作方式。在金融行業(yè)，AI可以用于風(fēng)險評估，但這需要理解復(fù)雜的金融市場動態(tài)和監(jiān)管要求。

此外，不同行業(yè)的數(shù)據(jù)結(jié)構(gòu)和質(zhì)量差異很大，有些行業(yè)如制造業(yè)可能擁有大量歷史數(shù)據(jù)，但數(shù)據(jù)格式老舊、分散；而新興行業(yè)如社交媒體則可能面臨數(shù)據(jù)量龐大但噪聲高的問題。因此，AI模型不僅需要具備強(qiáng)大的學(xué)習(xí)能力，還需要能夠靈活應(yīng)對各種數(shù)據(jù)環(huán)境。

對于上述種種問題，企業(yè)上大模型之后，是否能夠在進(jìn)一步降低成本的同時高效地解決？

面對這些集成了巨大復(fù)雜性的“投入產(chǎn)出比”問題，亞馬遜云科技在今年的大會上，直接劇透了下一代算力芯片Trainium 3。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。

除了更高性價比的算力供給之外，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)用大模型的過程中消耗的算力資源。

而從市場數(shù)據(jù)來看，目前也已經(jīng)佐證了亞馬遜云科技“大模型超市”的價值：根據(jù)Menlo Ventures的報告，采用亞馬遜云科技模式的Anthropic在AI模型市場的份額翻倍至24%，而OpenAI的份額從50%下降到34%。

現(xiàn)在，在亞馬遜的“大模型超市”貨架上，不僅上架了“亞馬遜云科技自營”的Nova系列，同時還上線了亞馬遜云科技投資的Anthropic的Claude系列。此外，Amazon Bedrock還提供了Meta的Llama、AI21 Labs的Jurassic、Mistral AI、Technology Innovation Institute的Falcon RW 1B和英偉達(dá)NIM微服務(wù)等100多種業(yè)內(nèi)一流的大模型。

在“自營”和“大店”之外，亞馬遜云科技的“大模型超市”上還有第三方中小賣家，它們足夠懂得行業(yè)的需求，也能最大程度地避免幻覺的出現(xiàn)。比如金融領(lǐng)域的Palmyra-Fin，翻譯明星Solar Pro，多模態(tài)方向的Stable Diffusion、音頻生成方向的Camb.ai，生物學(xué)方向的ESM3生成式生物學(xué)模型，也全部在Amazon Bedrock上架。

在降本的同時，也最大程度地提升了效率。

更安全、更穩(wěn)定的大模型，如何實(shí)現(xiàn)？

還有非常重要卻往往容易被忽略的一點(diǎn)，就是企業(yè)級的大模型應(yīng)用和消費(fèi)級的人工智能應(yīng)用，有一個非常重大的區(qū)別，那就是企業(yè)級需求第一位的是安全和穩(wěn)定。

你可以想象，一個用戶對于AI給出的答案出現(xiàn)明顯錯誤時，可能一笑置之，或者重新進(jìn)行提問，但當(dāng)這種問題屢屢發(fā)生在企業(yè)級大模型身上，毫無疑問會釀成嚴(yán)重的后果，既有可能企業(yè)因此失去寶貴的客戶資源，也有可能使企業(yè)運(yùn)營陷入重大困境?？傊?，這幾乎是不可原諒的錯誤。

當(dāng)模型生成的內(nèi)容與事實(shí)不符、虛構(gòu)或不準(zhǔn)確，這就是所謂大模型的幻覺。對于商用企業(yè)來說，大模型的幻覺將直接影響企業(yè)的具體經(jīng)營業(yè)務(wù)。所以，企業(yè)使用大模型，普遍會把更安全、更穩(wěn)定作為一個選擇標(biāo)準(zhǔn)。

但也必須承認(rèn)，到目前為止大模型的幻覺問題并未得到完全解決，大模型在具體的行業(yè)應(yīng)用上還是可能存在不專業(yè)的概率。

企業(yè)對安全性與穩(wěn)定性的高要求，也是亞馬遜云科技汲汲以求的目標(biāo)。從目前來看，此前介紹的亞馬遜云科技的“大模型超市”其實(shí)就為企業(yè)客戶提供了一個穩(wěn)定選擇——在Amazon Bedrock Marketplace中，提供了超過 100個來自全球供應(yīng)商的基礎(chǔ)模型產(chǎn)品，用戶可以在Amazon Bedrock上選擇并且對這些新模型進(jìn)行測試，并結(jié)合Bedrock上的知識庫、Guardrails等一系列功能，再將其部署到企業(yè)的AI應(yīng)用當(dāng)中。

亞馬遜云科技這些產(chǎn)品矩陣的存在，能夠確保企業(yè)獲得最為專業(yè)和精準(zhǔn)的服務(wù)。

這還不夠，亞馬遜云科技還專門針對大模型的幻覺問題上了“雙重保險”。

在今年的re:Invent大會上，亞馬遜云科技專門推出了自動推理檢查功能（Automated Reasoning checks），它能夠防止因模型幻覺而導(dǎo)致的事實(shí)性錯誤。當(dāng)你啟用這些自動化推理檢查功能時，Amazon Bedrock可以對模型所做出的事實(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，并且還會展示得出結(jié)論的依據(jù)。

全球?qū)I(yè)服務(wù)公司普華永道也正在使用自動推理檢查功能來創(chuàng)建高度準(zhǔn)確、可信且有用的AI助手和智能體，并將其納入到為金融服務(wù)、醫(yī)療保健和生命科學(xué)領(lǐng)域客戶提供的特定行業(yè)解決方案中，包括驗(yàn)證AI生成的合規(guī)內(nèi)容是否符合美國食品藥品管理局（FDA）和其他監(jiān)管標(biāo)準(zhǔn)的應(yīng)用程序。

復(fù)盤AI近幾年來的進(jìn)展，到今天為止，生成式人工智能已經(jīng)從實(shí)驗(yàn)室走向了普及化，越來越多的企業(yè)都開始感受到人工智能所帶來的改變。但是面對門檻極高的AI技術(shù)和各種各樣的AI模型，企業(yè)到底應(yīng)該如何選擇？

一定程度上，選擇即戰(zhàn)略。正如本次大會的關(guān)鍵詞一樣——選擇非常重要（Choice Matters），能否做好選擇，將關(guān)系著所有企業(yè)在AI時代的未來。