美国当地时间11月26日至12月1日，为期5天的re:Invent大会，将“赌城”暂时变成了AI开发者们的朝圣地——会场所在的威斯人酒店，汇聚了超过5万参会者。
作为大模型的诞生地，美国AI企业的动向，在某种意义上是AI发展的风向标。机场的横幅，已经点明了当下AI与云密不可分的关系。而在亚马逊云科技re:Invent的展会上，能看到来自AI算力层、模型层、应用层的各类企业。
作为东道主的亚马逊云科技，在大会上发了两款自研的芯片、一款企业AI助手，更新了从数据库到量子计算的一系列服务。
主会场欢呼最热烈的两个环节，莫过于英伟达CEO黄仁勋、OpenAI老对手Anthropic CEO Dario Amodei登台，分别与亚马逊云科技CEO Adam Selipsky宣布了云计算和模型服务的新合作。
相较于OpenAI开发者大会引发的创业者恐慌，在re:Invent的展会中，能看到亚马逊云科技与客户、开发者，在模型服务、数据库、安全方案等方面同台竞技：亚马逊云科技愈发瞄准客户精细化的需求和垂直场景，而处于中间层的To B厂商们，正在向上下游延伸，提供端到端的服务。
为何能够形成这一种纵横捭阖的AI业态？无论是亚马逊云科技，还是展商，都给出了同样的答案：AI很初期，机会还很多。
云厂商，不断降低客户“买水”的门槛
“我需要一些烹饪建议，我将输入3种食材和烹饪的时间，请给我食谱和详细的步骤。”几秒后，一个具有食谱生成功能的界面出现在了屏幕上。这是re:Invent展会上，AWS推出的0代码App生成器PartyRock。
11月6日，OpenAI发布的GPT Builder，让AI App的开发门槛，降到了“搭积木”的程度。通过将应用开发程序封装进不同的流程模块，用户可以在GPT Builder中用设置参数的方式完成应用的开发。
怎样的开发模式，才能做到比GPTs的门槛更低？亚马逊云科技用PartyRock给出的答案是真生的“0代码”，只要一句话，就能搞定所有的开发流程。“无代码、可微调、可商用，还支持多系统。”
除了亚马逊云科技自研的模型Titan，用户可以选择基于Claude、Llama等主流模型，作为AI应用的底座，并且设置相应的参数。
而相较于已经展露出成为操作系统的野心的OpenAI，亚马逊云科技的策略是和互联网时代的主流操作系统成为盟友，PartyRock生成的AI应用，既可以上架IOS和安卓等主流操作系统，也能作为一个网站发布。
PartyRock可以被视作亚马逊云科技在2023年4月推出的AI服务Amazon Bedrock的“娱乐版”。至于为什么要发布这样一个易上手的AI App生成产品，亚马逊云科技的意图也很明显：收割一批学生、白领等非技术背景的用户。
如今美国的AI企业在争相向开发者“卖水”、建立开发者生态的同时，也在不断降低AI工具的使用门槛。不过，相较于PartyRock提供的轻量化的To C应用的开发环境，企业用户的需求则复杂得多。
如今多数企业对AI应用的需求，是快速复制专家知识。亚马逊云科技在大会上发布的AI工作助手AmazonQ，一方面作为亚马逊云科技的客服和业务经理，为企业答疑解惑，并提供解决方案，另一方面也能连接企业的业务数据、信息和系统，帮助企业创建专属的AI Agent。
相较于微软此前发布的Copilot，Q的定制化属性更为突出。当企业客户部署自己的Agent时，Q会生成一个网络应用程序，管理员工的访问权限，以此保护企业信息安全，并提供更准确的服务。比如针对销售，Q将优先综合销售相关的业务数据和资料，在进行会议摘要时，Q也会将销售部分的内容优先进行总结。
对AI而言，没有“无用”的数据
要提高自动驾驶的安全性，什么样的驾驶数据是有用的？
在re:Invent展会上，若是进入亚马逊云科技的模拟驾舱，或许对不同数据发挥的价值就有了直观的了解。
这个装载道路摄像头，并在仪表盘、方向盘、脚踏板上布满传感器的模拟驾舱，通过AWS亚马逊云科技的IoT（物联网）服务，将车内外数据传输到数据库，并可视化呈现。
模拟舱的试验，是数据对AI的重要性的缩影。在re:Invent的现场能明显感受到，AI是主角，而“Data”又是AI的主角。随着AI的发展，一方面，BI（商业智能）、Text to SQL（文生SQL）等数据相关的AI应用场景，已经被初步验证。另一方面，各行业被要求利用更多的业务数据，去洞察和满足用户愈发精细化的需求。愈来愈多的企业意识到，不存在“无用”的数据。如何让所有的业务数据发挥价值，成了数据服务商提供服务的重点。
比如亚马逊云科技的数据管理服务DataZone，在大会上推出了AI推荐（AI Recommendations）功能，将原有企业找数据的过程，转化为让具有价值的数据，主动找到企业。企业只需输入自己的业务需求，DataZone就能够提供相应的数据索引，并为企业提供使用数据的建议。
根据不同的数据生态，美国AI公司们在云服务方案的选择上，也更加精细化。
经过十多年的发展，美国云厂商已经培养出了较为鲜明的业务优势。几名参展的客户总结：亚马逊云科技注重全球化和大而全的服务，微软Azure注重平台化和定制化的服务，谷歌云则注重于垂直场景。
端到端，不只是巨头游戏
在美国，端到端的AI服务不仅仅是云巨头的游戏。
不少数据库、中间层的厂商都开始建立从数据处理、AI应用定制、安全管理等全流程的AI服务，更甚者与大厂共分蛋糕，提供AI应用开发工具或者框架。
“Your New AI Copilot for Backup（数据备份的AI助手）。”在展会上，Druva一组标语，宣告自己发布了新的AI助手Dru，并可为客户提供定制化服务。
在展会上，技术服务商IBM秀出的“肌肉”，是几乎所有大厂都在布局的生成式AI训练、微调、部署服务。这项名为watsonx.ai的功能，也将Prompt Engineering（提示词工程）、训练、调整和部署等模型训练流程，封装到低代码的模块中，让企业能够较低门槛地开发AI模型，和构建AI应用。
估值高达430亿美元、被英伟达投资的数据处理超级独角兽Databricks，不仅搬来了从数据管理到分析的一整套解决方案，还把与客户合作研发的AI写真生成应用搬到了展会现场。
目前，国内大部分AI写真应用仍需上传20张不同角度的脸部照片作为机器学习的“养料”。但Databricks这位写真领域的“外行人”，却拿出了一套只需现场拍摄一张正面照、5分钟内生成照片的AI写真方案。除却风格和审美差异，Databricks生成写真的面部细节并不亚于国内AI写真应用。
而Databricks的老对手，市值超700亿美元的Snowflakes，则把一整套动捕滑雪游戏搬到了展会现场。
不过，想要进入中国市场，AI外企们寻找合适的商业模式依然是难点。为何“重复造轮子”，依然能够有繁荣的业态？美国AI玩家们给出的答案是：开放的心态+开放的生态。
开源解决方案提供商Red Hat，做的是开源生态的“搬运工”，为企业提供开源技术方案的选择、微调和部署服务。即便开源社区Huggingface也提供同样的服务，但双方依然保持了合作关系。
可以看到亚马逊云科技的大多客户，都在做自己的“AmazonQ”（助手），自己的“Qdrant”（亚马逊云科技的向量数据库），甚至自己的“Bedrock”（亚马逊云科技的AI开发平台）。此前已经发布了云计算服务DGX Cloud的英伟达，这次也将首个配置了最新GPU GH200 NVL32的DGX Cloud，搭在了亚马逊云科技的云上。
刚刚给微软Ignite开发者大会捧场的英伟达CEO黄仁勋，也现身亚马逊云科技的主会场。
Matt Garman说：”作为客户的MongoDB、Snowflake，都是亚马逊云科技数据库Redshift的有力竞争者，大家都在合作和竞争中相互学习对方的优势”。若是站在供应商的角度，加入生态的合作伙伴越多，亚马逊云科技就能够满足用户更多元的需求。