文章來源：量子位
大模型下半場拉開序幕。
Agent成為最受重視的方向。
OpenAI創(chuàng)始成員Andrej Karpathy就在黑客馬拉松演講中表示，相比大模型訓練，OpenAI內(nèi)部目前更關注Agent領域。每當有新的Agent論文出來的時候，團隊都會很興奮并且認真地討論。你們（開發(fā)者們）都正站在Agent開發(fā)的最前沿，這個領域OpenAI也沒什么積累。
什么是Agent？在大模型語境下，可以理解成能自主理解、規(guī)劃、執(zhí)行復雜任務的系統(tǒng)。
以AutoGPT和BabyAGI為代表的技術(shù)演示型項目，今年4月短暫的火了一陣，但離真正應用到業(yè)務中還有一段距離。
現(xiàn)在，Agent第二輪爆發(fā)正在醞釀中，標志就是新一輪應用與場景結(jié)合更緊密了。不出意外，先行動起來的又是編程開發(fā)行業(yè)。最近的熱門開源項目Sweep，直接與GitHub的Issue和Pull Request場景整合，自動“清掃”bug報告和功能請求，直接完成對應代碼。創(chuàng)業(yè)公司中，也有OpenAI支持的Cursor代碼編輯器，把生成代碼抬到了一句話生成整個項目框架的高度。
接下來，Agent也將成為新的起點，成為各行各業(yè)構(gòu)建新一代AI應用必不可少的組成部分。對此，初創(chuàng)公司Seednapse AI創(chuàng)始人提出構(gòu)建AI應用的五層基石理論，受到業(yè)界關注。
Models，也就是我們熟悉的調(diào)用大模型API。
Prompt Templates，在提示詞中引入變量以適應用戶輸入的提示模版。
Chains，對模型的鏈式調(diào)用，以上一個輸出為下一個輸入的一部分。
Agent，能自主執(zhí)行鏈式調(diào)用，以及訪問外部工具。
Multi-Agent，多個Agent共享一部分記憶，自主分工相互協(xié)作。
創(chuàng)業(yè)先鋒之外，連AI基礎設施的巨頭也已經(jīng)開始在Agent上發(fā)力。比如亞馬遜云科技紐約峰會上宣布的Amazon Bedrock Agents新功能，便是這種趨勢最有代表性的體現(xiàn)。
Amazon Bedrock Agents在全托管基礎模型服務的基礎上，又把開發(fā)、部署和管理多個Agent的能力打包集成在一起。如果按照前面的五層基石理論，這類服務相當于直接從第五層開始，大大降低開發(fā)門檻。正如亞馬遜云科技在發(fā)布會上所形容：只用幾次點擊，搞定能執(zhí)行任務的生成式AI應用�？梢灶A見的是，降低了門檻的Agent應用也將在各行各業(yè)全面爆發(fā)。
Agent，AI應用新時代的起點
怎樣才算一個Agent應用？OpenAI華人科學家翁麗蓮給出直觀的“配方”：Agent = 大模型+記憶+主動規(guī)劃+工具使用
以亞馬遜云科技平臺為例，開發(fā)Agent應用首先要根據(jù)具體任務場景給Agent選擇合適的基礎模型。Amazon Bedrock上除了自家的Amazon Titan大模型，還集結(jié)了擅長安全可控的Anthropic、擅長檢索匯總信息的Cohere、以及專攻文生圖的stability.ai等各家模型。
選好后，把要執(zhí)行的任務指令直接用文字描述出來，讓Agent明白要扮演的角色和要完成的目標。
指令可以是包括一系列“問題-思考步驟-行動步驟-示例”的結(jié)構(gòu)化提示詞，在ReAct（協(xié)同推理和行動）技術(shù)支持下，基礎模型可以通過推理和決策找出相應的解決方案。
接下來的重頭戲便是Add Action Group（添加動作組）。Agent要完成的具體任務，以及能使用的工具如企業(yè)系統(tǒng)API、Lambda函數(shù)等都是在這里設置。官方演示中是一個保險索賠管理場景，Agent通過提取未結(jié)索賠的列表、確定每個索賠的未完成文書工作并向保單持有人發(fā)送提醒來管理保險索賠。
所有動作組設置好后，創(chuàng)建Agent和部署都是幾次點擊就能完成。部署完成后，在測試中就可以看到Agent理解用戶請求、將任務分解為多個步驟（收集未結(jié)保險索賠、查找索賠ID、發(fā)送提醒）并執(zhí)行相應的操作。
Amazon Bedrock通過向?qū)浇换ソ缑�，減少了配置基礎模型所需的編碼工作量。動作組提供調(diào)用API實現(xiàn)特定功能，以及使用自己的數(shù)據(jù)構(gòu)建差異化應用程序，又讓基礎模型能夠完成更復雜的實際業(yè)務任務。在整個流程中，還可以配合亞馬遜云科技平臺上的各種安全服務。比如使用PrivateLin建立基礎模型和本地網(wǎng)絡之間的私有連接，所有流量都不會暴露給互聯(lián)網(wǎng)。又通過提供完全托管的服務，讓開發(fā)者不需要管理底層系統(tǒng)就能發(fā)揮基礎模型的能力。最終縮短從基礎模型到實際應用的周期，加速基礎模型為業(yè)務創(chuàng)造的價值。
加速大模型應用，還應關注什么
有了Amazon Bedrock的Agent能力，我們得以快速將大模型投入實際業(yè)務，為企業(yè)實現(xiàn)降本增效或創(chuàng)新。但要真正利用生成式AI的全部價值、發(fā)揮全部潛力，并與其他競爭對手拉開潛力，私有數(shù)據(jù)才是其中根本。換言之，大模型應用落地的關鍵，是企業(yè)自己寶貴的行業(yè)數(shù)據(jù)。如何集成這些豐富的資源到我們的Agent之中，保證我們的大模型應用在執(zhí)行任務時能夠高效訪問到正確的信息是當下每一個企業(yè)都要面對的問題。當然，這一切都必須以保證隱私為前提。除了私有數(shù)據(jù)的集成和調(diào)用，在大模型應用落地的路上，最為底層的支撐，算力，也始終是一個百說不厭的話題。
眾所周知，當下的顯卡資源異常稀缺，且價格不菲。譬如有調(diào)查就發(fā)現(xiàn)，像英偉達的H100，今年4月中旬在海外電商平臺就已炒到超4萬美元，甚至標價6.5萬美元的也不算罕見。無論是購買還是租用，這都成了全球各企業(yè)在探索生成式AI應用上的一大筆支出。如何讓這一筆花銷更為經(jīng)濟實惠？這也是每個企業(yè)的思慮所在。值得關注的是，以馬遜云科技為代表的領先供應商，正在針對生成式AI落地過程中的這些挑戰(zhàn)和痛點提供系統(tǒng)性的解決方案，對上述問題一一破解。
針對個性化數(shù)據(jù)問題，亞馬遜云科技宣布為三款數(shù)據(jù)服務提供向量引擎，用來助力生成式AI應用與業(yè)務整合。我們知道，在生成式AI爆發(fā)之后，向量數(shù)據(jù)庫也實在火爆不已。因為相比傳統(tǒng)的關系數(shù)據(jù)庫，它能給予與模型上下文更相關的響應（如下圖所示）。
亞馬遜云科技這一最新服務，就是將我們的私有數(shù)據(jù)存儲到具有向量引擎的數(shù)據(jù)庫中，在進行生成式AI應用時，通過簡單的API調(diào)用就能方便地查詢企業(yè)內(nèi)部的數(shù)據(jù)。而根據(jù)當前數(shù)據(jù)存儲位置、對數(shù)據(jù)庫技術(shù)的熟悉程度、向量維度的擴展、Embeddings的數(shù)量和性能需求等不同需求，亞馬遜云科技提供了3個選項來滿足：
-Amazon Aurora PostgreSQL兼容版關系型數(shù)據(jù)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(shù)據(jù)庫，支持pgvector插件。
當然，最值得說道的是這次最新推出的Amazon OpenSearch Serverless服務，它最大的優(yōu)點就是讓企業(yè)只關心向量數(shù)據(jù)的存儲和檢索，而不用背上任何底層運維的負擔。解決完數(shù)據(jù)集成問題，在底層支撐上，亞馬遜云科技這次也直接推出H100支持的全新Amazon EC2 P5實例，這一曾經(jīng)對于大多數(shù)企業(yè)都相當難得的算力資源，現(xiàn)在也變得“唾手可得”了。
據(jù)了解，該實例包含8個英偉達H100 Tensor Core GPU，640GB高帶寬GPU內(nèi)存，同時提供第三代AMD EPYC處理器、2TB 系統(tǒng)內(nèi)存和30TB本地NVMe存儲，以及3200Gbps的聚合網(wǎng)絡帶寬和GPUDirect RDMA支持，可實現(xiàn)更低延遲和高效的橫向擴展性能。相比上一代基于GPU的實例，Amazon EC2 P5可以讓訓練時間最多可縮短6倍（從幾天縮短到幾小時），降低高達40%的訓練成本。
再加上亞馬遜云科技之前基于自研芯片發(fā)布的Amazon EC2 Inf2和Amazon EC2 Trn1n等性能也表現(xiàn)不錯的實例，我們在算力需求這一問題上，可以說是有了非常多的按需選擇空間。除了以上這些基礎支持，各種開箱即用的AI服務也不“缺席”：如針對開發(fā)環(huán)節(jié)的AI編程助手Amazon CodeWhisperer，現(xiàn)在它與Amazon Glue實現(xiàn)集成，將AI代碼生成的場景又擴展到一個新人群：數(shù)據(jù)工程師，只需自然語言（比如“利用json文件中的內(nèi)容創(chuàng)建一個Spark DataFrame”），這些開發(fā)人員即可搞定各種任務；再如針對商業(yè)智能（BI）的Amazon QuickSight，也能夠讓業(yè)務分析師們使用自然語言執(zhí)行日常任務，在幾秒鐘內(nèi)創(chuàng)建各種數(shù)據(jù)可視化圖表；還有Amazon HealthScribe，可以用于醫(yī)療行業(yè)生成臨床文檔，節(jié)省醫(yī)生時間。這些工具都是主打讓企業(yè)專注于核心業(yè)務，提高生產(chǎn)效率。
最后，簡單總結(jié)，我們能夠發(fā)現(xiàn)：從今年4月起，亞馬遜云科技就結(jié)合自身定位并基于真實用戶需求出發(fā)，正式宣布進軍生成式AI市場，為一切想要利用生成式AI技術(shù)加速或創(chuàng)新業(yè)務的企業(yè)提供服務。在短短的4個月期間，亞馬遜云科技已推出了各類底座資源，從基礎模型到算力支撐，從私人數(shù)據(jù)存儲到高效開發(fā)工具，應用盡有。而這次在紐約峰會釋出的最新動向，則是繼續(xù)加碼生成式AI應用開發(fā)所需的一切。從Amazon EC2 P5實例代表的算力層、到Amazon OpenSearch Serverless向量引擎、Amazon Bedrock Agents代表的工具層、再到Amazon QuickSight等代表的應用層，一項端到端的解決方案已然形成。在這之中，亞馬遜云科技不斷降低生成式AI的門檻，無論是初創(chuàng)企業(yè)還是傳統(tǒng)行業(yè)，無論是處于生成式AI進程的哪一層，都能在這里找到合適的工具，無需耗費太多精力在底層邏輯之上，便可快速投入實際業(yè)務。如亞馬遜云科技數(shù)據(jù)庫、數(shù)據(jù)分析和機器學習全球副總裁Swami Sivasupamanian所說：
我相信生成式AI將改變每一個應用程序、行業(yè)和企業(yè)。在各行各業(yè)都全力奔赴的這場全新技術(shù)變革之下，亞馬遜云科技的這一系列服務，無疑為普通玩家贏得了寶貴的時間和機會。
我們可以期待：越來越多的生成式AI應用將被開發(fā)出來，生成式AI的創(chuàng)造力也得以滲透到各個領域，去改變、去顛覆每一個行業(yè)。
完
