機器學(xue)習(ML)范式轉變的(de)種子(zi)已經埋下了幾十年，但隨(sui)著可伸縮計算能力的(de)可用性(xing)、海量(liang)數據的(de)爆炸以(yi)及(ji)機器學(xue)習技術(shu)的(de)快速進(jin)(jin)步，汽車和制造(zao)業(ye)(ye)客戶正在著手對業(ye)(ye)務進(jin)(jin)行重(zhong)塑(su)。就在不久前(qian)，生(sheng)成式AI應用，引發了人們的(de)廣(guang)泛(fan)關注和想(xiang)象，不過這只是一(yi)個開(kai)始。為了真(zhen)正影響行業(ye)(ye)，進(jin)(jin)而(er)惠及(ji)消費者(zhe)，企業(ye)(ye)需要擁抱各種可能性(xing)，并為其開(kai)發人員提供(gong)所(suo)需工具(ju)。我們正處(chu)于一(yi)個令(ling)人興奮的(de)轉折點(dian)——機器學(xue)習被廣(guang)泛(fan)采用，亞馬(ma)遜云科技相信生(sheng)成式AI將重(zhong)塑(su)大多數客戶體驗以(yi)及(ji)應用程序。
在汽車行業，生成式AI有望幫助改變汽車的設計和開發方式。作為一種新的人工智能應用方法，生成(cheng)式AI能(neng)夠創造新的(de)內容和想法，包括(kuo)基(ji)(ji)于開發(fa)者的(de)指(zhi)令進行設計類工作(zuo)的(de)探索。與(yu)所有人工智能(neng)技術(shu)一(yi)樣，生成(cheng)式AI的(de)能(neng)力也(ye)是由機(ji)器學習模(mo)型(xing)(xing)(xing)驅(qu)動的(de)，這些龐大的(de)模(mo)型(xing)(xing)(xing)經過海量數(shu)據的(de)預先訓練(lian)，通常被稱為基(ji)(ji)礎模(mo)型(xing)(xing)(xing)(Foundation Models)。當今的(de)基(ji)(ji)礎模(mo)型(xing)(xing)(xing)，如大型(xing)(xing)(xing)語言(yan)模(mo)型(xing)(xing)(xing)GPT 3.5或BLOOM，以(yi)及由Stability AI開發(fa)的(de)文(wen)生圖(tu)模(mo)型(xing)(xing)(xing)Stable Diffusion，都可以(yi)執(zhi)行橫(heng)跨多個(ge)領域的(de)廣(guang)泛任務，包括(kuo)撰寫(xie)博客、生成(cheng)圖(tu)像、解決數(shu)學問題、參與(yu)對話和基(ji)(ji)于文(wen)檔(dang)回(hui)答問題等。
在應用于汽車開發(fa)過(guo)程(cheng)時，生(sheng)成式(shi)AI可以幫(bang)助(zhu)(zhu)汽車制造商快速確定發(fa)動機、輕量化結構和車輛(liang)功能(neng)(neng)等(deng)復雜系統的最佳(jia)設(she)計選項。借助(zhu)(zhu)亞馬(ma)遜云(yun)服(fu)務，汽車制造商現在可以獲取強大的計算資源，以幫(bang)助(zhu)(zhu)擴展其生(sheng)成式(shi)AI的能(neng)(neng)力。這(zhe)篇文章簡(jian)要介(jie)紹了(le)生(sheng)成式(shi)AI如何幫(bang)助(zhu)(zhu)汽車主機廠(OEM)進行軟件開發(fa)，以及設(she)計、訓(xun)練和測試自動駕(jia)駛系統。這(zhe)些(xie)都是(shi)亞馬(ma)遜云(yun)科技正在盡全力積極探索及整(zheng)合的新技術。
生成式AI與軟件定義汽車之旅
汽(qi)車(che)行(xing)(xing)業正在越來越廣泛地采用 “軟(ruan)件(jian)定(ding)義(yi)汽(qi)車(che)(SDV)”，通過數(shu)百(bai)萬行(xing)(xing)代(dai)碼，它(ta)為客戶提供更為靈活、響(xiang)應速(su)度更快的解決方案(an)。在軟(ruan)件(jian)定(ding)義(yi)汽(qi)車(che)的模(mo)式下，主機廠(chang)通過空中下載(OTA)更新可以(yi)持續為車(che)輛(liang)功能進(jin)行(xing)(xing)更新和升級，類似于智能手(shou)機通過更新獲取新功能，并(bing)隨著時(shi)間(jian)推移而更加好用。
生成(cheng)式AI可用于(yu)創建和優(you)化(hua)軟件和控(kong)制系統，并幫助提(ti)高車輛(liang)的(de)硬件性能。隨著車輛(liang)代碼變得(de)日(ri)益復雜(za)，軟件工程師更應該專注于(yu)開發創新功能，而不(bu)是(shi)花(hua)時間試圖跟上復雜(za)且不(bu)斷變化(hua)的(de)工具和技術環境(jing)。
汽(qi)車(che)行(xing)(xing)業客(ke)戶可(ke)以使用實(shi)時(shi) AI 編程(cheng)助(zhu)手 Amazon CodeWhisperer（）。借助(zhu)生成(cheng)式AI，Amazon CodeWhisperer可(ke)根據開發(fa)(fa)人員使用自(zi)然語言(yan)編寫(xie)的(de)(de)(de)注釋和集成(cheng)開發(fa)(fa)環境(IDE)中的(de)(de)(de)代(dai)碼實(shi)時(shi)生成(cheng)建(jian)(jian)議，幫助(zhu)提高(gao)開發(fa)(fa)人員的(de)(de)(de)工作效(xiao)率。同時(shi)，Amazon CodeWhisperer能夠對IDE中的(de)(de)(de)現有代(dai)碼進行(xing)(xing)分析(xi)(無(wu)論是由(you)CodeWhisperer生成(cheng)的(de)(de)(de)還是由(you)開發(fa)(fa)人員編寫(xie)的(de)(de)(de))，高(gao)精度地(di)識別其中有問題的(de)(de)(de)代(dai)碼，并就如何修復提供智(zhi)能化(hua)的(de)(de)(de)建(jian)(jian)議。
利用生成式AI幫助客戶達成目標
邁向高度(du)自動(dong)化(hua)和自動(dong)駕(jia)駛的(de)旅程，是汽車行業的(de)一個主要關注點。自動(dong)駕(jia)駛需要復雜的(de)軟件和硬件系統無縫(feng)地協同工作。在設計和測(ce)試這些系統的(de)過程中，生成(cheng)式AI可以發揮(hui)重要作用(yong)。
例如，主機(ji)廠可(ke)以(yi)(yi)借(jie)助生成式AI來進行模擬，以(yi)(yi)測(ce)試(shi)(shi)車輛對各(ge)種駕駛場(chang)景(jing)的(de)響應。這些場(chang)景(jing)可(ke)能(neng)是極(ji)(ji)小概率(lv)會發生的(de)情況(kuang)，或者在現(xian)實世(shi)界(jie)比較極(ji)(ji)端的(de)情況(kuang)，測(ce)試(shi)(shi)并不安全(quan)(比如，在夜間、雨天和黑暗中差點撞上橫穿馬路的(de)人)。模擬測(ce)試(shi)(shi)不僅可(ke)以(yi)(yi)提高測(ce)試(shi)(shi)效率(lv)，還(huan)將(jiang)使汽車企(qi)業得以(yi)(yi)創建更豐富(fu)的(de)測(ce)試(shi)(shi)場(chang)景(jing)，并有可(ke)能(neng)提高整(zheng)個駕駛系統的(de)能(neng)力。
云與亞馬遜云科技如何提供幫助?
亞馬(ma)遜云科技致力于讓(rang)客戶(hu)更(geng)輕(qing)松地(di)使用(yong)機器學習和(he)AI，并努力使客戶(hu)更(geng)容易利用(yong)生成式(shi)AI進(jin)行構(gou)建。Amazon Bedrock（）作為一項新服(fu)務，能夠讓(rang)客戶(hu)通過API訪問(wen)來自亞馬(ma)遜以及領先(xian)AI初(chu)創公司(包(bao)括AI21 Labs、Anthropic和(he)Stability AI)的(de)基礎模型。Amazon Bedrock是客戶(hu)使用(yong)基礎模型構(gou)建和(he)擴展生成式(shi)AI應用(yong)程(cheng)序的(de)最(zui)簡單方法，降低(di)了(le)所有(you)開發者的(de)使用(yong)門檻。客戶(hu)可以通過Bedrock訪問(wen)一系列強大的(de)文本和(he)圖像基礎模型(該服(fu)務目前(qian)提供有(you)限預覽(lan))。
生(sheng)成式AI需要大量的(de)計算(suan)資源(yuan)和數據，而獲取及(ji)管(guan)理這(zhe)些資源(yuan)和數據既昂貴又耗時。無(wu)論客戶是(shi)想運行、構建還是(shi)定制生(sheng)成式AI基礎(chu)模型(xing)，都需要專門為機(ji)器學(xue)習構建高性(xing)能、高性(xing)價(jia)比的(de)基礎(chu)設施。
亞馬遜云科技客戶可(ke)以(yi)(yi)使(shi)用由Trainium（）提供(gong)支(zhi)持的(de)(de)Amazon EC2 Trn1（）實例(li)，與其(qi)他EC2實例(li)相比，它(ta)都可(ke)以(yi)(yi)節省(sheng)高(gao)達50%的(de)(de)訓(xun)練成本。一旦大(da)規(gui)模(mo)部署生成式AI模(mo)型(xing)，大(da)多數(shu)成本將由模(mo)型(xing)的(de)(de)運(yun)行(xing)和推理產生。此時，客戶可(ke)以(yi)(yi)使(shi)用由Amazon Inferentia2（）提供(gong)支(zhi)持的(de)(de)Amazon EC2 Inf2（）實例(li)，這些實例(li)專(zhuan)門(men)針對運(yun)行(xing)數(shu)千億個參(can)數(shu)模(mo)型(xing)的(de)(de)大(da)規(gui)模(mo)生成式AI應用程序(xu)進行(xing)了優化。
