聲明:本文來自于（ID:ykqsd.com）授權(quán)轉(zhuǎn)載發(fā)布。

圖片來源｜視覺中國

DeepSeek-R1的擴散速度之快，連 ChatGPT都被視為“老古董”，其地位逐漸被動搖。

DeepSeek-R1憑借獨特的"認(rèn)知預(yù)判"架構(gòu)，在2025年實現(xiàn)了生成質(zhì)量與推理速度的完美平衡，以最快速度打破了大模型發(fā)展的歷史記錄。

而當(dāng)前的單代AI技術(shù)整體的“領(lǐng)先有效期”越發(fā)縮短，頻繁的沖擊對企業(yè)而言已經(jīng)不再是偶爾的煩惱，而是持續(xù)不斷的壓力。

在這種背景下，企業(yè)既要持續(xù)關(guān)注新技術(shù)的最新動態(tài)，又要保證自身AI應(yīng)用的實際效果——這已經(jīng)成為企業(yè)在AI領(lǐng)域面臨的巨大挑戰(zhàn)。

DeepSeek-R1強，則企業(yè)更焦慮

DeepSeek-R1容易產(chǎn)生“幻覺”，這一現(xiàn)象源于其關(guān)鍵創(chuàng)新：在正式回答問題前，進行深度思考。

這種思考過程類似于人類在解答復(fù)雜問題時先進行思路梳理，從而保證內(nèi)容條理清晰、邏輯嚴(yán)密。由于其強大的生成能力，即使這些“假話”也難以輕易識別。

要么讓它承擔(dān)起問題分析和解決方案設(shè)計的前期工作；要么在完成數(shù)據(jù)收集后，利用其強大的語言能力進行內(nèi)容整合輸出。最終還需要結(jié)合其他大模型的優(yōu)勢，才能達到最佳效果。

對于那些需要產(chǎn)生商業(yè)價值的 enterprise 級生成式AI應(yīng)用來說，這完全不可接受。這就是生成式AI著名的“不可能三角”：準(zhǔn)確率、性能和成本的平衡。

企業(yè)需要滿足多方面要求，最終這些要求被轉(zhuǎn)化為AI應(yīng)用搭建、知識儲備、模型訓(xùn)練與部署等環(huán)節(jié)中的復(fù)雜技術(shù)挑戰(zhàn)。即便是一些已完成數(shù)字化轉(zhuǎn)型的企業(yè)，也常在這些環(huán)節(jié)中偏離既定軌道，最終投入大量資源卻難以取得預(yù)期效果。

解藥藏在何處？

實際答案掌握在云服務(wù)提供商手中。

亞馬遜云科技在Amazon Bedrock平臺正式推出全托管、無服務(wù)器的DeepSeek-R1模型，這是首個在海外云廠商中提供這一正式商用規(guī)模的DeepSeek-R1模型。因此，對于希望出海的企業(yè)而言，采用DeepSeek on Bedrock將是一個理想選擇。

DeepSeek-R1作為亞馬遜 Bedrock上首個實現(xiàn)全托管的中國大模型，在今年1月底的發(fā)布版本中獲得了企業(yè)客戶的積極評價。已有數(shù)千家企業(yè)客戶開始通過亞馬遜 Bedrock的自定義模型導(dǎo)入功能進行部署。

本次升級的全托管服務(wù)相較于之前的發(fā)布版本，能夠進一步充分利用亞馬遜 Bedrock上的所有功能，包括模型蒸餾、安全防護、數(shù)據(jù)加密、模型評估以及無需額外準(zhǔn)備即可直接使用的便捷工具。

亞馬遜云科技的這一更新行動，實質(zhì)上證明了云計算服務(wù)提供商在AI模型時代具有明顯優(yōu)勢：

企業(yè)往往難以負(fù)擔(dān)起擁有機器學(xué)習(xí)專家、數(shù)據(jù)科學(xué)家和語言模型專家的總成本，包括人才成本和積累的難度。

云計算服務(wù)提供商則可以在人才和基礎(chǔ)設(shè)施方面進行更積極的投入，更快更有效地釋放技術(shù)潛力。同時，他們可以積極推動與全球頂尖的人工智能初創(chuàng)公司建立合作關(guān)系，構(gòu)建開放的合作生態(tài)系統(tǒng)，為眾多客戶企業(yè)提供全球領(lǐng)先的人工智能人才和技術(shù)成果。

亞馬遜云科技通過與Anthropic、DeepSeek、Cohere等知名的人工智能初創(chuàng)公司建立合作關(guān)系，使得Amazon Bedrock平臺上的可選基礎(chǔ)大模型數(shù)量達到了180多個，其中包括能夠通過云原生技術(shù)部署的50多個模型，例如Claude3.7 Sonnet、DeepSeek-R1、Llama 3.3、Nova系列模型、Mistral Large等。

相比之下，云計算企業(yè)對"有無問題"的思考已經(jīng)更深入了一步：

一、多模型的選擇與部署

據(jù)國際知名咨詢機構(gòu)Gartner的最新預(yù)測，由于單一模型無法滿足企業(yè)所有功能性和非功能性需求，因此到2027年，中國80%的企業(yè)將采用多模型生成式人工智能策略，以實現(xiàn)多樣化模型功能，從而獲得更好的成本效益。

盡管多模型部署與應(yīng)用協(xié)調(diào)起來并非易事，但在構(gòu)建專用模型的過程中，企業(yè)可能會面臨數(shù)據(jù)集不足的問題，導(dǎo)致效果不佳。最終，落地進度往往跟不上技術(shù)迭代的速度，出現(xiàn)"技術(shù)落地即過時"的情況。

Amazon Bedrock通過提供多種大模型的同平臺、同Marketplace集成，為企業(yè)多模型組合使用提供了便利。企業(yè)可以根據(jù)自身需求，靈活選擇不同學(xué)歷和資歷的AI模型，兼顧場景、性能、準(zhǔn)確性和成本。

例如，亞馬遜云科技的Nova模型就是一個典型的安全好用型模型，集成了多個版本，已在包括Google Gemini 1.5 Flash在內(nèi)的各種基準(zhǔn)測試中表現(xiàn)均衡，同時具有更快的輸出速度和性價比，適用于企業(yè)客服、內(nèi)容生成、簡單數(shù)據(jù)分析和企業(yè)內(nèi)部自動化等場景，非常適合作為"Good-Enough"模型使用，與Claude 3.7 Sonnect、DeepSeek-R1等強模型搭配使用。

二、真正落地 上線生產(chǎn)方才是好模型

企業(yè)客戶需要具備良好開發(fā)平臺、工具和功能，以解決技術(shù)落地到生產(chǎn)的老大難問題。

Amazon SageMaker AI讓用戶能夠在集成式開發(fā)環(huán)境中高效構(gòu)建、訓(xùn)練和部署機器學(xué)習(xí)模型。此外，Amazon Bedrock自帶的"自動推理檢查"功能能夠從根源上盡可能消除大模型運行過程中的"幻覺"問題。

云計算與大模型的結(jié)合解決方案正在全面推動云計算再次成為企業(yè)IT基礎(chǔ)設(shè)施的最佳選擇。

根據(jù)知名咨詢機構(gòu)PwC的一項關(guān)于領(lǐng)先企業(yè)在云計算和人工智能領(lǐng)域投資的研究顯示，92%的行業(yè)領(lǐng)先企業(yè)正在計劃增加其云預(yù)算，其中63%的企業(yè)的云預(yù)算增幅超過6%，遠高于通貨膨脹率。

隨著越來越多的企業(yè)開始采用以AI驅(qū)動的云架構(gòu)來加速數(shù)據(jù)現(xiàn)代化進程，它們正在將IT能力與人工智能深度融合，從而在行業(yè)中占據(jù)領(lǐng)先地位。

在企業(yè)AI時代，亞馬遜云科技扮演著核心角色。

亞馬遜云科技首席執(zhí)行官Matt Garman在接受采訪時表示，在AI時代，云計算廠商的核心任務(wù)是始終走在企業(yè)的前列，幫助客戶捕捉關(guān)鍵選擇。

他通過兩個具體例子來闡述這一觀點：首先，向客戶提供最先進的人工智能技術(shù)與產(chǎn)品，例如推理能力更強的DeepSeek-R1大模型；其次，打造具有競爭力的人工智能計算基礎(chǔ)，例如亞馬遜云科技專為人工智能訓(xùn)練和推理設(shè)計的Tranium2人工智能芯片。

Garman特別強調(diào)，云計算廠商并非像其他企業(yè)一樣急于推出聊天機器人，而是根據(jù)客戶需求，打造一個聚合平臺，提供多種大模型和各環(huán)節(jié)工具，幫助客戶將新技術(shù)真正應(yīng)用于業(yè)務(wù)，使AI成為企業(yè)的關(guān)鍵競爭優(yōu)勢。

亞馬遜云科技的實踐與傳統(tǒng)云計算時代并無本質(zhì)不同——始終走在技術(shù)探索的前沿，在掌握新技術(shù)后，將研究成果反饋給客戶。

為了確保領(lǐng)先，亞馬遜持續(xù)加大投入。根據(jù)第三方研究機構(gòu)的統(tǒng)計，亞馬遜在AI基礎(chǔ)設(shè)施投資方面的支出繼續(xù)引領(lǐng)全球云廠商。2024年，亞馬遜在第四季度的資本支出中，有"絕大部分"用于其云科技的人工智能投資。亞馬遜首席執(zhí)行官Andy Jassy在第四季度財報會上指出，亞馬遜第四季度的資本支出為263億美元，其中大部分用于投資于亞馬遜云科技的人工智能領(lǐng)域。

"開放的多贏邏輯"、"保持技術(shù)實力的絕對優(yōu)勢"、"只盯著客戶的需求"——這些都是亞馬遜云科技在生成式AI時代實現(xiàn)新高度的內(nèi)在邏輯。

本文內(nèi)容為作者獨立觀點，不代表虎嗅網(wǎng)立場。未經(jīng)允許，不得轉(zhuǎn)載。如需授權(quán)，請聯(lián)系hezuo@huxiu.com。

本篇文章為虎嗅網(wǎng)原創(chuàng)，完整文章請訪問：https://www.huxiu.com/article/4062550.html