编辑：阿冒

设计：沐由

2022年12月，AI创业公司OpenAI推出了聊天机器人ChatGPT。作为生成式AI在文本领域的实际应用之一，ChatGPT的问世距今不过百天而已，却已经火爆了全球。

君不见，大学生们用它撰写论文，商业人士用它制定提案，诗人们用它创作诗歌，程序员们用它编写代码……网友们纷纷感叹：“只有你想不到的，没有ChatGPT办不成的。”

口说无凭，让真实的数据来说话——上线不到两个月，ChatGPT的全球活跃用户就突破了一亿大关。如此惊人的增长速度，真的是震碎了一地眼镜。

一时间，大量的企业投入到生成式 AI领域，大有“任彼桑田变沧海，一丸丹药定千春”的架势。有人问，创意创作已经无法阻拦人工智能，以后岂不是万千行业都要被彻底颠覆与重构？

愿望很美好，现实很骨感。很可惜，归根到底还是那句话：没有强大和经济的算力，一切无从谈起。

正如亚马逊云科技首席执行官亚Adam Selipsky所言：“生成式AI有可能会改变整个产业，但是它所需的成本和专业知识，使得除了少数几家公司之外，几乎所有公司都无法使用这项技术。”

始于毫末的伟大突破

我们的世界，正处于算力爆发的时代。

以ChatGPT等AI大模型的发展为例，其算力需求大致是每两个月就会增加一倍。这样的增长要求，即便是实现了翻倍的摩尔定律也难以企及，更不消说巨大的成本需求。

我们看到，像谷歌这样的巨头也正在做类似的技术。不过假如将ChatGPT部署到谷歌搜索中，即便是只考虑服务器和网络的前期开销，其成本也将超过1000亿美元。

此时，我们还没有考虑后期的运营及其他成本。据测算，ChatGPT的单次回复至少要花费1美分。在未成为“爆款”前，满足当时100多万用户的需求，公司每天至少需要10 万美元运行成本。然而当用户数高达数亿之后，每年的成本支出就将超过50亿美元。

显然，如此高昂的成本对任何一家企业来说，基本上都是无法接受的，即便是家里有矿也经不起这样折腾。在这种情况下，想要成百上千倍地提升算力，必然需要全新的算力平台。

2月28日，市场调研机构Counterpoint公布了最新的服务器CPU调查报告。该报告的一大亮点，就是在传统的两家芯片厂商之外，亚马逊云科技的排名来到了第三，3.16%的市场份额较2021年提升了近一倍。

虽然看起来与领先者还有比较大的差距，但是科技领域里所有的伟大突破都是起始于毫末。“星星之火，可以燎原”的例证，实际上在计算领域也是被一再验证过的。

需要指出的是，从第一代Amazon Graviton开始，亚马逊云科技就不对外销售，而是将其完全用于对外提供云服务。这也就是说，通过Graviton，在传统的算力之外，亚马逊云科技为广大客户带来了全新且更为普惠的算力。

在去年底举行的亚马逊云科技2022 re:Invent全球大会上，亚马逊云科技自研的基于Arm架构CPU芯片Graviton发布了增强的第三代版本Graviton3E，并将之用于更多的计算实例。

Graviton不仅用于大名鼎鼎的EC2（Amazon Elastic Compute Cloud），当前亚马逊云科技更多的托管服务，譬如最新的容器等都是基于Graviton打造。事实上，很多客户在使用这些服务的时候，已经明显感受到Graviton带来的性价比提升。

人工智能的落地关键

毫无疑问，机器学习正在深刻影响，并且推动着关乎我们工作和生活方方面面的突破。从传统企业到创新企业，每一家公司都在使用机器学习技术解决生存与发展的相关命题。

“不管是智能语音、自动驾驶，抑或是最近火热的AI绘画，所有的AI发展都使得机器学习模型变得越来越复杂。”在日前的一场交流中，亚马逊云科技的技术专家这样表示。

诚然如此。过去几年里，模型的规模不断扩充，参数更是从数亿增加到上千亿个之多，训练和部署这些日益复杂的机器学习模型的高成本，正在将很多企业，尤其是小型创新公司拒之门外。

据介绍，从2017年起，亚马逊云科技的工程师团队就注意到这样的趋势。在他们看来，如果不去尽快满足客户的需求，那么机器学习带来的高昂成本，很快就会成为客户不能承受之重。

为此，亚马逊云科技在2019年设计和推出了Amazon Inferentia，来为机器学习应用程序提供高性能，让广大客户在尽享AI红利的同时，同样能够负担得起。

在芯片的设计和构建方面，亚马逊云科技拥有业界顶尖的团队，在十多年的发展中已经开发出众多优秀的产品，譬如我们前文提到的Graviton系列、Inferentia，以及Amazon Nitro系统等。

作为一种专门用于机器学习推理及驱动的服务器芯片，Inferentia与同类基于 GPU 的服务器相比，提供了更好的性价比、更高的吞吐量和更低的延迟。

同样是在2022 re:Invent全球大会上，亚马逊云科技推出了Inferentia2芯片和Inf2实例。与前代相比，新的Inf2实例的每瓦性能提升45%，吞吐量提升4倍，延时只有1/10，能够支持多达1750亿个参数的超大型复杂深度学习模型。GPT类型的模型？尽管放马过来吧！

虽然机器学习的芯片性能进步很大，但是仍然难以跟上训练复杂度的提升程度，可行的解决方案就是利用分布式多处理器，通过网络进行协同计算、协同训练。

为此，亚马逊云科技还专门构建了用于机器学习的Amazon Trainum芯片，在搭载了16颗Trainum、512GB加速器内存和800GBps的网络带宽之后，Trn1实例充分诠释了它的强大：

与基于GPU的类似实例相比，训练成本降低了50%。以一个具备万亿级参数的大模型进行两周训练为例，GPU服务器P3dn需要600个实例，最新一代GPU实例P4d需要128个实例，但Trn1只需要用96个实例，经济性由此也可见一斑。

在去年底的大会上，亚马逊云科技还推出了基于Trn1的网络优化型实例Trn1n，将网络带宽从800GBps擢升到1600GBps，能够将超过1万个Trainium芯片构建在一个超大规模集群里……

通过以亲民的成本提供强大的性能，亚马逊云科技为客户的创新开辟出全新的途径。

数字经济比拼的是算力

人工智能的火热出圈，并不只是由于最近的ChatGPT点燃。事实上，去年游戏设计师杰森·艾伦通过Midjourney平台创作的画作赢得艺术类比赛一等奖，更是我们记忆里活色生香的例证之一。

在这幅名为《太空歌剧院》的作品中，阳光透过巨大的圆窗照进整个大厅，在一座巴洛克风格的宫殿内，几位女性身着华贵的古典服饰眺望太空。

然而，《太空歌剧院》却是人工智能的作品。尽管业界不乏“艺术创造性工作不应受到机器影响”这样的声音，但是丝毫也不影响一波AIGC热潮的到来。

AIGC（AI Generated Content，人工智能自动生成内容），是继专业生产内容（PGC, Professional-generated Content）、用户生产内容（UGC, User-generated Content）之后的新型内容创作方式。

在创意、表现力、迭代、传播、个性化等方面，AIGC能够充分发挥技术优势，打造出新的数字内容生成与交互形态，现有的AI 绘画、AI 写作，以及前面所说的ChatGPT等，都属于AIGC的具体表现形式。

当然，AIGC并不是只用于聊天、绘画，必然会在大量的探索和尝试之后，转向更有价值的行业应用领域，从而对经济和社会发展产生巨大的影响力。

某种程度上，AIGC 也不只是技术创新或是应用创新，而是一次全新的商业模式创新。在“木头姐”Cathie Wood所率团队撰写的2023年度报告中，列举了12个前景广阔的投资主题，AIGC就名列其中。

由于AIGC的拉动，企业对高算力的需求出现了新一轮的指数级增长——所有人都明白，强大和经济的算力支撑，已经成为AIGC深入发展的必要前提，能够为新一轮的商业创新提供良机。

“临渊羡鱼，不如退而结网。”其实，面对AIGC带来的巨大商机，企业完全不必去自己“结网”。围绕各种需求，亚马逊云科技早已织就了一张张动力强劲的算力网，让数字时代的红利能够普惠到万千企业。

就这样，通过在芯片、服务等方面的不断创新，亚马逊云科技帮助广大客户更深入了解和探索 AIGC在各个领域的实践，实现AIGC的关键趋势洞察和快速落地。

随着我国数字经济的持续快速发展，类似AIGC这样的新业态、新模式和新应用仍在快速涌现，它们也无一例外地对算力提出更高的要求。通过提供强大、经济且绿色的通用与智能算力，亚马逊云科技致力于更多客户的商业成功，全力支持和推动中国数字经济的高质量发展。

点击“阅读原文”，下载《下一代云基础架构白皮书》