亚马逊云科技利用生成式AI加速汽车行业创新

亚马逊云科技推出了一项新服务Amazon Bedrock，能够让客户更轻松地使用机器学习和AI ，降低开发者的使用门槛。

机器学习（ML）范式转变的种子已经埋下了几十年，但随着可伸缩计算能力的可用性、海量数据的爆炸以及机器学习威廉希尔官方网站 的快速进步，汽车和制造业客户正在着手对业务进行重塑。就在不久前，生成式AI应用，引发了人们的广泛关注和想象，不过这只是一个开始。为了真正影响行业，进而惠及消费者，企业需要拥抱各种可能性，并为其开发人员提供所需工具。我们正处于一个令人兴奋的转折点 -- 机器学习被广泛采用，亚马逊云科技相信生成式AI将重塑大多数客户体验以及应用程序。

在汽车行业，生成式AI有望帮助改变汽车的设计和开发方式。作为一种新的人工智能应用方法，生成式AI能够创造新的内容和想法，包括基于开发者的指令进行设计类工作的探索。与所有人工智能威廉希尔官方网站 一样，生成式AI的能力也是由机器学习模型驱动的，这些庞大的模型经过海量数据的预先训练，通常被称为基础模型（Foundation Models）。当今的基础模型，如大型语言模型GPT 3.5或BLOOM，以及由Stability AI开发的文生图模型Stable Diffusion，都可以执行横跨多个领域的广泛任务，包括撰写博客、生成图像、解决数学问题、参与对话和基于文档回答问题等。

在应用于汽车开发过程时，生成式AI可以帮助汽车制造商快速确定发动机、轻量化结构和车辆功能等复杂系统的最佳设计选项。借助亚马逊云服务，汽车制造商现在可以获取强大的计算资源，以帮助扩展其生成式AI的能力。这篇文章简要介绍了生成式AI如何帮助汽车主机厂（OEM）进行软件开发，以及设计、训练和测试自动驾驶系统。这些都是亚马逊云科技正在尽全力积极探索及整合的新威廉希尔官方网站 。

生成式AI与软件定义汽车之旅

汽车行业正在越来越广泛地采用“软件定义汽车（SDV）”，通过数百万行代码，它为客户提供更为灵活、响应速度更快的解决方案。在软件定义汽车的模式下，主机厂通过空中下载（OTA）更新可以持续为车辆功能进行更新和升级，类似于智能手机通过更新获取新功能，并随着时间推移而更加好用。

生成式AI可用于创建和优化软件和控制系统，并帮助提高车辆的硬件性能。随着车辆代码变得日益复杂，软件工程师更应该专注于开发创新功能，而不是花时间试图跟上复杂且不断变化的工具和威廉希尔官方网站 环境。

汽车行业客户可以使用实时AI编程助手Amazon CodeWhisperer。借助生成式AI，Amazon CodeWhisperer可根据开发人员使用自然语言编写的注释和集成开发环境（IDE）中的代码实时生成建议，帮助提高开发人员的工作效率。同时，Amazon CodeWhisperer能够对IDE中的现有代码进行分析（无论是由CodeWhisperer生成的还是由开发人员编写的），高精度地识别其中有问题的代码，并就如何修复提供智能化的建议。

利用生成式AI帮助客户达成目标

迈向高度自动化和自动驾驶的旅程，是汽车行业的一个主要关注点。自动驾驶需要复杂的软件和硬件系统无缝地协同工作。在设计和测试这些系统的过程中，生成式AI可以发挥重要作用。

例如，主机厂可以借助生成式AI来进行interwetten与威廉的赔率体系 ，以测试车辆对各种驾驶场景的响应。这些场景可能是极小概率会发生的情况，或者在现实世界比较极端的情况，测试并不安全（比如，在夜间、雨天和黑暗中差点撞上横穿马路的人）。模拟测试不仅可以提高测试效率，还将使汽车企业得以创建更丰富的测试场景，并有可能提高整个驾驶系统的能力。

云与亚马逊云科技如何提供帮助？

亚马逊云科技致力于让客户更轻松地使用机器学习和AI，并努力使客户更容易利用生成式AI进行构建。Amazon Bedrock作为一项新服务，能够让客户通过API访问来自亚马逊以及领先AI初创公司（包括AI21 Labs、Anthropic和Stability AI）的基础模型。Amazon Bedrock是客户使用基础模型构建和扩展生成式AI应用程序的最简单方法之一，降低了所有开发者的使用门槛。客户可以通过Bedrock访问一系列强大的文本和图像基础模型（该服务目前提供有限预览）。

生成式AI需要大量的计算资源和数据，而获取及管理这些资源和数据既昂贵又耗时。无论客户是想运行、构建还是定制生成式AI基础模型，都需要专门为机器学习构建高性能、高性价比的基础设施。

亚马逊云科技客户可以使用由Trainium提供支持的Amazon EC2 Trn1实例，与其他EC2实例相比，它都可以节省高达50%的训练成本。一旦大规模部署生成式AI模型，大多数成本将由模型的运行和推理产生。此时，客户可以使用由Amazon Inferentia2提供支持的Amazon EC2 Inf2实例，这些实例专门针对运行数千亿个参数模型的大规模生成式AI应用程序进行了优化。