云端 AI 服务各有优劣，AWS、GCP 与 Azure 三大平台比较

▼

生成式人工智慧（Generative AI）崛起一年，成为云端服务商最热门竞争领域。AWS、Azure 及 GCP 三大平台商纷纷大力投资，争取开发者与企业用户青睐，以下分析三大平台生成式 AI 发展策略与优缺点，供读者参考。

AWS 全力推动 Titan 与 Bedrock 计划

AWS 近期推出 Bedrock 平台，以平台即服务提供各类基础模型。Bedrock 基础模型有自研 Titan 系列，以及近期加入的 Mistral AI 各种模型，还有视为超越 GPT-4、评测成绩最佳的 Anthropic Claude 3，还有 AI21 Labs Jurassic、Cohere Command、Meta Llma 2、Stability AI Stable Diffusion 等。用户可透过 Bedrock 的 API 介面无服务器调用模型，Bedrock 也支援私有 VPC 子网络部署，有助保障安全。

除了 Bedrock，AWS 也计划推更多商业基础模型供微调，涵盖产生程式码、聊天机器人等。AWS 全力推动 Titan 与 Bedrock 两大计划，期望于生成式 AI 基础模型市场取得领先。

GCP 发力 PaLM 与 Vertex AI

与 AWS 相较，Google 近期发表 PaLM 系列基础模型，并透过 Vertex AI 平台开放模型。Vertex AI 平台集结 Google 自研与第三方开源各类基础模型，形成丰富园区，用户可透过 Vertex AI 使用微调。

Google 也推出多种低程式码工具，协助开发者更快构建基于生成式 AI 的各类应用。透过 PaLM 模型与 Vertex AI 平台，以及完整开发工具，GCP 也全力加强生成式 AI 布局。

Azure 独家引进 GPT 模型

相较 AWS 与 GCP，微软 Azure 采不同策略。Azure 最新服务就是 Azure OpenAI，独家提供 OpenAI 最新 GPT 模型，如 GPT-3.5 Turbo 等。

Azure OpenAI 让用户直接从 Azure 订阅启动 OpenAI 模型，并选择是否部署私有虚拟网络。Azure OpenAI 也与 Azure 机器学习深度整合，提供点对点模型训练、部署与管理。

谁将成为 AI 战最大赢家？

综观三大平台商生成式 AI 布局，AWS 基础模型有多元选择，似乎略占先机，且 AWS 优势不仅是 Titan 和 Bedrock 等自研基础模型和平台，还有全球公有云市占率最高，早有大量成熟云端服务支援生成式 AI 模型训练部署和使用。

SageMaker 为完整机器学习平台，兼具高度灵活性与可扩展性，轻松训练各类生成式 AI 模型；Lambda 和其他无服务计算选项可部署模型；S3、EFS 等储存服务存放大规模训练资料。利用 AWS 完整云端生态使开发者更便利。

虽然 GCP 与 Azure AI 产品发表频率很高，AWS CEO Adam Selipsy 强调，世界没有一个模型就能解决所有问题，不过凭着云端基建优势，以及 Bedrock 平台多元选择，如果 AWS 持续投资生成式 AI，可能逐步拉开与对手的距离。当然生成式 AI 仍是快速演化的新技术，局势随时都可能产生变化。

GCP 和 Azure 仍以整合第三方模型为主，但只要投资并推出更多自研模型和服务，也有可能迎头赶上。还有其他云端服务商如甲骨文也不落人后，可能打破现有格局。

用户需根据需求挑选最佳平台

现在生成式 AI 云端竞争还在演化，开发者与企业用户选择平台时，需据需求比较各平台模型品质、开发工具、安全性考量、部署成本等，才能选出最适合的生成式 AI 云端服务。

（本文由 Unwire HK 授权转载；首图来源：shutterstock）

▼

   特别声明    本页内容仅供参考，版权终归原著者所有，若有侵权，请联系我们删除。