亞馬遜云科技利用生成式AI加速汽車行業(yè)創(chuàng)新

亞馬遜云科技推出了一項新服務Amazon Bedrock，能夠讓客戶更輕松地使用機器學習和AI ，降低開發(fā)者的使用門檻。

機器學習（ML）范式轉變的種子已經(jīng)埋下了幾十年，但隨著可伸縮計算能力的可用性、海量數(shù)據(jù)的爆炸以及機器學習技術的快速進步，汽車和制造業(yè)客戶正在著手對業(yè)務進行重塑。就在不久前，生成式AI應用，引發(fā)了人們的廣泛關注和想象，不過這只是一個開始。為了真正影響行業(yè)，進而惠及消費者，企業(yè)需要擁抱各種可能性，并為其開發(fā)人員提供所需工具。我們正處于一個令人興奮的轉折點 -- 機器學習被廣泛采用，亞馬遜云科技相信生成式AI將重塑大多數(shù)客戶體驗以及應用程序。

在汽車行業(yè)，生成式AI有望幫助改變汽車的設計和開發(fā)方式。作為一種新的人工智能應用方法，生成式AI能夠創(chuàng)造新的內容和想法，包括基于開發(fā)者的指令進行設計類工作的探索。與所有人工智能技術一樣，生成式AI的能力也是由機器學習模型驅動的，這些龐大的模型經(jīng)過海量數(shù)據(jù)的預先訓練，通常被稱為基礎模型（Foundation Models）。當今的基礎模型，如大型語言模型GPT 3.5或BLOOM，以及由Stability AI開發(fā)的文生圖模型Stable Diffusion，都可以執(zhí)行橫跨多個領域的廣泛任務，包括撰寫博客、生成圖像、解決數(shù)學問題、參與對話和基于文檔回答問題等。

在應用于汽車開發(fā)過程時，生成式AI可以幫助汽車制造商快速確定發(fā)動機、輕量化結構和車輛功能等復雜系統(tǒng)的最佳設計選項。借助亞馬遜云服務，汽車制造商現(xiàn)在可以獲取強大的計算資源，以幫助擴展其生成式AI的能力。這篇文章簡要介紹了生成式AI如何幫助汽車主機廠（OEM）進行軟件開發(fā)，以及設計、訓練和測試自動駕駛系統(tǒng)。這些都是亞馬遜云科技正在盡全力積極探索及整合的新技術。

生成式AI與軟件定義汽車之旅

汽車行業(yè)正在越來越廣泛地采用“軟件定義汽車（SDV）”，通過數(shù)百萬行代碼，它為客戶提供更為靈活、響應速度更快的解決方案。在軟件定義汽車的模式下，主機廠通過空中下載（OTA）更新可以持續(xù)為車輛功能進行更新和升級，類似于智能手機通過更新獲取新功能，并隨著時間推移而更加好用。

生成式AI可用于創(chuàng)建和優(yōu)化軟件和控制系統(tǒng)，并幫助提高車輛的硬件性能。隨著車輛代碼變得日益復雜，軟件工程師更應該專注于開發(fā)創(chuàng)新功能，而不是花時間試圖跟上復雜且不斷變化的工具和技術環(huán)境。

汽車行業(yè)客戶可以使用實時AI編程助手Amazon CodeWhisperer。借助生成式AI，Amazon CodeWhisperer可根據(jù)開發(fā)人員使用自然語言編寫的注釋和集成開發(fā)環(huán)境（IDE）中的代碼實時生成建議，幫助提高開發(fā)人員的工作效率。同時，Amazon CodeWhisperer能夠對IDE中的現(xiàn)有代碼進行分析（無論是由CodeWhisperer生成的還是由開發(fā)人員編寫的），高精度地識別其中有問題的代碼，并就如何修復提供智能化的建議。

利用生成式AI幫助客戶達成目標

邁向高度自動化和自動駕駛的旅程，是汽車行業(yè)的一個主要關注點。自動駕駛需要復雜的軟件和硬件系統(tǒng)無縫地協(xié)同工作。在設計和測試這些系統(tǒng)的過程中，生成式AI可以發(fā)揮重要作用。

例如，主機廠可以借助生成式AI來進行模擬，以測試車輛對各種駕駛場景的響應。這些場景可能是極小概率會發(fā)生的情況，或者在現(xiàn)實世界比較極端的情況，測試并不安全（比如，在夜間、雨天和黑暗中差點撞上橫穿馬路的人）。模擬測試不僅可以提高測試效率，還將使汽車企業(yè)得以創(chuàng)建更豐富的測試場景，并有可能提高整個駕駛系統(tǒng)的能力。

云與亞馬遜云科技如何提供幫助？

亞馬遜云科技致力于讓客戶更輕松地使用機器學習和AI，并努力使客戶更容易利用生成式AI進行構建。Amazon Bedrock作為一項新服務，能夠讓客戶通過API訪問來自亞馬遜以及領先AI初創(chuàng)公司（包括AI21 Labs、Anthropic和Stability AI）的基礎模型。Amazon Bedrock是客戶使用基礎模型構建和擴展生成式AI應用程序的最簡單方法之一，降低了所有開發(fā)者的使用門檻?？蛻艨梢酝ㄟ^Bedrock訪問一系列強大的文本和圖像基礎模型（該服務目前提供有限預覽）。

生成式AI需要大量的計算資源和數(shù)據(jù)，而獲取及管理這些資源和數(shù)據(jù)既昂貴又耗時。無論客戶是想運行、構建還是定制生成式AI基礎模型，都需要專門為機器學習構建高性能、高性價比的基礎設施。

亞馬遜云科技客戶可以使用由Trainium提供支持的Amazon EC2 Trn1實例，與其他EC2實例相比，它都可以節(jié)省高達50%的訓練成本。一旦大規(guī)模部署生成式AI模型，大多數(shù)成本將由模型的運行和推理產生。此時，客戶可以使用由Amazon Inferentia2提供支持的Amazon EC2 Inf2實例，這些實例專門針對運行數(shù)千億個參數(shù)模型的大規(guī)模生成式AI應用程序進行了優(yōu)化。