（图：亚马逊云科技大中华区产品部总经理陈晓建）

在亚马逊云科技2024 re:Invent中国行北京站主题分享上，陈晓建表示，同时使用多个模型的做法在行业中普遍存在。企业在选择模型时，通常会基于性能、功能和成本进行权衡，根据不同场景需求，选择高性能或低成本等不同定位的模型。

亚马逊云科技2024 re:Invent推出Amazon Nova六款基础模型；Amazon Bedrock新接入100多款模型，并推出AI防护、多智能体协作和模型蒸馏等重磅更新，全面优化推理场景的准确性、成本和响应速度；Amazon Q更加深入软件开发和商业应用场景，并为传统工作负载转型开辟新途径；Amazon SageMaker AI将帮助客户更快更轻松地构建、训练和部署模型。

生成式AI推理将成应用核心构建块，未来应用需支持规模化推理平台，利用专有数据，平衡性能、安全性和成本，模型选择至关重要。

Amazon Nova系列模型

Amazon Nova甫一发布即成为全球领先基础模型的重要力量，包括Nova Micro、Nova Lite、Nova Pro和Nova Premier基础模型，以及用于生成高质量图像的Nova Canvas和生成高质量视频的Nova Reel。在各自智能类别中，Amazon Nova Micro、Lite和Pro应用成本比Amazon Bedrock中表现最佳的模型至少降低75%，同时也是Amazon Bedrock中对应类别速度最快的模型。

Amazon Nova系列模型，包括多种类型。Nova Micro是文本到文本模型，能以极低成本提供低延迟响应；Nova Lite为成本极低得多模态模型，可快速处理多种输入；Nova Pro是功能强大的多模态模型，在准确性、速度和成本间平衡；即将推出的Nova Premier是其中能力最强的多模态模型，可处理复杂推理任务并指导定制模型蒸馏。

新一代图像生成模型Amazon Nova Canvas，它能帮助客户生成高质量图像，还具备图像编辑功能，最高可以生成高达两K（2000乘以2000）、2048乘以2048这样的图像，并且用户很快就可以通过Canvas这个模型进行微调。

新一代视频生成模型Amazon Nova Reel，以先进的视频生成质量和低延迟而自豪，提供了性能和成本效益之间的平衡。其文本到视频的功能，使用户能够通过简单描述内容就可生成视频，实现了视频制作的普惠化；文本视频生成功能让用户可通过输入文本和视觉来控制最终输出，制作与愿景匹配的视频。

来自poolside、Luma AI和Stability AI的Stable Diffusion 3.5模型等将很快在Amazon Bedrock上线。其中，poolside的两款模型专为软件开发流程打造，其模型在代码生成、测试、文档编写方面表现出色，基于深层次上下文实现实时代码补全；Luma的模型在创新方面取得重大突破，可将文本和图像转化为高品质、逼真的视频；Stable Diffusion 3.5是基于SageMaker HyperPod训练的高级文生图模型，性能强大。

推出Amazon Bedrock Marketplace，通过该平台，用户可以使用领先供应商提供的一百多个新兴和专业基础模型。用户能够通过统一界面发现、测试各类新兴专业模型，部署模型后，可使用Amazon Bedrock的统一API，以及知识库、安全防护、Agent等工具，同时享受其安全和隐私保护。

Amazon Bedrock的重大发布

Amazon Bedrock是一项完全托管的服务，借助高性能基础模型，构建和扩展生成式人AI应用程序。它是构建和扩展生成式AI应用的关键平台，为客户提供将推理功能整合到生产环境所需的工具，已为客户带来价值。

此次2024 re:Invent上，Amazon Bedrock有很多重大发布，包括：

Amazon Bedrock推出延迟优化选项，基于Amazon EC2 Trn2实例，利用最新硬件和软件优化，可在多模型上实现更好的推理性能。用户指定推理请求优先级后，平台自动处理，该功能已面向特定模型开放预览，如Llama 405B模型在延迟优化版本中性能显著提升，Anthropic的 Claude 3.5 Haiku模型延迟优化版处理速度大幅提高。

Amazon Bedrock推出模型蒸馏功能，用户只需提供示例提示，平台自动完成工作，通过蒸馏得到的模型运行速度提升到5倍，成本降低75%，显著提升生成式AI项目投资回报。

Amazon Bedrock 知识库支持GraphRAG，利用Amazon Neptune自动生成图谱，建立数据源关联，无需专业知识即可开发更全面的生成式AI应用，清晰展示连接和信息来源，提升事实验证透明度，通过API调用可让应用生成更准确响应。

Amazon Bedrock推出自动推理检查功能，预防模型幻觉引起的事实性错误，基于数学验证检查模型事实性陈述准确性并展示推理过程，如在保险领域可确保回答准确性。

Amazon Bedrock多智能体协作功能，支持多个Agent协作处理复杂工作流程，为特定任务创建一系列独立Agent，创建监督Agent负责设置信息访问权限、决定任务执行方式并确保协作，用户无需单独管理Agent，可轻松处理复杂任务。

新一代的Amazon SageMaker

Amazon SageMaker重新做了定义，叫新一代的Amazon SageMaker。新一代Amazon SageMaker为数据、分析和AI提供统一平台，包括以下内容:

全新的Amazon SageMaker Unified Studio使客户能够轻松查找和访问整个组织的数据，并汇集了亚马逊云科技专门构建的分析、机器学习（ML）和AI功能，客户可以在Amazon Q Developer的协助下，为各种类型的常见数据用例选择最合适的工具处理数据。

Amazon SageMaker Catalog和内置的治理功能确保合适的用户以正确目的访问合适的数据、模型和开发组件。

全新的Amazon SageMaker Lakehouse统一了数据湖、数据仓库、运营数据库和企业应用程序中的数据，使客户可以轻松访问和处理Amazon SageMaker Unified Studio中的数据，并使用其熟悉的AI和ML工具或与Apache Iceberg兼容的查询引擎。

全新zero-ETL与领先的软件即服务（SaaS）应用程序的集成，让客户无需复杂的数据管道，即可在Amazon SageMaker Lakehouse和Amazon Redshift中访问第三方SaaS应用程序的数据，并进行分析或机器学习。

大的方向上，客户在构建整个生成式AI的旅程时，需要的不只是模型，甚至不只是生成AI这个词，更多的是数据加AI的统一。新一代Amazon SageMaker就是数据加AI，首先是统一，统一的平台；第二它要开放，第三还是要安全。我们会通过这三层，给客户提供从数据到AI的一体化的感受。

以前的Amazon SageMaker，现在叫Amazon SageMaker AI，它也有很多新的功能发布。Amazon SageMaker AI推出四项创新，助力企业更快使用热门的公开模型，最大化训练效率、降低成本，并使用其首选工具加速生成式AI模型的开发:

Amazon SageMaker HyperPod新增三项强大功能（新训练模板、灵活训练计划、任务治理），帮助客户更轻松地快速开始训练当今最流行的公开可用模型，通过灵活训练计划节省数周的模型训练时间，并最大化计算资源利用率，将成本降低高达40%。

新训练模板帮助客户更快上手：Amazon SageMaker HyperPod现在提供30多个精选的模型训练配方，可适用于时下热门的一些公开可用模型，包括Llama 3.2 90B、Llama 3.1 405B和Mistral 8x22B。这些配方极大地简化了客户的入门过程，自动加载训练数据集、应用分布式训练技术，并配置系统以实现高效的检查点管理和基础设施故障恢复。

灵活训练计划可轻松满足训练时限和预算要求：客户只需轻松点击几下，就能指定预算、截止日期和所需的最大计算资源量。Amazon SageMaker HyperPod会自动预留容量、设置集群并创建模型训练作业，帮助团队节省数周的训练时间，减少客户在获取大型计算集群以完成模型开发任务时的不确定性。

任务治理功能最大化加速器利用率：通过Amazon SageMaker HyperPod任务治理功能，客户可以在模型训练、微调和推理过程中最大化加速器的利用率，将模型开发成本降低最多 40%。

这些新功能能够帮助客户有更灵活、更经济地承载客户在生成式AI训练和推理的工作负载。

总的来看，新一代Amazon SageMaker提供数据和AI的统一，去应对训练、推理、MLOps等场景。同Amazon SageMaker AI也有很多新的功能来加强用户的体验。

亚马逊云科技近几年的创新，不仅在云的核心服务层面持续创新，更在从芯片到模型，再到应用的每一个技术堆栈取得突破，让不同层级的创新相互赋能、协同进化。陈晓建坚信，只有全栈联动的大规模创新才能真正满足当今客户的发展需求。

北京——2024年12月6日 亚马逊云科技在2024 re:Invent全球大会上，宣布推出Amazon Bedrock的多项创新功能。Amazon Bedrock是亚马逊云科技一项完全托管的服务，旨在利用高性能基础模型构建和扩展生成式人工智能（AI）应用程序。此次发布进一步彰显了亚马逊云科技对模型选择的承诺，同时优化了大规模推理的执行方式，帮助客户从数据中挖掘更多价值。

在新模型目录中探索Amazon Bedrock Marketplace模型和Amazon Bedrock完全托管的模型

• 亚马逊云科技即将成为首家提供Luma AI和poolside模型的云服务提供商。亚马逊云科技还将把Stability AI的最新模型添加至Amazon Bedrock，并通过全新的Amazon Bedrock Marketplace功能为客户提供100多个热门、新兴及专业模型的访问权限，客户可根据自身用例找到最合适的模型组合。

• 全新的提示词缓存功能和Amazon BedrockIntelligent Prompt Routing提示词智能路由功能帮助客户更轻松、更经济地扩展推理业务。

• Amazon BedrockKnowledge Bases现已提供对结构化数据和GraphRAG的支持，进一步拓展了客户利用自身数据提供定制化生成式AI体验的途径。

• Amazon BedrockData Automation功能能够在无需编写代码的情况下，自动将非结构化、多模态的数据转换为结构化数据，以帮助客户将更多数据应用于生成式AI及分析工作中。

• 数以万计的客户信赖Amazon Bedrock运行其生成式AI应用程序，过去一年使用该服务的客户量增长了7倍。Adobe、Argo Labs、宝马集团、Octus、Symbeo、Tenovos和Zendesk等公司已采用Amazon Bedrock的最新技术。

亚马逊云科技人工智能和数据副总裁Swami Sivasubramanian博士表示：“Amazon Bedrock服务持续快速增长，因其广泛而领先的模型选择、可轻松基于自身数据进行定制的工具、内置的负责任的AI功能以及开发复杂智能体的能力成为越来越多客户的选择。为了让客户充分释放生成式AI的潜力，Amazon Bedrock一直致力于解决开发人员当前面临的最大挑战。通过此次新发布的一系列新功能，我们将帮助客户开发出更智能的AI应用程序，让他们为其最终用户创造更大价值。”

汇集领先AI公司的广泛模型选择

Amazon Bedrock为客户提供丰富的完全托管的模型选择，这些模型来自领先的AI公司，包括AI21 Labs、Anthropic、Cohere、Meta、Mistral AI以及Stability AI等。此外，Amazon Bedrock是客户使用新发布的Amazon Nova模型的唯一渠道。Amazon Nova是新一代基础模型，以行业领先的性价比为广泛的任务提供先进的智能能力。通过此次发布，亚马逊云科技在Amazon Bedrock上新增更多行业领先的模型，进一步扩展Amazon Bedrock的模型选择范围。

• 
  

  Luma AI的Ray 2：Luma AI的多模态模型和软件产品借助生成式AI推动视频内容创作。亚马逊云科技将成为首家向用户提供Luma AI最先进的Luma Ray 2模型（其著名视频模型的第二代）的云服务提供商。Ray 2标志着生成式AI辅助视频创作的重大进步，它能够依据文本和图像高效且以电影级质感生成高质量、逼真的视频。用户能够快速尝试不同的拍摄角度和风格，创建角色连贯、物理效果准确的视频，可为建筑、时尚、电影、平面设计以及音乐等领域提供创意性输出。

• poolside的malibu和point：poolside解决大型企业现代软件工程面临的挑战。亚马逊云科技将成为首家提供poolside的malibu和point模型访问权限的云服务提供商，这两个模型在代码生成、测试、文档编制以及实时代码补全方面表现出色。这有助于工程团队提高生产力，更快编写出更优质的代码，并加速产品开发周期。这两种模型还能够依据客户的代码库、实践操作以及文档进行安全、私密的微调，使其能够适配特定项目，帮助客户以更高的准确性和效率处理日常软件工程任务。此外，亚马逊云科技还将成为首家提供poolsideAssistant访问权限的云服务提供商，该功能可以将poolside的malibu和point模型强大的功能融入开发人员首选的集成开发环境（IDE）之中。

• Stability AI的Stable Diffusion 3.5 Large：Stability AI是视觉媒体领域领先的生成式AI模型开发商，在图像、视频、3D和音频方面拥有先进的模型。Amazon Bedrock即将添加Stable Diffusion 3.5 Large这一Stability AI最先进的文本转图像模型。该模型能够依据各种风格的文本描述生成高质量图像，加速为媒体、游戏、广告以及零售领域的客户创建概念艺术、视觉效果以及详细的产品图像。

通过Amazon Bedrock Marketplace访问100多个热门、新兴和专业模型

尽管Amazon Bedrock中的模型能够支持众多任务，许多客户仍希望将新兴的专用模型融入到他们的应用程序中，为其独特的用例，如分析财务文档或生成新型蛋白质等提供支持。借助Amazon Bedrock Marketplace，客户如今能够轻松地从100多个模型中进行查找与选择，这些模型可部署在亚马逊云科技上，并能通过Amazon Bedrock中的统一体验进行访问。这涵盖了诸如Mistral AI的Mistral NeMo Instruct 2407、Technology Innovation Institute的Falcon RW 1B以及NVIDIA NIM微服务等热门模型，以及众多专业模型，如用于金融行业的Writer的Palmyra-Fin、用于翻译的Upstage的Solar Pro、Camb.ai的文本转音频MARS6以及用于生物学的EvolutionaryScale的ESM3生成模型等。

客户一旦找到他们想用的模型，就能依据自身扩展需求选择合适的基础设施，并通过完全托管端点轻松将其部署在亚马逊云科技上。客户随后可将该模型与Amazon Bedrock的统一应用程序编程接口（API）安全集成，从而使用诸如Guardrails和Agents等工具，并受益于内置的安全和隐私功能。

Zendesk是一家全球服务软件公司，服务于覆盖全球10万个品牌的多元文化客户群体。该公司可在Amazon Bedrock中使用如用于翻译的Widn.AI等专用模型，通过电子邮件、聊天、电话以及社交媒体对客户服务请求进行个性化和本地化处理。这将为客服人员提供其所需的数据，比如客户母语表达中的情绪或意图等，最终提升客户服务体验。

提示词缓存和Intelligent Prompt Routing帮助客户大规模处理推理问题

在选择模型时，开发人员需要权衡多种因素，如准确性、成本和延迟。针对其中任一因素进行优化，都可能意味着在其他因素上做出让步。为了在将应用程序部署到生产环境时平衡这些考量因素，客户会采用多种技术，例如缓存常用提示词或将简单问题分配给较小模型。然而，运用这些技术既复杂又耗时，需要专业知识来反复测试不同的方法，以确保终端用户获得良好的体验。正因如此，亚马逊云科技新增了两项功能，帮助客户更有效地大规模管理提示词信息。

• 通过缓存提示词功能降低响应延迟和成本。Amazon Bedrock现已支持安全地缓存提示词，从而减少重复处理，且不会影响准确性。对于受支持的模型，此功能最高可将成本降低90%，并将延迟最多缩短85%。例如，一家律师事务所可以创建一个生成式AI聊天应用程序，用于回答律师有关文件的问题。当多名律师在提示词中询问关于文档同一部分的问题时，Amazon Bedrock能够缓存该部分内容，使其只需处理一次，之后每当有人想要询问相关问题时便可重复使用。这通过减少模型每次需要处理的信息量来降低成本。Adobe的Acrobat AI助手通过实现快速文档摘要和问答功能，提高了用户的工作效率。根据初步测试，借助Amazon Bedrock上的提示词缓存功能，Adobe发现其响应时间缩短了72%。
• 提示词智能路由功能有助于优化响应质量和成本。借助该功能，客户能配置 Amazon Bedrock 自动把提示词分配至同一模型系列里的不同基础模型，以优化响应质量和成本。运用先进的提示词匹配和模型理解技术，提示词智能路由能够预测每个请求对应的每个模型的性能，并将请求动态路由至最有可能以最低成本提供所需响应的模型。提示词智能路由可在不影响准确性的情况下，将成本降低多达30%。Argo Labs为餐厅提供创新的语音代理解决方案，通过提示词智能路由处理各类客户咨询和预订业务。当客户提交问题、下单以及预订位置时，Argo Labs的语音聊天机器人会动态地将查询请求路由至最合适的模型，从而优化响应的成本和质量。例如，像“今晚这家餐厅有空桌吗？”这样简单的是非问题，可以由较小模型处理，而“这家餐厅提供哪些素食选项？”这类更复杂的问题则可由较大模型来回答。借助提示词智能路由功能，Argo Labs能够利用其语音代理无缝处理客户交互，同时实现准确性和成本之间的合理平衡。

Amazon Bedrock知识库的两项新功能助力客户最大程度发挥数据价值

无论自身数据存储于何处、采用何种格式，客户都希望利用它们为终端用户构建独特的由生成式AI驱动的体验。知识库是一项全托管功能，客户借助检索增强生成（RAG），能够轻松利用上下文相关及关联数据自定义基础模型的响应。虽然知识库已能便捷地连接至诸如Amazon OpenSearch Serverless和Amazon Aurora等数据源，但许多客户还希望将其他数据源和数据类型融入其生成式AI应用程序中。基于此，亚马逊云科技为知识库新增了两项功能。

• 
  

  结构化数据检索支持功能加速生成式AI应用程序开发。Knowledge Bases提供了首批托管式、开箱即用的RAG解决方案之一，使客户能够直接查询其生成式AI应用程序中结构化数据的存储位置。这一功能有助于打破数据源之间的数据孤岛，将生成式AI开发周期从一个多月缩短至短短几天。客户能够构建应用程序，让应用程序运用自然语言查询来探索存储在Amazon SageMaker Lakehouse、Amazon S3数据湖以及Amazon Redshift等数据源中的结构化数据。借助这项新功能，提示词信息会转换为SQL查询，用于检索数据结果。Knowledge Bases会依据客户的架构和数据自动调整，从查询模式中学习，并提供一系列定制选项，进一步提高所选用例的准确性。信用情报公司Octus将运用Knowledge Bases中全新的结构化数据检索功能，允许终端用户使用自然语言查询结构化数据。通过将Knowledge Bases与Octus现有的主数据管理系统相连，终端用户的提示词信息可转换为SQL查询，Amazon Bedrock利用这些SQL查询检索相关信息，并将其作为应用程序响应的一部分返回给用户。这将帮助Octus的聊天机器人向用户提供精准的、由数据驱动的见解，增强用户与公司一系列数据产品之间的交互。

• GraphRAG支持功能可生成更具相关性的响应。知识图谱允许客户通过将不同的相关信息映射成网状结构来对数据间的关系进行建模和存储。将这些知识图谱融入RAG时会格外有用，系统可依据图谱轻松审阅并检索相关信息片段。如今，凭借对GraphRAG的支持，Knowledge Bases可让客户无需具备图数据库专业知识，即可使用Amazon Neptune图数据库服务自动生成图谱，并跨数据链接各实体之间的关系。Knowledge Bases能够更便捷地生成更准确、更相关的响应，借助知识图谱识别相关联系，并查看源信息以了解模型如何得出特定响应。宝马集团将为旗下的My AI Assistant（MAIA）实施GraphRAG。MAIA是一款人工智能驱动的虚拟助手，可帮助用户查找、理解并整合托管在亚马逊云科技上的公司内部数据资产。借助由Amazon Neptune支持的GraphRAG自动化图形建模功能，宝马集团能够依据数据使用情况，持续更新MAIA所需的知识图谱，从其数据资产中提供更具相关且全面的洞察，进而持续为数百万车主打造优质体验。

Amazon Bedrock Data Automation将非结构化多模态数据转换为结构化数据，用于生成式AI和分析

如今，大多数企业数据都是非结构化的，这些数据包含在文档、视频、图像以及音频文件等内容中。许多客户希望利用这些数据挖掘见解或为客户打造新体验，但将其转换为便于分析或RAG所需的格式往往是一个艰难的手动过程。例如，银行在处理贷款业务时可能会接收多个PDF文档，需要从每个文档中提取详细信息，对姓名、出生日期等特征进行标准化以保证一致性，然后将结果转换为文本格式，再输入数据仓库进行分析。借助Amazon Bedrock Data Automation，客户能够使用单个API从非结构化内容中大规模自动提取、转换并生成数据。

Amazon Bedrock Data Automation能够快速且经济高效地从文档、图像、音频以及视频中提取信息，并将其转换为结构化格式，适用于智能文档处理、视频分析以及RAG等用例。该功能可以使用预定义的默认设置生成内容，例如视频片段每个场景的描述或音频的转录内容，客户也可以根据自身的数据架构生成定制化的输出内容，并将其轻松加载到现有的数据库或数据仓库中。通过与Knowledge Bases的集成，Amazon Bedrock Data Automation还可以解析内容以支持RAG应用程序，通过整合嵌入在图像和文本中的信息，提升结果的准确性和相关性。同时，该功能提供置信度评分，并基于原始内容生成响应，有助于降低生成“幻觉”风险并提高透明度。

Symbeo是一家隶属于CorVel的公司，提供自动化应付账款解决方案。Symbeo计划利用Amazon Bedrock Data Automation，从复杂的文档（如保险理赔、医疗账单等）中自动提取数据。这将帮助Symbeo的团队更快速地处理理赔事务，并缩短向客户回复的周转时间。数字资产管理平台Tenovos正在使用Amazon Bedrock Data Automation在大规模语义搜索中提升内容的复用率，复用率提高了50%以上，节省了数百万美元的营销费用。

Amazon Bedrock Marketplace现已正式可用，同时Amazon Bedrock Knowledge Bases中的推理管理功能、结构化数据检索、GraphRAG以及Amazon Bedrock Data Automation均已预览可用。此外，Luma AI、poolside和Stability AI的模型也即将上线。

去年9月，亚马逊与Anthropic宣布达成战略合作协议，内容包括Anthropic将亚马逊云科技指定为其主要云服务提供商，同时亚马逊对Anthropic投资40亿美元。随后，Anthropic Claude系列模型在亚马逊云科技上线，该系列自去年4月在Amazon Bedrock上线后，迅速获得广泛采用。如今，亚马逊与Anthropic进一步深化合作关系。除了继续以亚马逊云科技为主要云服务提供商，Anthropic现将亚马逊云科技指定为其模型训练首要合作伙伴，并计划使用Amazon Trainium和Amazon Inferentia芯片训练和部署未来的基础模型。双方将继续紧密合作，不断提升Amazon Trainium的硬件和软件能力。

随着双方合作进入新阶段，Amazon Bedrock将为运行Claude模型的客户提供更卓越的性能、安全性和隐私保护。此外，合作双方将携手为亚马逊云科技的客户提供早期访问权限，以能够使用自己的数据对Anthropic模型进行微调，这项定制化功能可让亚马逊云科技的客户在一段时间独享Claude新模型。

亚马逊云科技首席执行官Matt Garman表示：“借助Anthropic基础模型在Amazon Bedrock上开发生成式AI应用的客户都给予了积极的反馈。通过在Amazon Bedrock中继续部署Anthropic模型，并与Anthropic合作开发定制化的Amazon Trainium芯片，我们将不断拓展生成式AI技术的应用边界。Anthropic的创新速度和对负责任的生成式AI的承诺令我们印象深刻，我们期待与Anthropic进一步深化合作关系。”

Anthropic联合创始人兼首席执行官Dario Amodei表示：“对于Claude来说，这是突破性增长的一年。我们与亚马逊的合作至关重要，这使Claude模型的能力得以覆盖Amazon Bedrock上数万个客户的数百万终端用户。我们期待与亚马逊的深化合作，通过使用Amazon Trainium训练并支持我们最先进的AI模型，全面释放技术潜能。”

2024年，Anthropic多次刷新大型语言模型的性能基准，Claude 3和Claude 3.5系列模型均已在Amazon Bedrock上正式可用。其中，Claude 3.5 Sonnet近期升级了包括“电脑操作”在内的高级智能体能力。根据Anthropic的测试结果，该模型在代理编码任务中的表现超越了所有公开可用的模型。由于其卓越的性能，以及在Amazon Bedrock中提供的多样化高性能模型，Arcanum AI、b.well、HackerOne、HUDstats、Forcura、Iterate、NinjaTech.ai、Rexera、Sapio Sciences、StarTree、Thematic和Tulip等客户，已将其生成式AI工作负载迁移至亚马逊云科技。

这些公司和数以万计的来自初创公司、大型企业和政府机构的客户一起，正在亚马逊云科技上使用Anthropic最先进的模型运行其核心工作负载，以获得更好的性能，以及可靠性和安全性。通过Anthropic先进的生成式AI技术和Amazon Bedrock，客户能够安全接入业内顶级基础模型，并推动其在多种应用场景中的实现，包括客户服务聊天机器人、代码助手、翻译应用、药物研发、工程设计以及复杂业务流程。这些客户包括ADP（美国自动数据处理公司）、Airtable、Alida、Amdocs、BrainBox AI、桥水基金、Broadridge、CelcomDigi、科莱恩、Cloudera、Crypto.com、Degas Ltd.、DoorDash、Dovetail、Druva、Enverus、FeatherSnap、Forcura、Genesys、英国基因组学研究所、Georgia-Pacific、GoDaddy、HappyFox、Health eCareers、iFood、Instructure、Intuit、Jaja Finance、KT、Kytes、Lawpath、LexisNexis Legal & Professional、Lili、LivTech、Lonely Planet、M1 Finance、Mend.io、三菱电机、穆迪、nCino、Netsmart、NextGen Healthcare、Nexxiot、野村控股、Parsyl、Perplexity AI、辉瑞、PGA巡回赛、Proto Hologram、理光、Rocket Companies、瑞安航空、Shield、Showpad、西门子、Swindon Borough Council、T-Mobile、TUI、Verisk、Zendesk等。

人工智能的未来令人惊叹。在这篇来自a16z的合伙人Martin Casado的演讲中。Martin 指出，历史上曾发生两次边际成本大幅下降，而发生的平台转移和行业革命的案例：芯片将计算的边际成本降低到了零，互联网将分发的边际成本降到了零。此时此刻，恰如彼时彼刻，大模型将创造的边际成本降到了零，一场令人惊叹的AI革命即将开始，这是所有风险投资人感到如此兴奋的原因

以下是他的发言实录：

大约90年代末我上了人生中的第一门人工智能课程。这东西实际上已经伴随我们很长时间了。在过去的70年里，它在每一个指标上都取得了巨大成功，且一直处于上升趋势。

我们解决了一些我们原本认为计算机不擅长解决的问题。例如，在50年代和60年代，我们使用专家系统进行医学诊断。在80年代和90年代我们在国际象棋上击败了俄罗斯人。我们在图像检测方面做得很好、在机器人技术方面做得很好。我们已经解决了许多最初我们认为“计算机只是大型计算器”的问题。

除了解决这些问题之外，几十年来，还有许多解决方案实际上比人类做得还好。比如，AI在字迹识别方面强于人类，在识别物体和图像方面也优于人类。凭借这些优势，AI实际上为大公司增加了很大的价值。每次使用谷歌搜索的时候就是在使用人工智能，得到一些个性化体验的背后也是人工智能。这些东西就像魔法一样，已经存在很长时间了。它解决了以上我说的所有问题。

贾佳亚在虹桥国际经济论坛上发表主题演讲

亟待人工智能技术提高、释放生产力的工业制造界盼大模型已久，至此终于迎来全球首个工业多模态大模型IndustryGPT V1.0。论坛上，贾佳亚和团队正式发布IndustryGPT V1.0并公布相关技术细节。

作为全球最懂工业制造的大模型，IndustryGPT堪称技术与产业的完美融合。思谋倾注了核心团队二十多年的技术积累、深度的行业洞察、海量的精炼数据，让大模型真正实现在产业端的商业化落地。贾佳亚表示，“IndustryGPT将持续开发并走向真正的智能体，把丰富的数据能量持续转化成新型工业化的技术助力、转化成实体经济高质量发展的新动能。”

进博会期间，思谋科技分别与知名跨国公司松下电器、江森自控签定战略合作，未来将在智能制造、数智化创新领域深度合作，并联合全球先进智能制造力量，打造一体化智能制造集成解决方案，积极构建开放协作发展的新平台，引领全球工业制造进入全新的智能时代。

IndustryGPT：最懂工业制造的大模型

制造业是一个高度专业化的领域，且细分行业众多，这导致不能简单地将一个通用大模型应用于生产环境。即便是当前最负盛名的通用大模型GPT-4，也由于缺少专业知识、无法理解工业场景的具体需求，而无法准确回答制造行业的相关问题、识别常见的工业缺陷，或生成相关的业务流程和代码。

GPT4在工业领域能力不足，无法识别金属产品的表面缺陷

AIGC风生水起，然而还没有任何一个大模型真正服务于高端制造业。如今，工业大模型空白的局面被IndustryGPT打破，传统企业也得以分享人工智能技术驱动下的，智能制造高速增长红利。

IndustryGPT的开发者是独角兽企业思谋科技。思谋核心团队拥有20多年的人工智能技术研发经历，自成立起，便专注于智能制造，目前已服务全球各行业头部企业超200家，积累了完备的制造业智能化升级的知识与经验，以及不同场景的工业数据，为工业大模型的开发，奠定了技术与行业基础。

数据是工业大模型开发的重中之重，要想成为工业专家，需要进行大量独特的数据处理和分析。为此，思谋收集整理了市面上包括光、机、电、算、软五大学科，电子、装备、钢铁、采矿、电力、石化、建筑、纺织等八大行业的全面知识，以及多年研发、生产服务积累的独特数据，共涵盖200+不同工业场景，超300万张工业图像，超500亿Tokens！通常来说，一个工科博士毕业生的阅读量约50万词，而IndustryGPT的训练数据相当于10万博士毕业生的总量。

在此基础上，思谋对数据进行精炼：针对高质量的书籍、论文数据，做专门的OCR处理，最大程度保证专业知识的完整性；针对工业数据训练了专业的精炼模型，对工业专业名词、公式、定理进行规范化处理，保证数据质量稳定性；并邀请超100位工程专家，对批次数据质量进行抽样评估，并进行“文本对”数据编写。

全新交互模式，实现产业落地

作为最懂工业的大模型，IndustryGPT倚仗的是思谋在工业制造中多年的专业知识、数据积累和对客户需求的洞察，它也将凭借强大的功能，为智能制造带来全新范式，注入强劲动力。

贾佳亚在论坛上表示，IndustryGPT打破了传统人机交互的界限，将大模型技术与工业软、硬件相结合，为用户提供了更加直观、便捷的使用体验。无论是工程师、生产管理者，还是产线工作人员，均可以轻松上手、“开箱即用”。

在与人沟通上，IndustryGPT专业知识信手拈来。它可理解场景意图，轻松回答生产环境中的问题，提供精准决策支持。无论是产品信息、生产工艺、原材料选择还是设备运行状况，IndustryGPT都能一一提供详尽、准确的解答。

IndustryGPT可回答产线设备运行状况、设备使用事项等信息

在与软件沟通上，IndustryGPT革新了工业软件操作及交互方式。以思谋SMore ViMo为例，这是一款端到端的工业智能通用型平台，打通了从模型生产到部署应用的全流程，积累了超1000个细分行业场景。在学习SMore ViMo平台的技术文档后，IndustryGPT可理解机器学习模型开发流程，在接收用户的自然语言命令时，驱动ViMo智能推荐、自动创建算法方案，并完成数据标注、调参、训练等操作。在某分类检测案例中，IndustryGPT选择的方案耗时5分钟27秒，且精确率和召回率均达100%，而人工训练下方案耗时长达9分钟31秒，精确率仅50%、召回率66.7%。

IndustryGPT驱动ViMo进行自动化模型选择及训练，提升模型开发效率

在与硬件沟通上，IndustryGPT还改变了数字世界与物理世界的连接方式。以手机中框质检设备的采图为例，传统自动化操作平台需要运营人员花费至少2小时去完成点位设置、采图作业、效果验看、参数调整等流程。而正在研发的使用IndustryGPT驱动硬件智能设备的功能，用户使用自然语言下达指令，通过几次简单对话，最快5分钟完成任务。

使用IndustryGPT驱动智能质检设备快速完成采图操作

贾佳亚透露，“IndustryGPT 将基于V1.0版本上持续开发，并走向真正的智能体。”届时，IndustryGPT将使机械系统不再是僵化的实体，而是成为可根据实时需求和数据变化做出智能决策，实现自主控制和协作的智能体。

现场牵手松下、江森自控

自成立以来，思谋始终以打造更普惠、更通用的智能化产品与解决方案为使命，沿着“传统视觉-深度学习-大模型”路径逐步迈进，不断推动人工智能技术在工业领域的落地。

2021年，思谋推出多个具备光机电算软全链路能力的行业综合解决方案；2022年，思谋自研3C行业“智慧工人”通用柔性五轴检测装备；2023年6月，思谋发布了行业首个工业大模型开发与应用底座SMore LrMo，到如今正式推出IndustryGPT V1.0。

基于持续的技术创新，思谋在全球范围内受到广泛欢迎，服务客户名单包括多家跨国巨头、世界500强企业，如卡尔蔡司、博世、佳能、大陆集团、舍弗勒等。11月7日，思谋更是在进博会现场与松下、江森自控两家全球性企业，签定了战略合作协议，进一步拓展了国际业务版图。

松下与思谋科技战略合作签约现场

据悉，思谋将与松下在“智能制造”及“数智化创新”领域，深入挖掘合作机会，同时建立高层沟通和负责人互访的机制，在利用AI画像检查自动化、智能制造、数智工厂、智能算法调优等相关合作项目中创造更高效、更灵活、更先进的生产制造。

江森自控与思谋科技战略合作签约现场

思谋将携手江森自控，针对新能源、电子半导体、汽车配件等工业领域，联合打造从厂务设施、工艺产线到整座工厂的一体化智能制造集成解决方案。

松下、江森自控均是百年传承的全球性企业，深受广大消费者信赖。如今松下、江森自控，均与年轻的科技独角兽思谋战略合作，携手迎接全球工业4.0浪潮，充分说明思谋深耕智能制造赛道，在注重科技创新的同时，聚焦工业场景，将最先进的技术产品，切实运用到生产一线并得到规模化复制和推广，赢得了全球合作伙伴的高度认可和信赖。

IndustryGPT的发布，将工业智造正式带入大模型时代，也为大模型商业化落地打开新入口。未来，IndustryGPT将不断迭代完善，思谋也将以更领先的技术创新、更高效的产品和解决方案，持续为传统工业注入澎拜创新动力，助力各行各业实现更高水平的智慧化生产，携手全球合作伙伴共同开创智能制造的辉煌未来。

有些行业人士戏谑地称这是马斯克的一种逆云计算的浪潮。但这毕竟是特例，没有多少企业能够达到 X 平台这样的规模。企业对云计算及AI、大模型的需求仍然强劲。

所以这一厢，阿里云主导的云栖大会如火如荼进行，云栖小镇热闹非常。阿里巴巴集团董事会主席蔡崇信，阿里巴巴集团新任CEO、阿里云智能集团董事长兼CEO吴泳铭吴泳铭，阿里云创始人王坚博士三人同框照引发热议，这是阿里人事变动后，阿里云所展现出来的老将新气象。

既懂技术又懂商业的阿里巴巴集团新任CEO、阿里云智能集团董事长兼CEO吴泳铭（阿里内部亲切称为吴妈）将舞台完全交给了蔡崇信、王坚和阿里云CTO周靖人。这也印证外界对吴泳铭的评价：为人处世周到。

蔡崇信给阿里云的定调之词是开放，并肯定阿里云的成绩：中国80%科技企业和一半大模型跑在阿里云上。他强调阿里巴巴集团将持续加大对阿里云的研发投资。

王坚博士则是阐述云计算与大模型之间的关系，比喻二者为电和电机的关系。

阿里云CTO周靖人发布了阿里云一系列大模型以及产品，包括通用大模型通义千问2.0，参数全面提升至千亿级别，阿里云容器服务ACS,超高性能大模型训练平台PAI灵骏等。同时，周靖人还展示了通义前问的各种应用型模型，包括通义星尘、通义灵码、通义晓蜜、通义点金、通义智文、通义法睿、通义仁心。

周靖人的核心点落在他下午主题演讲PPT的最后一Page：云计算加速AI浪潮下的产业智能升级。

周靖人认为在智能时代云计算技术体系已经发生了重大变革，除了传统的云计算三大模式PaaS，IaaS，SaaS之外，出现了新的模式，MaaS (Model as a Service 模型即服务 )，包括基础大模型，行业大模型，模型微调，模型推理，知识增强等。

如何拓展智能边界，开启云计算崭新时代。周靖人从六个维度进行阐述。包括：持续提升云计算基础性能、以云计算开发范式增进效率、打造AI基础设施、以模型为中心加速创新、建设繁荣地开放生态、提供更普惠的云计算服务。

众多的平行论坛，主题也多是围绕人工智能下的云计算发展。人头攒动，座无虚席。

相较于2022年云栖大会，阿里云大模型已经走到了一个百花齐放的路口。通义千问2.0已经到了千亿参数，超越GPT3.5，追赶GPT4.0，垂类大模型已经进入爆发期。

为降低企业对大模型的开发和使用门槛，阿里云发布一站式大模型应用开发平台——阿里云百炼，该平台集成了国内外主流优质大模型，提供模型选型、微调训练、安全套件、模型部署等服务和全链路的应用开发工具，为用户简化了底层算力部署、模型预训练、工具开发等复杂工作。开发者可在5分钟内开发一款大模型应用，几小时即可“炼”出一个企业专属模型，开发者可把更多精力专注于应用创新。

而阿里云大模型的朋友圈，包括众多合作伙伴。除了通义大模型，中国一半大模型公司跑在阿里云上，百川智能、智谱AI、零一万物、昆仑万维、vivo、复旦大学等大批头部企业及机构均在阿里云上训练大模型。

在阿里云魔搭社区上，百川智能、智谱AI、上海人工智能实验室、IDEA研究院等业界顶级玩家，都开源首发他们的核心大模型，阿里云则为开发者们“尝鲜”大模型提供免费GPU算力，截至目前已超3000万小时。魔搭社区现已聚集2300多款AI模型，吸引280万名AI开发者，AI模型下载量突破1亿，成为中国规模最大、开发者最活跃的AI社区。

阿里云的底层逻辑，正如蔡崇信强调的，用最先进技术帮助客户解决问题 。技术先进性是阿里云发展的底色。技术先进性来驱动业务发展，也将是阿里云长期价值的体现。

一项最新研究（来自苏黎世联邦理工大学）发现：大模型的“人肉搜索”能力简直不可小觑。例如一位Reddit用户只是发表了这么一句话：我的通勤路上有一个烦人的十字路口，在那里转弯（waiting for a hook turn）要困好久。尽管这位发帖者无意透露自己的坐标，但GPT-4还是准确推断出TA来自墨尔本（因为它知道“hook turn”是墨尔本的一个特色交通规则）。

智能算力需求爆发，以及由此带来的能耗暴涨，产业如何应对？ 9月7日举行的2023 inclusion·外滩大会《云原生时代的绿色计算论坛》上，来自政、产、学、研、用领域的嘉宾分享了新趋势下的发展方向。

目前，国内从政策上高度重视算力产业绿色化发展。上海通信管理局副局长贺丰提出，上海市围绕“算力浦江行动计划“展开绿色算力相关工作，并提出了加快绿色计算关键技术研发，提升数据中心资源利用率；加快数据中心的标准化度量和界定；加深产业协同，共筑绿色计算新生态的三点关键建议。

（图：上海通信管理局副局长贺丰发表致辞）

中国中小企业协会秘书长、国家发展改革委员会原气候司巡视员谢极表示，中国中小企业协会高度重视中小企业在绿色低碳经济方面的发展。协会联合上海有关单位联合发布《中小企业ESG信息披露指南》与《中小企业ESG星级评级》团体标准，推动广大中小企业绿色低碳转型、践行“绿色计算”、实现计算领域的“碳中和”。

蚂蚁集团提出要关注“端到端的绿色算力体系”，特别是算力应用阶段的计算绿色化，带动突破算效瓶颈，实现绿色协同发展，这一主张也得到参会嘉宾的高度认可。

端到端的绿色计算，即从电力生产、算力生产（包括智算中心建设商、硬件厂商、云厂商），到算力应用全产业环节的绿色计算。中国信通院在2023算力大会发布的《面向算力应用环节的计算绿色化白皮书》中提到，算力应用环节的绿色计算，是智能算效提升空间最大、收效最快，也是尚未被足够重视和仍需加强的部分。

在算力硬件基础设施层面，行业通过架构升级、降低数据中心能耗等措施获得了显著成果。中国移动研究院副院长段晓东表示，中国移动从“新互联、新算效、新存储、新平台、新节能”五大核心方面打造了新型智算中心，构建了标准统一、技术领先、兼容开放的智算底座，“面向智能算力爆发，需要通过开放、协作、普惠、共赢的方式构建算力网络，推动在未来智算时代构建更好的绿色节能算力基础“。

使用AI技术实现数据中心及相关产业的节能优化也是重要的实践方向。清华大学国强教授、智能产业研究院首席研究员刘云新与英特尔中国研究院首席科学家、学术合作中心总监张益民共同分享了最新成果，包含两个方向的核心赋能技术：高能效的智能计算系统和利用AI提质增效，继而打造面向“双碳”的智能计算平台，利用数据驱动的智能决策赋能产业的绿色化。

统计数据测算，在数据产生后，能被有效留存、使用进而发挥价值的比例仅为0.2%。大量数据无法有效产生业务价值，其瓶颈在于当前数据计算处理能力。对此，华中科技大学教授、中国计算机学会副理事长、IEEE Fellow金海从新型数据技术角度提出了近数据处理的三种模式：存储上移、算力下沉、分布扩展，为破解“存储墙”性能瓶颈提出了有效解法。展望未来，金海认为“以数据为中心的计算架构将成为革新大数据处理模式的趋势方向，这也将大大优化数据处理中的算力效率。”

（图：华中科技大学教授、中国计算机学会副理事长、IEEE Fellow金海发表主题演讲）

在大模型时代，科技公司处在算力紧缺的最前线。蚂蚁集团首席技术官、平台技术事业群总裁何征宇介绍，从CPU通算时代开始，蚂蚁集团就开始构建绿色高效的智能计算体系，形成了低碳算力选择、全局资源调度优化、工作负载优化、绿色监测评估四大核心能力，这将为智算时代的绿色计算提供“度量衡”。何征宇介绍，2022年，这套体系支撑了支付宝首页推荐日均30亿PV的算力智能调度，全年节约机器资源消耗41.4%。“AI大模型时代，技术下沉，新的优化空间被打开，底层软件栈的针对性优化应被关注。”

（图：蚂蚁集团首席技术官、平台技术事业群总裁何征宇发表主题演讲）

端到端的绿色计算需要产业上下游协作，共建绿色计算生态。中国电子技术标准化研究院集成电路测评中心主任，绿色计算产业联盟标准测试组组长任翔表示，通过绿色计算产业联盟汇集产业链上下游资源，能够有效推动标准创新、人才培养、国际合作以及技术产品研发和应用落地。

关注碳感知问题，并构建起绿色度量和评估方式，也是产业发展体系化的首要一步。阿里云IDC研发事业部总经理王朝阳、浪潮信息服务器产品线总经理赵帅、人保科技数据中心运营处主管朱佑虹，各自从绿色数据中心、硬件和数据处理等角度分享了不同见解，并建设性地提出了构建算力和碳排放的关联指标，为绿色计算实践进行有效度量提供了行业参考。

在外滩大会，算力作为数字化和深度智能化的底座，价值已得到认同。算力资源供不应求的大趋势下，通过软硬件协同，驱动智能算力突破瓶颈，已经成为行业共识。

9月7日，在2023外滩大会“新一代数据底座——探索图智能的应用与发展”分论坛上，蚂蚁集团带来了一项融合研究—“大图模型”（Large Graph Model，简称LGM）。这项研究将图计算与图学习及大语言模型结合，利用大语言模型的生成能力和图计算的关联关系分析能力，提供更直观、更全面的信息呈现和更精准的洞察，从而更好地解决海量复杂的数字化应用难题。目前蚂蚁已完成第一阶段“生成式异质图增强”的研究工作，相关成果论文被世界计算机顶会（WWW 2023）收录。

图计算是一种强大的数据处理技术，可以解决复杂关系网络中的关联性难题，在金融反欺诈、天气预报、药物开发，甚至类脑研究领域都有应用，被誉为人工智能“牛鼻子”。大模型是最有可能走向通用人工智能的技术，在某些领域的任务达到了与人类相当甚至更好的表现。

为什么要用尖端技术驱动尖端技术？大语言模型不能独立完成数据分析和挖掘任务吗？ 蚂蚁集团高级技术专家刘永超表示，大语言模型可以推理出隐性关联关系，但是无法绘制关系图，而研究数据关系需要体现清晰的链路，使用图结构表示更便于理解。“将大语言模型与图计算结合，就是先从海量信息中逻辑推理，再利用超级计算算出关系，这就类似给人类大脑外接了一台超级计算机，能力更强了”，刘永超解释。

（蚂蚁集团刘永超分享“大图模型”研究成果）

在这项研究中，蚂蚁集团主要开展了两项工作。 第一，利用大语言模型丰富图数据。区别于普通的上下文依赖模型，大语言模型可以根据现有数据生成新的数据点。这项工作名为 “生成式异质图增强”工作，即通过大语言模型来扩展和丰富不同类型的图数据。第二，通过Prompt（一种指令或提示）引导模型学习和发现特定数据特性。例如，设置一个 Prompt“一年内违约3次以上的群体的共同特征”，模型便会生成满足特定条件的数据样本。这种能力可以加速数据分析和特性发现的过程。

蚂蚁集团是图计算领域的引领者，与清华大学共同研发的图计算平台TuGraph曾三次打破图数据库权威测评LDBC SNB世界纪录，2021年获得世界互联网大会“领先科技成果”奖，2023年入选 IDC MarketScape中国图数据库市场“领导者”象限。近年来业界为图智能走向通用人工智能开展了多种尝试，“大图模型”就是蚂蚁为了破解行业难题，从2022年初开始的研究。伴随2022年底大模型爆发，这项研究得到了可行性验证。

在本场论坛上，国内外图智能领域的专家和学者还分享了更多热点进展。加拿大滑铁卢大学校级教授M. Tamer Özsu分享了在业内富有挑战性的流式图计算技术。浙江大学计算机学院教授陈华钧讲述了大模型时代知识处理的机遇与挑战。之江实验室图计算研究中心副主任陈红阳带来了之江朱雀图科学计算与生物医药研发的最新研究。机器之心联合创始人、副主编李亚洲认为图智能和大模型相结合的研究有望为数据智能带来重大提升。

关于人工智能和图计算的可能性，外滩图智能论坛汇聚了不同视角的见解，为图智能发展描绘了重要的发展脉络。

与会的中国科学院院士何积丰表示，“以人工智能为代表的数字技术正迈入从高速增长向高质量增长转变的全新发展阶段，这对其自身安全性和可靠性提出更高要求，也衍生出新型风险与挑战。这类风险更加复杂且隐蔽，只有建设数字安全生态协作系统，政、产、学、研各方紧密合作，共同建设可信可控的数字安全屏障。”

云安全联盟大中华区AI安全工作组将由中国电信上海研究院、蚂蚁集团担任联席组长单位，召集联盟内人工智能相关的产线上下游企业、学校、研究机构、用户单位等共同研究人工智能安全前沿技术。

记者从现场获悉，AI安全工作组将聚焦人工智能突出的安全风险问题，输出人工智能内生安全、衍生安全、助力安全等领域的白皮书、产业知识图谱、团体标准、系统框架、解决方案等，为整个行业提供一个清晰、系统的AI安全研究框架。根据计划，工作组先期将输出《AI安全白皮书》《大模型安全研究报告》《AI数据安全评估规范》等研究成果。

CSA（云安全联盟）创立于2009年，是世界领先的权威国际产业组织，共有成员单位1000余家。CSA致力于定义和提高业界对云计算和下一代数字技术安全最佳实践的认识和全面发展，凭借敏捷性、中立性、专业性被各界认可。CSA GCR（云安全联盟大中华区）是CSA全球四大区之一（其它三大区分别为美洲区、亚太区、欧非区），立足于中国，作为国际桥梁联接世界，致力于构建国际数字安全的生态体系。此次AI安全工作组的成立，也将发挥国际桥梁作用，使我国AI安全研究成果在全球范围内产生影响。

从安全角度看，AI技术是把“双刃剑”。它既会对数据、业务和系统等层面构成威胁，也能为安全科技发展赋能。论坛与会嘉宾表达了一致的观点，并提出了建设性意见。

中国网络空间安全协会副秘书长徐倩华表示，“发展的前提是安全。这需要各行各业形成筑牢安全防护屏障的共识，注重培养顶尖安全技术人才，贯彻落实相关法律法规，共同提升数字安全防护能力，确保数字经济健康可持续发展。”

云安全联盟大中华区主席李雨航院士也表示，“发展与安全是数字经济前进的双轮。人工智能技术的研发既不能因噎废食，也不能坐视安全不顾。优秀的中国AI方案应该成为全球的样板。”

中国电信研究院副院长、云网基础设施安全国家工程研究中心常务副主任李安民表示，面对日益复杂的云网安全威胁，积极探索AI安全、Web3框架下的安全技术及其创新应用，才能帮助数据隐私、交易可信和网络稳定。

金融是现代经济的核心，金融领域的科技创新与安全愈发重要。

国家金融与发展实验室副主任杨涛表示，“让金融更安全地拥抱科技，一方面要解决科技企业与金融机构建立‘各司其职、风险自担’的合作边界问题，另一方面完善金融科技生态与夯实基础要素。”

中国民生银行首席信息官张斌认为，“当前开放银行、智慧银行、场景金融等数字金融服务迅猛发展，金融机构应尽快建立与之配套的数字安全防御体系，驱动金融业务更好、更快、更稳健发展。”

作为互联网科技企业，蚂蚁集团机器智能部总经理、蚂蚁安全实验室首席科学家王维强介绍，针对生成式大模型安全问题，蚂蚁集团基于近10年可信AI沉淀，逐步构建“大模型安全检测与防御”的一体化解决方案，以保障大模型在生产和使用过程中更加安全、可控、可靠。目前已发布“蚁鉴”AI安全检测平台。同时蚂蚁集团基于安全基座模型能力，持续升级全方位全链路的智能风控防御体系，与生态伙伴们一起解决新AI时代的安全科技难题。

据了解，本次论坛由中国网络空间安全协会指导，金融科技50人论坛、蚂蚁集团联合主办，多位重磅嘉宾参会探讨数实融合发展中的新型风险与挑战，分享时代脉搏下的关键技术趋势和安全科技实践成果。

当回望过去，iPhone所引领的移动互联网发展，极大促进了人和人，人和服务、商品的链接。包括LBS服务，无现金社会，彻底改变了生活，影响非常深远。

井贤栋表示当前一大波大模型的冲击，类似于iPhone时刻，会重构很多商业。大模型当下已经影响公司里传统的客户运营，市场营销，销售，未来还会有更深入的影响。

井贤栋强调，蚂蚁是将科技作为自身最核心的竞争力、最重要的生产力、发展根本的驱动力。蚂蚁集团高度重视大模型，不论是基础大模型到上层的应用大模型是全情投入，纯自研，全栈布局。