北京时间 11 月 28 日凌晨，亚马逊云科技的 re: Invent 2023 大会在拉斯维加斯召开。

这个被称为“云计算春晚”的盛会，今年很不一样。不一样的原因，当然近来生成式 AI 的爆火——从 ChatGPT 问世到现在，已经整整一年；以 ChatGPT、Stable Diffusion、Runway 等等为代表的生成式 AI 应用掀起狂潮，裹挟世界进入新时代。我们都已经看到了生成式 AI 的巨大潜力，它将会重塑人们的一切行为方式，无论是信息获取，还是生产内容和产品。

对企业中如何应用生成式 AI，亚马逊云科技做了一些研究。研究结果表明，有 75% 的应用集中在四个方面：市场，客户，软件工程和研发。而那些尝试把生成式 AI 引入工作场景的企业，往往发现效果并不尽如人意。现有的生成式 AI 产品面向个人用户，基于大量来自互联网、书籍数据库和维基百科的数据训练而成，无法对于企业的特定业务问题给出有针对性的建议；而若是给这些 AI 工具提供企业内部知识，又可能会导致隐私和数据安全问题。

具体而言，这些通用的生成式 AI 应用不了解企业的业务、数据、客户、运营或者员工；它不知道使用者的具体工作，不知道当前任务的信息环境，不知道可用的数据源。这大大限制了生成式 AI 应用的能力。而且，目前这些面向个人用户的产品也没有配备企业所需的安全和隐私功能，无法保障员工在日常工作中的数据和信息安全。最近这类信息泄露事件层出不穷，不少企业都禁止员工在工作中使用 ChatGPT——包括 OpenAI 的最大投资方之一的微软公司在内。

而要是企业开发属于自己的 AI 应用，则不仅需要大量时间和投入，还难以随着业务进展持续更新。企业的 AI 应用，应该和企业的信息资源管理一样分级分层、设置权限；应该能够和其他工具配合，融入企业工作流中；应该能根据公司的信息政策和可信信息源审查，以及应该能够保证隐私和数据安全。

显然，这并不容易。这个困境和云服务出现之前的 IT 基础设施建设困境，在本质上有些相似之处。而解法，也许异曲同工。

亚马逊云科技 CEO Adam Selipsky 在今年的主题演讲中说：「围绕生成式 AI 的创新是爆炸性的。我们相信，生成式 AI 应该帮助工作中的每个人。」

这就是亚马逊云科技发布 Amazon Q 的原因：一个面向企业的、为工作而设计的生成式 AI 助手。它可以利用企业私有知识完成任务，也可以和亚马逊云科技的诸多产品配合使用，帮助企业提升运营与开发效率。 它是一个通用性产品，客户可以根据自身情况灵活配置，从而让客户企业的每位员工都能充分发挥生成式 AI 的优势——自然语言理解、信息提取、生成内容，这些都是生成式 AI 的长项。

那么，Amazon Q 是什么？

Q 来自问题

Amazon Q 这个名字结合最近的火热新闻，给人们留下了不少猜测空间。其中最主流的，是认为「Q」来自问题。

这很合理。毕竟无论是企业还是企业的员工，都是通过解决问题来创造价值。面向企业用户的生成式 AI 应用，应该能解决哪些问题？

在企业语境下的生成式 AI 应该擅长准确回答与企业内部知识有关的问题；能够从大量文档和数据源中提取高价值信息，辅助做出决策；可以从多个数据源获取数据产生内容，无论是撰写营销文案还是编写业务代码。

如果打开配置好的 Amazon Q，会发现它的界面和市面上的其它生成式 AI 聊天应用区别不大。如果让它「写一篇关于专业人士如何在时间管理方面出类拔萃的引人注目的文章，并将文章字数控制在 500 字以内」，或者「为这份可持续设计办公空间的报告创建一份格式精美的摘要」，它也都能完成相应任务。

但是，最重要的地方是看不见的：它的数据和信息来源，是用户自己企业的私有知识，而这些知识是安全的。

容易看出，这样的提示词和使用 ChatGPT 等生成式 AI 应用时几乎没有区别；如果说有的话，就是缺少了在使用其他个人生成式 AI 时的「角色扮演」步骤。这是因为 Amazon Q 知道用户所定义的角色，理解角色的工作范围，明白角色的工作目标。角色设定早已存在于企业的组织架构和职位安排中，这些企业知识可以成为 Amazon Q 的内隐知识。

接下来，在某处的数据中心里，Amazon Q 搜索它有权限访问的、已经做好索引的数据源，以生成式 AI 的能力生成内容，提供数据来源，方便使用者审查。

亚马逊云科技 CEO Adam Selipsky 在主题演讲中说：「你可以轻松地与 Amazon Q 进行聊天、生成内容、采取行动。这一切都基于你对你的系统、数据存储库和运营的理解。」

而除了这些生成式 AI 的能力之外，考虑企业的使用环境，Amazon Q 还有其他特别之处。

第一，是基于用户权限的访问控制： Amazon Q 可以理解用户的身份、角色和权限。如果用户在没有 Amazon Q 的情况下没有权限访问某些数据，那么使用 Amazon Q 也无法访问这些数据。当然，管理员可以设置，允许将特定的回应仅限制给特定的员工或数据源。

第二，是能够与其他常用企业应用协同。 Amazon Q 可以连接 40 多个流行的企业应用程序和文档库：包括 S3、Salesforce、Google Drive、Microsoft 365、ServiceNow、Gmail、Slack、Atlassian 和 Zendesk 等等，可以从这些应用中获取数据，也能将它们连接成工作流。

第三，是避免生成与企业政策不符的内容。 Amazon Q 拥有管理控制功能，可以阻止整个主题，也可以使用关键字过滤问题和最终答案。管理员还可以做出限制，让回复只来自企业数据的信息，而不是底层大模型的世界知识，避免产生那个臭名昭著的、已经被《剑桥词典》列入年度词汇的「幻觉」现象。

第四，则是最重要的数据和信息安全。 驱动 Amazon Q 的模型是来自亚马逊云科技提供的底层模型，其中包括亚马逊云科技的 Titan 系列。这些模型不会使用客户数据训练。在构建 Amazon Q 时就已经充分考虑了安全性和隐私问题，以帮助客户满足最严格的企业需求。

这就是面向企业用户的生成式 AI 应用，是适合客户企业的业务专家。不过，Selipsky 说，这只是「我们将继续重新定义未来工作方式的开端。」

北美软件企业陆续发布大模型能力的个性化融入

随着ChatGPT的火爆以及微软将GPT能力整合到其产品中的发布，集成大型模型能力已经成为主流软件公司的必由之路。目前来看，在大语言模型方面，主流软件厂商一般会选择与OpenAI的GPT模型进行合作；而在图像生成模型方面，Adobe等具备海量合规素材和商业化落地能力的厂商会选择自研大模型，并与自身应用进行原生集成。我们认为，生成式AI能力的融入将大幅降低专业软件&功能的使用门槛，显著提升工作效率和流程自动化水平，具备自有数据&流程沉淀、庞大客群基础的平台化厂商有望进一步推动客群拓展、提升用户留存、驱动ARPU上升。

1、实现方式：基于第三方模型进行微调为主流方式，Adobe自研Firefly实现创意内容生成。

大语言模型方面，目前主流厂商均选择和OpenAI进行合作，基于自身数据、业务流程等对GPT模型进行微调，在部署上线后亦结合用户数据对Prompting（提示）进行个性化精调，将人类语言的表述根据实际的数据情况更换成更符合大语言模型理解的Prompting，然后以此完成多模态之间的转换并提升指令的准确性。与此同时，Adobe基于自身在创意领域长年的积累推出了创意生成式人工智能模型Firefly，可以生成图像和文本效果。与其他图像生成模型模型不同，一方面，Adobe专注于将Firefly与Creative Cloud中的现有创意工作流程整合；另一方面，模型训练的数据完全来自于Adobe Stock的授权内容、公开许可的内容以及版权过期的公共领域内容，很大程度上平衡了创意生成的需求和内容商业化的可行性。

2、实现功能：集成现有产品和流程，降低门槛、提升效率。

1）Salesforce：销售方面，Einstein GPT能够自动撰写电子邮件、安排会议、生成销售线索、更新客户信息等；服务方面，Einstein GPT能够自动化生成个性化的座席回复，并根据过去的案例生成知识文章等；营销层面，Einstein GPT能够动态生成个性化内容，包括网页、多模态广告等；Slack方面，Einstein GPT能够自动总结销售线索摘要，实现智能化的客户洞察等等。

2）Adobe：Firefly将与Adobe的应用完全集成，这使得设计师不仅能够基于模型完成前期内容生成，也能够基于Adobe专业化的创意套件进行后续调整，包括内容填充&替换、矢量编辑、纵横比调整、蒙版操作等等。与此同时，Adobe支持客户使用自己的创意资产对Firefly进行训练，从而可以生成符合个人或者品牌创意风格的个性化内容。我们认为，AI能力的融入有望进一步降低专业能力的使用门槛，扩大受众范围，增强客户粘性等。

3、治理和隐私：控制数据及功能访问权限，规避版权等合规风险。

数据安全、权限控制、隐私保护、版权合规是大模型在实际应用过程中的核心因素。目前微软在提供copilot相关服务时，在协议中明确表示使用的是公开数据+无版权数据以及微软的自有数据，一定程度降低了数据隐私性的问题。Copilot LLM不会根据用户的自有数据以及用户的提示上进行训练。在企业用户组内部，微软应用了相应的权限模型确保数据不会在用户组之间泄露。而对于Adobe，目前Firefly的训练数据集完全来自于Adobe Stock的授权内容、公开许可的内容以及版权过期的公共领域内容，较好的避免了 Stable Diffusion、Midjourney、Dall-E等其他图像生成模型存在的版权合规问题。与此同时，创意者可以选择其作品不进入训练数据集，而Adobe也计划向贡献训练数据的艺术家支付一定报酬。

生成式AI将提高工作效率

在过去，我们的工作常常需要花费大量的时间和精力来完成繁琐的任务，例如整理数据、撰写文件、处理邮件等等。这些任务虽然重要，但却占用了我们宝贵的时间，限制了我们专注在更有价值的工作上。然而，生成式AI的出现改变了这一切。不仅节省了时间，还提高了工作效率。

除了文本生成，生成式AI还能在其它领域发挥巨大作用。例如，在设计和创意方面，它可以根据你提供的要求自动生成优美的插图、设计稿，甚至是音乐作品。

这极大地释放了人们的创造力，让他们能够更快速地展现想法，并将更多的时间投入到策划和创意的核心。此外，生成式AI还可以辅助医学诊断、金融分析、智能客服等各行各业，为我们提供更精确、高效的解决方案。

然而，尽管生成式AI在释放工作时间和提高效率方面有很多优势，我们也不能完全依赖它。人工智能仍然需要人类的指导和监督，以确保生成的内容质量和符合伦理规范。人类的专业知识和判断力仍然是不可或缺的。

在未来，随着生成式AI技术的不断发展，我们有理由相信，它将继续在工作中发挥重要作用。我们将能够更高效地处理繁琐的任务，释放更多的时间和精力去关注更重要的事情，如创新、战略和商业模式。生成式AI不仅是我们工作的助手，更是我们的合作伙伴，共同推动着世界的发展。

总之，生成式AI在工作中将释放我们的时间，让我们能够更专注于创造性的工作。它为我们提供了更高效、更智能的解决方案，让我们能够更好地应对工作中的挑战。

文章来源： 极客公园，金融界，张哥有聊