速途網7月27日訊（報道：喬志斌）近日，亞馬遜云科技近日在紐約峰會上宣布，推出七項生成式AI創新，包括Amazon Bedrock新增基礎模型供應商Cohere和全新基礎模型，以及全新代理（Agents）功能，助力基礎模型完成復雜任務；Amazon EC2 P5實例正式可用，加速生成式AI和高性能計算應用；Amazon OpenSearch Serverless支持全新向量引擎；編程助手Amazon CodeWhisperer與Amazon Glue實現集成；Amazon新增生成式BI功能；分析服務Amazon Entity Resolution正式可用，幫助企業提升數據質量；以及智慧醫療新服務Amazon?HealthScribe助力提升醫療行業生產效率。
生成式AI將深刻改變每個公司的運營方式，標志著人工智能技術發展的新轉折點。亞馬遜云科技此次發布的多項生成式AI新功能，進一步降低了生成式AI的使用門檻，讓無論是業務用戶還是開發者都能從中受益。借助這些新功能，來自千行百業的企業都能更專注于核心業務，提高生產效率，充分釋放數據價值和生成式AI的潛力。
Amazon Bedrock全面擴展，新增全新基礎模型、基礎模型供應商以及代理（Agents）功能
亞馬遜云科技宣布全面擴展其全托管基礎模型服務Amazon Bedrock，包括新增Cohere作為基礎模型供應商，加入Anthropic和Stability AI的最新基礎模型，并發布變革性的新功能Amazon Bedrock代理。
Cohere致力于開發領先的企業AI平臺和前沿基礎模型，其基礎模型可以更直觀地生成、檢索和匯總信息。Anthropic是一家關注AI安全的研究型公司，構建可信、可解釋和可掌控的AI系統。Anthropic已經將其最新的語言模型Claude 2接入到Amazon Bedrock。Stability AI是一家社區驅動的開放式AI公司，提供可通過簡單文本指令創建文本、圖像、音頻、視頻、代碼等的基礎模型。Stability AI將在Amazon Bedrock上發布其最新版文生圖模型套件Stable Diffusion XL 1.0 (SDXL 1.0)。
Amazon Bedrock代理功能將助力開發者輕松創建全托管的人工智能代理（AI Agents）。Amazon Bedrock代理功能可幫助企業加速交付生成式AI應用程序，這些應用程序可以通過對公司系統進行API調用來管理和執行任務。Amazon Bedrock代理功能可以擴展基礎模型以理解用戶請求，將復雜任務分解為多個步驟，開展對話以收集更多信息，并采取行動來滿足用戶請求。借助Amazon Bedrock代理功能，用戶可以為內部或外部客戶自動執行任務，如管理零售訂單或處理保險索賠。例如，有了代理功能，服務電商的生成式AI應用程序不僅能回答簡單問題（如“有藍色夾克嗎？”），還能幫助用戶完成復雜任務（如更新訂單或管理交易）。
Amazon EC2 P5實例正式可用，加速生成式AI和高性能計算應用
亞馬遜云科技宣布Amazon Elastic Compute Cloud (Amazon EC2) P5實例正式可用。這是一款下一代GPU實例，可以滿足客戶在運行人工智能、機器學習和高性能計算工作負載時對高性能和高擴展性的需求。該實例由最新的英偉達H100 Tensor Core GPU提供支持，與上一代基于GPU的實例相比，訓練時間最多可縮短6倍（從幾天縮短到幾小時）。這一性能提升將幫助客戶降低高達40%的培訓成本。
Amazon EC2 P5實例提供8個英偉達H100 Tensor Core GPU，具有640 GB高帶寬GPU內存，同時提供第三代AMD EPYC處理器、2TB系統內存和30 TB本地NVMe存儲。Amazon EC2 P5實例還提供3200 Gbps 的聚合網絡帶寬并支持GPUDirect RDMA，從而能夠繞過CPU進行節點間通信，實現更低的延遲和高效的橫向擴展性能。
適用于Amazon OpenSearch Serverless的向量引擎助力客戶輕松構建現代生成式AI應用
亞馬遜云科技宣布推出適用于Amazon OpenSearch Serverless的向量引擎。正式可用后，該向量引擎支持簡單的API調用，可用于存儲和查詢數十億個嵌入（embeddings）。未來，所有亞馬遜云科技的數據庫都將具有向量功能，幫助客戶簡化運營，方便集成數據。
嵌入應存儲在靠近源數據的位置，一系列因素都將影響企業如何選擇最適合自己的選項，這些因素包括當前數據存儲位置、對數據庫技術的熟悉程度、向量維度的擴展、嵌入的數量和性能需求等。因此，亞馬遜云科技還提供以下選項滿足更高級的向量數據存儲需求：
? Amazon Aurora PostgreSQL兼容版關系型數據庫，支持pgvector開源向量相似性搜索插件
? 分布式搜索和分析服務Amazon OpenSearch，帶有k-NN（k最近鄰）插件和適用于Amazon OpenSearch Serverless的向量引擎
??兼容PostgreSQL的Amazon RDS（Amazon Relational Database Service）關系型數據庫，支持pgvector插件。
Amazon CodeWhisperer與Amazon Glue實現集成，進一步提升開發效率
最近，亞馬遜云科技宣布了Amazon CodeWhisperer正式可用。這是一款AI編程助手，能夠使用底層基礎模型幫助開發人員提高工作效率。它可以根據開發人員使用自然語言留下的注釋和IDE（集成開發環境）中的歷史代碼實時生成代碼建議。此外，亞馬遜云科技還發布了Amazon CodeWhisperer Jupyter擴展程序，為Jupyter用戶在Jupyter Lab和Amazon SageMaker Studio中的Python notebooks生成實時、單行或完整的函數代碼建議。
現在，亞馬遜云科技正式宣布Amazon Glue Studio notebooks支持Amazon CodeWhisperer，幫助Amazon Glue用戶優化使用體驗、提高開發效率。通過Amazon Glue Studio notebooks，開發人員可以用自然語言（英語）編寫特定任務，比如“利用json文件中的內容創建一個Spark DataFrame”。基于此信息，Amazon CodeWhisperer會直接在notebooks中推薦一個或多個可完成此任務的代碼片段。開發人員可以選擇“接受最推薦的建議”，“查看更多建議”或“繼續自己編寫代碼”。
Amazon QuickSight新增生成式BI功能，升級自然語言人機交互
亞馬遜云科技宣布，正在將Amazon Bedrock提供的大語言模型能力與支持自然語言問答的Amazon QuickSight Q相結合，以期在Amazon QuickSight中提供生成式BI功能。該功能很快將在Amazon QuickSight上線，幫助企業輕松探索數據、發現并分享洞察。
借助Amazon QuickSight中新增的生成式BI功能，業務分析師能夠使用自然語言輕松執行日常任務，包括：
? 基于Amazon QuickSight Q全新的視覺創作體驗功能，在幾秒鐘內創建數據可視化圖表；
? 使用自然語言微調和格式化圖表效果；
? 無需學習特定語法，通過自然語言即可創建計算任務。
針對使用儀表盤并需要與之進行交互的業務用戶，亞馬遜云科技還發布了Stories功能，助力業務用戶使用生成式BI的強大能力，通過自然語言提示來生成、定制和共享極具信息量的可視化圖表。
Amazon Entity Resolution正式可用，賦能企業提升數據質量、獲取客戶洞察
亞馬遜云科技宣布Amazon Entity Resolution正式可用。這是一項由機器學習提供支持的分析服務，可以幫助企業輕松分析、匹配和關聯相關記錄，這些記錄可能存儲在應用程序、不同的數據獲取渠道和數據存儲中。Amazon Entity Resolution利用基于規則和機器學習的技術自定義工作流程，并以此匯總消費者、業務和產品信息。業務分析師和開發人員可以通過內置的預配置工作流程快速提高數據準確性，或者通過自定義工作流程來滿足企業需求。借助Amazon Entity Resolution，企業可以更好地了解數據的關聯、匹配和鏈接情況，同時深入挖掘客戶洞察、清晰捕捉供應鏈數據，從而改善運營能力、開展更多有效營銷、做好復雜金融投資決策。亞馬遜云科技還宣布計劃增加兩個Amazon Entity Resolution的合作伙伴LiveRamp和TransUnion，同時增強與Unified ID 2.0開源框架的互操作性。通過這些集成功能，客戶將能更輕松地翻譯或豐富自己的記錄，同時更好地保護信息并減少數據移動。
Amazon HealthScribe利用生成式AI助力構建醫療應用程序
亞馬遜云科技宣布推出Amazon HealthScribe，這是一項符合HIPAA（《健康保險責任與保護法》）要求的新服務，能夠幫助醫療軟件供應商構建臨床應用程序。這些應用程序使用文本識別和生成式AI技術生成臨床文檔，節省醫生時間。借助Amazon HealthScribe，醫療軟件供應商可以通過調用一個API自動創建可靠的記錄、提取關鍵信息（例如醫學術語和藥物），并根據醫患對話創建摘要，然后將這些數據輸入到電子健康記錄（EHR）系統。Amazon HealthScribe由Amazon Bedrock提供支持，使醫療軟件供應商能夠更快、更輕松地將生成式AI功能集成到其應用程序中。在普通醫學和骨科這兩個常見專科，醫療軟件供應商已經開始使用Amazon HealthScribe，它們不再需要管理底層機器學習基礎設施或訓練自己的醫療專屬大語言模型（LLM）。
