如今的大模型產(chǎn)業(yè)正進入一個關鍵時刻：泡沫破裂，還是落地改變世界。

Gartner數(shù)據(jù)顯示，2024 年僅有 41% 的生成式 AI 試點項目能夠成功進入生產(chǎn)階段，更直觀來說，59%的生成式AI落地，都死在了路上。這是一個尷尬的數(shù)據(jù)。

亞馬遜全球副總裁、亞馬遜云科技大中華區(qū)總裁儲瑞松也有提到，從技術能力與現(xiàn)實來看，過去一年，生成式AI真的爆發(fā)了。

但技術爆發(fā)的量變，到引起產(chǎn)業(yè)的質(zhì)變，有一道關于落地的鴻溝。如果繼續(xù)維持現(xiàn)狀，那么大概率產(chǎn)業(yè)的演化，會如同過往Gartner曲線的走勢，短暫的泡沫之后，進入又一次漫長衰退。前進一步，則大模型可以造福一半企業(yè)，成為新的社會基礎設施。

為了避免AI的故事一次又一次重蹈覆轍，早在2023年亞馬遜云科技就成立了一個秘密組織，生成式AI創(chuàng)新中心，讓350 位戰(zhàn)略顧問、應用科學家、數(shù)據(jù)科學家、開發(fā)人員和專家?guī)椭蛻糁贫ㄉ墒?AI 戰(zhàn)略，并協(xié)助他們構建生成式 AI 解決方案，以實現(xiàn)業(yè)務成果。

而這個秘密組織，如今已經(jīng)來自不同行業(yè)的客戶提出的超過 1500 個項目需求，推動82%+客戶從 PoC 到量產(chǎn)。

也就是說，在亞馬遜云科技上，生成式AI已經(jīng)率先翻過了技術的Gartner死亡谷，進入產(chǎn)業(yè)發(fā)展的穩(wěn)步增長期。

那么亞馬遜云科技憑什么翻過Gartner死亡谷？秘密組織生成式AI創(chuàng)新中心的經(jīng)驗是什么？

所有答案都藏在正在進行中的2025 亞馬遜云科技中國峰會上。

Gartner死亡谷里藏著什么？

在儲瑞松看來：歷史上蒸汽機放大和解放了人的肌肉，落地紡織、交通、采礦和冶煉，帶來了工業(yè)革命；如今，機器智能放大和解放人的大腦智力，帶來下一場革命。

而且，與歷史上的前幾輪AI泡沫不同，2023年崛起的生成式AI浪潮中，技術的成熟度，早已跨過了從實驗室到工業(yè)生產(chǎn)的門檻。峰會現(xiàn)場儲瑞松展示，無論測試多個學科領域的MMLU、測試科學領域的GPQA、測試真實世界軟件工程相關問題的SWE-bench還是推出的HLE — Humanity’s Last Exam（人類的最終考試），模型的能力早已隱約展現(xiàn)出了巨大的潛力。

既然技術不是問題，那么為什么市面上59%的項目，都倒在了爆發(fā)的前夜。

兩年多的實踐經(jīng)驗，優(yōu)秀的生成式 AI成功原因百花齊放，但是黃掉的項目，卻大多教訓雷同。總結來說有四點

教訓一：場景選錯，不是所有問題都值得用AI解決

許多企業(yè)在AI項目啟動時，犯的第一個錯誤就是“為AI而AI”。高頻詞是“增強效率”“提升智能化”“優(yōu)化工作流程”，但缺乏對場景價值的量化認知。

一個很典型的例子是：很多公司希望通過大模型提升客服效率，于是部署了GPT接口替代基礎問答模塊，但因缺少專有數(shù)據(jù)增強與業(yè)務上下文處理，模型表現(xiàn)甚至不如原有基于規(guī)則的FAQ系統(tǒng)。結果就是大模型胡說八道，人類跟在身后補鍋道歉。不僅沒有如愿達到成本降低，反而帶來了不少的不必要麻煩。

教訓二：模型錯配，大模型唯參數(shù)、唯最優(yōu)論

亞馬遜云科技全球技術總經(jīng)理 Shaown Nandi觀察到，基礎模型的進展以周為單位，永遠會有層出不窮的更強大、更具成本效益和更快速的模型發(fā)布。但不會存在一個模型能適用于所有用例的情況。更多企業(yè)需要的其實是定制模型的能力，以及有選擇的權利，因此在Amazon Bedrock中，亞馬遜云科技托管了全球各大主流大模型企業(yè)的基礎模型，從數(shù)千億甚至萬億參數(shù)的巨型模型到只有幾百萬參數(shù)的小型模型均有覆蓋。

亞馬遜云科技全球技術總經(jīng)理 Shaown Nandi

但現(xiàn)實中，往往很多團隊都會盲目擁抱市面上最大、最貴、指標最亮眼的模型，忽略了實際業(yè)務對時延、成本和精度的多維需求，導致項目盲目上馬之后，最后又潦草下臺。

教訓三：ROI不可控，沒人知道項目值不值，導致不敢上馬

事實上，多數(shù)生成式AI項目失敗的最終歸宿，往往不是技術掛了，而是領導覺得看不到價值。在技術團隊視角里，模型能跑通、響應速度OK、可以調(diào)優(yōu)就意味著項目完成；但在業(yè)務部門眼中，沒有明確指標提升、沒有看得見的成本優(yōu)化，項目就等于實驗室玩具。

過程中，基礎模型、使用場景的數(shù)量和負載特征、模型的定制和調(diào)優(yōu)策略能做到什么水平，需要讓決策層有概念，執(zhí)行層有目標；最終帶來了什么效果，不僅要肉眼可見，也需要數(shù)據(jù)可量化，成本能算清。

教訓四：沒有完善的成果檢測閉環(huán)，項目靜默暴斃

基于前三個問題的背景，最后導致的結果就是很多生成式AI項目上馬之后，做出來沒人用，也找不到原因，沒辦法升級迭代，導致陷入靜默暴斃狀態(tài)。尤其是項目后期維護需要成本，怎么說服老板繼續(xù)投入，很多團隊連個評估框架都沒有。

一句話總結來說，如今的生成式AI已經(jīng)度過了認知普及階段，但大部分項目黃在了前期不會選，中期不會用，后期沒閉環(huán)上。

爬出死亡谷，亞馬遜云科技的兩重準備與四大秘籍

關于如何爬出死亡谷，見證了亞馬遜云科技幫助國內(nèi)上千項目落地后，儲瑞松將問題拆解成了自上而下與自下而上兩個角度。

“在我與很多客戶的溝通中能觀察到，越來越多的企業(yè)都想擁抱AI 、Agentic AI，但卻不知道從何開始。我認為，企業(yè)需要做好雙重準備。”

自上而下，是管理。高層擁抱生成式AI和Agentic AI時需要有明確的認知和頂層設計，要在機制和人才上做準備，要認清之前企業(yè)信息化、數(shù)字化的工作和時代的關系。

自下而上，是技術。技術又可以被分為三點，其一是統(tǒng)一的AI就緒的基礎設施，過去一度甚囂塵上的多云策略，其有限的連接性會導致企業(yè)出現(xiàn)業(yè)務孤島、數(shù)據(jù)孤島，導致最終體驗大打折扣。其二是聚合的、經(jīng)過治理的數(shù)據(jù)，如今模型調(diào)用已經(jīng)沒有門檻，企業(yè)獨有的差異化的來源只有數(shù)據(jù)，數(shù)據(jù)只有通過聚合與高效管理，才能產(chǎn)生價值。其三則是高效的策略和快速高效地執(zhí)行。

而多數(shù)項目之所以最終靜默暴斃，除了已經(jīng)客觀存在的管理、企業(yè)基礎設施以及數(shù)據(jù)之外，最大的問題就出在策略與執(zhí)行上。

圍繞策略與執(zhí)行，亞馬遜云科技還把過往項目執(zhí)行中的四大“爬坑”經(jīng)驗做了總結：

首先是針對場景，亞馬遜云科技給出七大評估維度與十一大場景總結，七大評估維度包括團隊、時間節(jié)點、可行性、預算、風險、ROI、數(shù)據(jù)是否支持；場景則包括翻譯、運營、寫作、角色扮演、教輔、辦公、客服、開發(fā)、審核、知識助手、運維。也就是說，團隊只有滿足了七大維度評估標準，項目上馬才會更安全，圍繞十一大成熟場景做落地，成功的概率也會更高。此外，圍繞場景，亞馬遜云科技還給出了成熟案例參考，加速團隊的創(chuàng)新。

確定了項目可以上馬后，接下來常見的問題是選型階段的技術錯配。亞馬遜云科技的實踐經(jīng)驗，技術選型需要從模型層、數(shù)據(jù)層和技術方案層三個維度進行系統(tǒng)性考慮。

在數(shù)據(jù)層，企業(yè)需要考慮：如何做分析、如何做管理、如何做切分和優(yōu)化；技術層，企業(yè)應該善于使用MCP、多Agent工具調(diào)用框架等方案，提升開發(fā)效率。最重要的是模型層，通常來說，企業(yè)在速度/時延、成本、精度這三大因素中，往往只需要三選其二即能滿足需求。

一個正面案例是，F(xiàn)reeWheel在廣告識別場景中對比評估了Nova Lite、GPT-4 mini與Claude 3 Haiku等多個模型。結果顯示，在延遲、輸出穩(wěn)定性與推理成本的綜合對比下，精度反而不是唯一決定因素。最終他們選擇了精度中上、推理速度極快、成本可控的方案，以實現(xiàn)批量部署與高頻調(diào)用的目標。

選型過程定好方案后，項目正式開始落地，此時的關注重點應該是ROI。為避免ROI不可控，亞馬遜云科技給出了六大階段、三個層面不同解決思路。圍繞六大階段，關于如何做用例、評估、POC、生產(chǎn)、規(guī)模化、治理，亞馬遜云科技都進行了細化。三層則是模型層、提示詞層、基礎設施層，亞馬遜云科技也給出了專門的優(yōu)化策略。

上馬之后，團隊需要繼續(xù)關注的是是否完成成果檢測閉環(huán)，亞馬遜云科技同樣給出了質(zhì)量評估、性能評估、應用效果等不同維度的數(shù)據(jù)，幫助企業(yè)衡量系統(tǒng)在實際場景中的效果、成本與用戶接受度。

總結來說，讓項目前期有預期，中期有選擇，后期有優(yōu)化，每一步都有憑有據(jù)有效果，是多數(shù)成功生成式AI項目落地的共同經(jīng)驗。而過程中，亞馬遜云科技就是那個保駕護航和幫助提供選擇和指標的加速器。

為什么是亞馬遜云科技

為什么多數(shù)企業(yè)都選擇亞馬遜云科技成為其生成式AI轉型路上的加速器？

不同企業(yè)的答案，各有千秋。

比如在咨詢公司德勤看來。 他們使用Amazon Q Developer來評估架構決策、檢查和記錄代碼、生成代碼、創(chuàng)建單元測試，并持續(xù)審查和執(zhí)行安全實踐，不止讓開發(fā)的速度提高了40%，測試時間減少了70%，代碼質(zhì)量有了很大提升，更是解放了開發(fā)人員不用再做那些枯燥的工作，讓工作變得更加有價值。

再比如，在WPS看來，WPS AI（海外版）通過Amazon Bedrock，進行語義檢查與文檔潤色，模型的快速響應大幅提升了修改速度，減少用戶等待時間，還實現(xiàn)了PPT一鍵生成、一句話擴寫PPT大綱、文檔轉PPT大綱、自動模板匹配等特色功能，解決了其出海過程中的研發(fā)、成本、用戶體驗多個困擾。

但總結來說，亞馬遜云科技帶給企業(yè)的，不只是一朵云，更是基于這一朵云的更低成本、更高水平安全合規(guī)、更多經(jīng)驗、與更多AI能力的提供。

眾所周知，云服務的本質(zhì)是一個講究規(guī)模效應的產(chǎn)業(yè)。而對生成式AI落地來說，更是如此，實驗室創(chuàng)新需要天馬行空，量產(chǎn)需要大量經(jīng)驗積累，大力出奇跡。而亞馬遜云科技作為全球第一大云，已經(jīng)覆蓋全球245個國家和地區(qū)，與下一大云服務提供商相比，擁有三倍以上的數(shù)據(jù)中心數(shù)量。此外，亞馬遜云還以99.99%的超高可用性，成為中國唯一達到“四個九”標準的云服務提供商。

不只是規(guī)模大，亞馬遜云科技的另一大特點在于能力更全。現(xiàn)實中，多數(shù)企業(yè)都有轉型意識，卻沒有轉型能力，甚至更夸張來說，只有數(shù)據(jù)，沒有能力。而亞馬遜云科技過去18個月推出的機器學習和生成式AI功能數(shù)量較全球主要云服務提供商的總和多出近兩倍。同時，提供覆蓋企業(yè)生成式AI創(chuàng)新所需的基礎設施、構建工具以及開箱即用型應用程序的全棧能力。

僅僅算力側，亞馬遜云科技除了能為客戶提供來自Nvidia的最新GPU計算實例，還能提供亞馬遜云科技自研的高性價比、低能耗自研AI芯片Trainium。

數(shù)據(jù)側，亞馬遜云科技提供的全面大數(shù)據(jù)能力，包括數(shù)據(jù)湖、數(shù)據(jù)倉庫、數(shù)據(jù)流、實時分析，能夠幫助客戶打破數(shù)據(jù)孤島，統(tǒng)一治理異構數(shù)據(jù)，實現(xiàn)基于數(shù)據(jù)的業(yè)務洞察。

而在最重要的AI層面，亞馬遜除了是全球Gen AI轉型的先行者，同時亞馬遜云科技還能提供領先的模型和工具，包括Amazon Bedrock平臺，Amazon Q，Amazon Transform，Strands Agents SDK等簡單易用、功能完善強大的開發(fā)工具。此外，亞馬遜云科技還宣布2025年投入約1000億美元用于其人工智能項目的研發(fā)。其中大部分將用于AI相關項目，涵蓋AWS的數(shù)據(jù)中心、網(wǎng)絡設備、AI硬件以及生成式AI服務能力建設。

事實上，亞馬遜云科技能夠常年保持龍頭地位，除了更早的投入與更專注之外，另一大公開秘籍其實是善于分享。

對內(nèi)是生成式AI創(chuàng)新中心幫助伙伴成功；對外則是在中國峰會中分享經(jīng)驗，幫助更多企業(yè)順利轉型。讓企業(yè)生成式AI落地從59%的死亡率，變成82%的成功率，讓更多企業(yè)基于亞馬遜云科技，加速創(chuàng)新的發(fā)生，用整體的進步來做大蛋糕。

本內(nèi)容為作者獨立觀點，不代表虎嗅立場。未經(jīng)允許不得轉載，授權事宜請聯(lián)系 hezuo@huxiu.com

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4484340.html?f=wyxwapp