关键字: [symposium, Amazon Bedrock, Generative Ai Applications, Autonomous Mobility Data, Software Defined Vehicles, Digital Customer Experience, Product Engineering Innovation]
本文字数: 2600, 阅读完需: 13 分钟
导读
在一场亚马逊云科技的活动上,演讲者阐释了”开启由生成式人工智能驱动的创新之旅”。演讲者探讨了生成式人工智能如何革新各个行业,尤其是汽车和制造业领域;详细解释了生成式人工智能如何节省时间、加快决策、提高业务敏捷性和推动技术创新。演讲重点阐述了亚马逊云科技如何通过Amazon Bedrock、大型语言模型和SageMaker等生成式人工智能解决方案,加速软件开发、优化客户体验、提升运营效率和增强产品工程能力。
演讲精华
以下是小编为您整理的本次演讲的精华,共2300字,阅读时间大约是12分钟。
大规模数据激增和计算能力大幅提高。在汽车行业,演讲者强调了从数百万辆行驶在路上的车辆收集的海量数据,包括各种传感器采集的数据。此外,他还提及为自动驾驶和自动系统收集的大量数据,目前正被传输至云端。制造业也产生了大量数据,因为产品沿着生产线移动。
可扩展计算资源与数据的融合为机器学习的突破性创新铺平了道路,从而导致了这一临界点。随后,演讲者展示了IDC的数据,说明了企业投资人工智能的实时转变和日益增长的趋势。2023年,约20%的企业已经开始投资GenAI。这一数字预计将在2024年翻一番,超过40%,到2025年,近70%的企业预计将探索如何在日常运营中利用GenAI。
GenAI开启了一个新的范式,人类可以以更自然的方式与计算机互动。正如Yasser所言,机器现在能够用人类自身的语言与人类对话,利用人类的数据来解决新颖有趣的问题。GenAI投资已成为全球优先事项,40%的客户已经在未来18个月内投资,另外40%正在使用各种模型进行测试和开发概念验证,这与之前分享的数据一致。
在2023年,人们被生成式人工智能(GenAI)的蓬勃发展所吸引,从而对其应用产生了浓厚的兴趣。当与客户交谈时,他们最初对GenAI的本质感到好奇,尽管见过引人入胜的聊天机器人,但缺乏对这项技术的全面理解。新的角色,如提示工程师和基础模型专家,在企业内部出现,引发了人们对GenAI能力、商业应用以及作为学术工具的潜力的根本疑问。
然而,演讲者的团队迅速开发了一个包含100多个用例的库,展示了GenAI在商业环境中的适用性。他们与客户进行了各种概念验证,使2022年成为实验和测试该技术边界的一年。相比之下,2024年见证了从GenAI投资中产生切实的商业价值的转变。公司现在正在优先考虑项目,并探索如何利用GenAI和特定模型来产生真正的影响。
成本、模型大小和准确性已成为关键考虑因素。演讲者强调平衡这三个指标的重要性,因为对每个应用程序都使用可用的最大模型可能会造成昂贵、速度较慢,并且可能无法带来预期的商业价值。因此,重点已转移到成本、性能和准确性作为GenAI采用的三个关键指标。
在2024年,演讲者的团队已成功将几个客户的生产应用程序与GenAI整合,在许多领域产生了商业价值。随后,他深入探讨了GenAI正在产生影响的具体方式,首先是客户需求。根据演讲者的说法,95%的客户通过利用GenAI数据节省了时间。交互式聊天机器人极大地加快了从庞大的信息存储库中检索数据的速度。决策是另一个关键方面,像Amazon Q这样的工具使企业客户能够根据生成的见解(如建立销售预测和董事会演示报告)快速做出决策。
通过GenAI的应用,企业的敏捷性也得到了增强,使决策过程更加迅速,同时减少了技术债务。演讲者举例说明,一些客户正在利用GenAI来减少系统中的代码量,并对使用已过时语言编写的50多年历史的遗留主机应用程序进行现代化改造。GenAI使这些客户能够加快主机迁移的步伐,将原本需要7年的时间缩短至2到3年,从而提高了业务敏捷性。
技术创新是GenAI取得重大进展的另一个领域,演讲者承诺将在演讲后期提供具体示例。
在汽车和制造业领域,演讲者指出GenAI正在产生重大影响的五个关键领域:
- 软件定义的车辆和设备:这不仅包括车辆,还包括制造车间的软件定义设备和控制器。演讲者强调了车辆软件安全性的重要性,这已成为全球标准。
- 自动驾驶移动性:演讲者对中国武汉在自动驾驶创新方面取得的成就表示赞赏。他强调自动驾驶移动性应用需要大量的传感器数据。
- 数字化客户体验:GenAI正在改变公司与客户互动和提供体验的方式。
- 智能运营:GenAI正在提高车间和制造设施的运营效率。
- 产品工程:GenAI正在帮助软件和硬件开发人员更快地构建产品并将其推向市场。
演讲者将使用案例按领域分为三大类:文本到文本、文本到图像以及优化功能调用/流程改进/生成式设计。
文本到文本应用包括传统的聊天机器人技术、辅助软件开发人员的编码助手,以及通过集成聊天机器人改善客户体验。
文本到图像应用对于自动驾驶移动性、销售和营销尤为相关。演讲者举例说明,可以根据文本提示生成图像,例如在乡村道路上设计一辆带有特殊设计的车辆。
优化功能调用、流程改进和生成式设计应用包括生成用于自动驾驶车辆训练的合成场景,以及设计新的车辆部件或仪表板等任务。
演讲者随后引用了一项麦肯锡研究,强调了GenAI工具如何加速常见开发人员任务30%至50%。GenAI产生重大影响的两个关键领域是文档和测试。对于代码现代化项目,文档一直是一大挑战,因为客户通常缺乏对几十年来一直存在于其系统中的遗留代码的理解。GenAI正在帮助自动生成文档,减轻了这一负担。
在测试阶段,GenAI能够自动生成测试用例,允许软件开发人员在代码转换后快速运行多个测试场景,进一步提高生产力。
为了举例说明现实世界中的一个例子,演讲者分享了他个人爱好修理车辆和协助朋友修理汽车的一个轶事。他描述了一个场景,即当遇到汽车问题时,他的孩子会寻求他的建议,因为他们在其他事情上已经不再咨询他了。
这个例子涉及使用车载诊断工具从车辆中检索错误代码。然而,这些代码以数字形式呈现,对于没有查阅服务手册的机修工和服务技术人员来说,解释起来可能是一个挑战。演讲者的团队利用了由亚马逊Bedrock和大型语言模型(LLM)提供支持的GenAI技术,实现了自然语言查询并获得这些错误代码的解释。
例如,如果一名机修工输入一组错误代码,该系统可以提供与这些代码相关的常见问题的信息,比如凸轮轴问题。此外,它可以诊断凸轮轴问题的潜在原因并提出解决方案。这个例子利用了亚马逊Bedrock、具有检索增强生成(RAG)模型的LLM,以及客户自己的服务公告数据,以提供准确和相关的响应。
演讲者强调了这种方法对消费者的好处,因为更快的车辆维修意味着节省成本和提高生产力,减少了无法使用车辆的停工时间。
另一个涉及汽车领域的例子是关于软件定义的车辆和车辆软件作为平台的开发。演讲者讨论了如何使用合成数据来提高软件质量、开发效率和安全性,这是奥斯卡之前强调的一个关键方面。
主机现代化也被提及,GenAI能够自动生成经过软件验证的组件和测试计划,自动化以前手动进行的测试过程。通过将这些工作负载迁移到云端,客户可以利用GenAI技术来自动化测试功能,加快新车型的上市时间。
在自动驾驶移动领域,演讲者最喜欢的一个例子涉及合成场景生成。他描述了车辆从不同场景和景观收集数小时影像素材的过程,用于训练自动驾驶模型。虽然大部分数据都是平凡的高速公路场景,但对于模型训练更有价值的数据包括不可预测的情况,例如动物横穿马路、事故或者像塌陷或锥筒等意外障碍物。
演讲者强调了一个真实的例子,涉及Daimler Truck旗下的Torc Robotics,他们正在使用亚马逊云服务、机器学习模型和GenAI模型来生成用于自动驾驶车辆训练的合成场景。他演示了如何使用GenAI在场景数据库中搜索特定物体,比如交通锥筒,并生成这些物体的变体以改善模型训练。
转移到数字客户体验,演讲者提到了诸如车载助手、利用亚马逊的Alexa和广告服务等例子。目标是为消费者提供增强的车载体验,实现基于语音的交互来控制自动驾驶系统或理解仪表板警告灯。
呼叫中心是演讲者团队整合亚马逊技术如Amazon Connect和GenAI服务的另一个领域。他展示了一个呼叫中心代理人屏幕上显示转录对话并根据客户输入提供建议的示例。在给定的场景中,客户遇到了信用卡安全问题,需要将其锁定。系统在无需人工输入的情况下,为代理人提供了及时解决客户问题所需的信息。
演讲者指出,这一应用已扩展到企业对企业环境,例如现场技术人员打电话寻求安装或维修方面的协助。
在智能运营方面,演讲者探讨了机器维护故障排除和个性化员工培训。他引用了Oscar之前分享的一个例子,即利用GenAI进行预测性维护和缓解电动自行车故障。此外,演讲者强调在车间采用集成助手为新员工提供个性化培训,以应对制造环境中员工流失率高的挑战。
在产品工程领域,演讲者阐述了虚拟工程工作台,供硬件设计师使用,使他们能够借助GenAI和场景生成技术来可视化和设计新的组件,如挡泥板或仪表板。
随后,演讲者分享了一个涉及品牌Ferrari的案例研究,该公司正在与亚马逊合作,利用GenAI为其消费车辆和一级方程式车队提供支持。他引用了Ferrari对GenAI的变革潜力以及与亚马逊云科技合作的好处的看法,提及亚马逊云科技的高科技背景,以及通过亚马逊Bedrock提供的简化API层测试和基准测试不同模型的能力。
Ferrari强调利用其庞大的技术知识库通过GenAI的机会,提高了数千名技术支持团队和经销商网络用户的日常运营生产力、效率和效能。除了使用亚马逊云科技Bedrock和API之外,Ferrari还在与亚马逊专业服务合作的基础上,使用大型语言模型(LLAM)并对使用亚马逊SageMaker进行微调。
Ferrari提到的最有趣的用例之一是个性化,GenAI可帮助根据特定偏好为客户和经销商提供最佳车辆配置建议。Ferrari还利用大型语言模型加速设计过程,利用计算机视觉进行一级方程式视频竞争对手分析和制造线异常检测。演讲者赞赏了Ferrari的创新方法,称其是他最喜欢的例子之一,因为这个知名的品牌采用了亚马逊的服务,如Bedrock、Titan、Anthropic的Claude模型,以改变客户体验和设计过程。
在总结陈述时,演讲者重申了通过在不同模型之间权衡成本、性能和质量来释放GenAI价值的重要性。他强调了亚马逊提供模型选择和获取一流模型的基石战略,同时构建一个安全和私密的环境。目标是消除与GenAI采用相关的繁重工作,通过集成和简化的体验提高软件开发人员和业务用户的生产力,同
而演讲者将开发GenAI解决方案比作制作电影,其中最终产品只是冰山一角。在表面之下,存在大量组件,包括数据、模型、客户数据和各种服务,所有这些都协同工作以实现最终结果。
借用早期的冰山比喻,演讲者承认,虽然可见部分代表最终的GenAI输出,但真正的深度和复杂性隐藏在底下,包括数据、模型、客户数据和无数服务协同工作以产生所需的结果。
最后,演讲者向观众表示感谢,并强调现在是成为建设者、为开发突破性GenAI解决方案做出贡献的最佳时机。他对即将到来的会议充满期待,届时将深入探讨用例和示例,并期待一次丰富的体验,思考他们集体可以创造的创新的可能性。
总结
这篇演讲探讨了生成式人工智能(GenAI)的变革潜力及其在各个行业的应用,重点关注汽车和制造业。演讲者强调,在数据激增和计算能力提高的推动下,GenAI正在迅速被采纳。他们强调,从2023年的实验阶段转向2024年优先考虑业务价值和生产应用。
演讲者概述了GenAI正在产生重大影响的关键领域:软件定义车辆、自主移动性、数字客户体验、智能运营和产品工程。他们举例说明了GenAI的应用,如交互式聊天机器人、代码开发辅助、合成场景生成用于自动驾驶车辆、个性化员工培训以及为硬件设计师提供虚拟工程工作台。
演讲者还讨论了在选择GenAI模型时权衡成本、性能和准确性的重要性,并强调了亚马逊的策略是提供模型选择、安全和私密环境、提高生产力以及低延迟和低成本。他们总结时强调,GenAI的发展是一个协作过程,将其比作电影制作,各种角色和组件共同努力,以释放其全部潜力。
总的来说,这篇演讲生动地描绘了GenAI作为一股变革力量,为各个行业尤其是汽车和制造业提供创新解决方案,推动业务价值。它强调了采用整体方法的必要性,利用数据、模型和亚马逊服务来发挥GenAI的力量,踏上无边界创新之旅。
亚马逊云科技(Amazon Web Services)是全球云计算的开创者和引领者。提供200多类广泛而深入的云服务,服务全球245个国家和地区的数百万客户。亚马逊云科技致力于成为企业构建和应用生成式AI的首选,通过生成式AI技术栈,提供用于模型训练和推理的基础设施服务、构建生成式AI应用的大模型等工具、以及开箱即用的生成式AI应用。深耕本地、链接全球 -- 在中国,亚马逊云科技通过安全、稳定、可信赖的云服务,助力中国企业加速数字化转型和创新,并深度参与全球化市场。