速途网7月27日讯（报道：乔志斌）近日，亚马逊云科技近日在纽约峰会上宣布，推出七项生成式AI创新，包括Amazon Bedrock新增基础模型供应商Cohere和全新基础模型，以及全新代理（Agents）功能，助力基础模型完成复杂任务；Amazon EC2 P5实例正式可用，加速生成式AI和高性能计算应用；Amazon OpenSearch Serverless支持全新向量引擎；编程助手Amazon CodeWhisperer与Amazon Glue实现集成；Amazon新增生成式BI功能；分析服务Amazon Entity Resolution正式可用，帮助企业提升数据质量；以及智慧医疗新服务Amazon HealthScribe助力提升医疗行业生产效率。
生成式AI将深刻改变每个公司的运营方式，标志着人工智能技术发展的新转折点。亚马逊云科技此次发布的多项生成式AI新功能，进一步降低了生成式AI的使用门槛，让无论是业务用户还是开发者都能从中受益。借助这些新功能，来自千行百业的企业都能更专注于核心业务，提高生产效率，充分释放数据价值和生成式AI的潜力。
Amazon Bedrock全面扩展，新增全新基础模型、基础模型供应商以及代理（Agents）功能
亚马逊云科技宣布全面扩展其全托管基础模型服务Amazon Bedrock，包括新增Cohere作为基础模型供应商，加入Anthropic和Stability AI的最新基础模型，并发布变革性的新功能Amazon Bedrock代理。
Cohere致力于开发领先的企业AI平台和前沿基础模型，其基础模型可以更直观地生成、检索和汇总信息。Anthropic是一家关注AI安全的研究型公司，构建可信、可解释和可掌控的AI系统。Anthropic已经将其最新的语言模型Claude 2接入到Amazon Bedrock。Stability AI是一家社区驱动的开放式AI公司，提供可通过简单文本指令创建文本、图像、音频、视频、代码等的基础模型。Stability AI将在Amazon Bedrock上发布其最新版文生图模型套件Stable Diffusion XL 1.0 (SDXL 1.0)。
Amazon Bedrock代理功能将助力开发者轻松创建全托管的人工智能代理（AI Agents）。Amazon Bedrock代理功能可帮助企业加速交付生成式AI应用程序，这些应用程序可以通过对公司系统进行API调用来管理和执行任务。Amazon Bedrock代理功能可以扩展基础模型以理解用户请求，将复杂任务分解为多个步骤，开展对话以收集更多信息，并采取行动来满足用户请求。借助Amazon Bedrock代理功能，用户可以为内部或外部客户自动执行任务，如管理零售订单或处理保险索赔。例如，有了代理功能，服务电商的生成式AI应用程序不仅能回答简单问题（如“有蓝色夹克吗？”），还能帮助用户完成复杂任务（如更新订单或管理交易）。
Amazon EC2 P5实例正式可用，加速生成式AI和高性能计算应用
亚马逊云科技宣布Amazon Elastic Compute Cloud (Amazon EC2) P5实例正式可用。这是一款下一代GPU实例，可以满足客户在运行人工智能、机器学习和高性能计算工作负载时对高性能和高扩展性的需求。该实例由最新的英伟达H100 Tensor Core GPU提供支持，与上一代基于GPU的实例相比，训练时间最多可缩短6倍（从几天缩短到几小时）。这一性能提升将帮助客户降低高达40%的培训成本。
Amazon EC2 P5实例提供8个英伟达H100 Tensor Core GPU，具有640 GB高带宽GPU内存，同时提供第三代AMD EPYC处理器、2TB系统内存和30 TB本地NVMe存储。Amazon EC2 P5实例还提供3200 Gbps 的聚合网络带宽并支持GPUDirect RDMA，从而能够绕过CPU进行节点间通信，实现更低的延迟和高效的横向扩展性能。
适用于Amazon OpenSearch Serverless的向量引擎助力客户轻松构建现代生成式AI应用
亚马逊云科技宣布推出适用于Amazon OpenSearch Serverless的向量引擎。正式可用后，该向量引擎支持简单的API调用，可用于存储和查询数十亿个嵌入（embeddings）。未来，所有亚马逊云科技的数据库都将具有向量功能，帮助客户简化运营，方便集成数据。
嵌入应存储在靠近源数据的位置，一系列因素都将影响企业如何选择最适合自己的选项，这些因素包括当前数据存储位置、对数据库技术的熟悉程度、向量维度的扩展、嵌入的数量和性能需求等。因此，亚马逊云科技还提供以下选项满足更高级的向量数据存储需求：
• Amazon Aurora PostgreSQL兼容版关系型数据库，支持pgvector开源向量相似性搜索插件
• 分布式搜索和分析服务Amazon OpenSearch，带有k-NN（k最近邻）插件和适用于Amazon OpenSearch Serverless的向量引擎
• 兼容PostgreSQL的Amazon RDS（Amazon Relational Database Service）关系型数据库，支持pgvector插件。
Amazon CodeWhisperer与Amazon Glue实现集成，进一步提升开发效率
最近，亚马逊云科技宣布了Amazon CodeWhisperer正式可用。这是一款AI编程助手，能够使用底层基础模型帮助开发人员提高工作效率。它可以根据开发人员使用自然语言留下的注释和IDE（集成开发环境）中的历史代码实时生成代码建议。此外，亚马逊云科技还发布了Amazon CodeWhisperer Jupyter扩展程序，为Jupyter用户在Jupyter Lab和Amazon SageMaker Studio中的Python notebooks生成实时、单行或完整的函数代码建议。
现在，亚马逊云科技正式宣布Amazon Glue Studio notebooks支持Amazon CodeWhisperer，帮助Amazon Glue用户优化使用体验、提高开发效率。通过Amazon Glue Studio notebooks，开发人员可以用自然语言（英语）编写特定任务，比如“利用json文件中的内容创建一个Spark DataFrame”。基于此信息，Amazon CodeWhisperer会直接在notebooks中推荐一个或多个可完成此任务的代码片段。开发人员可以选择“接受最推荐的建议”，“查看更多建议”或“继续自己编写代码”。
Amazon QuickSight新增生成式BI功能，升级自然语言人机交互
亚马逊云科技宣布，正在将Amazon Bedrock提供的大语言模型能力与支持自然语言问答的Amazon QuickSight Q相结合，以期在Amazon QuickSight中提供生成式BI功能。该功能很快将在Amazon QuickSight上线，帮助企业轻松探索数据、发现并分享洞察。
借助Amazon QuickSight中新增的生成式BI功能，业务分析师能够使用自然语言轻松执行日常任务，包括：
• 基于Amazon QuickSight Q全新的视觉创作体验功能，在几秒钟内创建数据可视化图表；
• 使用自然语言微调和格式化图表效果；
• 无需学习特定语法，通过自然语言即可创建计算任务。
针对使用仪表盘并需要与之进行交互的业务用户，亚马逊云科技还发布了Stories功能，助力业务用户使用生成式BI的强大能力，通过自然语言提示来生成、定制和共享极具信息量的可视化图表。
Amazon Entity Resolution正式可用，赋能企业提升数据质量、获取客户洞察
亚马逊云科技宣布Amazon Entity Resolution正式可用。这是一项由机器学习提供支持的分析服务，可以帮助企业轻松分析、匹配和关联相关记录，这些记录可能存储在应用程序、不同的数据获取渠道和数据存储中。Amazon Entity Resolution利用基于规则和机器学习的技术自定义工作流程，并以此汇总消费者、业务和产品信息。业务分析师和开发人员可以通过内置的预配置工作流程快速提高数据准确性，或者通过自定义工作流程来满足企业需求。借助Amazon Entity Resolution，企业可以更好地了解数据的关联、匹配和链接情况，同时深入挖掘客户洞察、清晰捕捉供应链数据，从而改善运营能力、开展更多有效营销、做好复杂金融投资决策。亚马逊云科技还宣布计划增加两个Amazon Entity Resolution的合作伙伴LiveRamp和TransUnion，同时增强与Unified ID 2.0开源框架的互操作性。通过这些集成功能，客户将能更轻松地翻译或丰富自己的记录，同时更好地保护信息并减少数据移动。
Amazon HealthScribe利用生成式AI助力构建医疗应用程序
亚马逊云科技宣布推出Amazon HealthScribe，这是一项符合HIPAA（《健康保险责任与保护法》）要求的新服务，能够帮助医疗软件供应商构建临床应用程序。这些应用程序使用文本识别和生成式AI技术生成临床文档，节省医生时间。借助Amazon HealthScribe，医疗软件供应商可以通过调用一个API自动创建可靠的记录、提取关键信息（例如医学术语和药物），并根据医患对话创建摘要，然后将这些数据输入到电子健康记录（EHR）系统。Amazon HealthScribe由Amazon Bedrock提供支持，使医疗软件供应商能够更快、更轻松地将生成式AI功能集成到其应用程序中。在普通医学和骨科这两个常见专科，医疗软件供应商已经开始使用Amazon HealthScribe，它们不再需要管理底层机器学习基础设施或训练自己的医疗专属大语言模型（LLM）。
