IDC&亚马逊云科技：2024生成式AI白皮书会员免费优质

五大关键要素解锁生成式AI全新机遇

从基础模型到落地的生成式 AI 应用，需要经过模型训练、模型定制、模型部署、模型推理等环节。各个环节上的行业参与者均面临着不同程度的基础设施、数据集成、应用场景选择、安全与隐私以及负责任 AI 方面的挑战：大模型提供商在训练基础模型的过程中，数据准备工作复杂而耗时，训练基础设施的管理与优化有较高的门槛，且算力成本高昂。对于生成式 AI 应用开发者而言，需要为应用场景选择最为适配的模型，也需要集成来自不同存储库、不同格式的数据，还需要保障用户数据隐私、模型安全以及生成内容的安全。对于生成式 AI 应用使用方而言，识别应用场景、利用自有数据与大模型进行交互的过程中如何保证数据安全，如何确保模型生成内容所问即所答，都是其挑战所在。整体来看，能够帮助生成式 AI 新生态里的产业参与者加速生成式 AI 应用落地的解决方案，必须具备五大要素：高性价比的基础设施、丰富而灵活的模型选择、使用私有数据实现差异化定制、开箱即用的生成式 AI 驱动的应用和负责任的 AI。关于部署方式，现阶段用户更倾向于从云端开始部署：一方面大模型尚处于早期，模型能力不断突破，云服务能够助力用户快速使用到最新的模型能力；另一方面，使用云服务也可以助力用户降低基础设施搭建与运维的时间成本，因此云服务商成为各类玩家构建和部署生成式 AI 应用的首选合作伙伴。执行概要

开启云上生成式 AI 之旅：有必要尽快将生成式 AI 融入企业级战略，确定是自建模型还是使用模型定制功能来发挥企业的差异化优势。在参考外部诸如提高生产力、增强用户体验以及优化业务流程成功实践的同时，筛选确定自身应用场景。端到端构建生成式AI 应用，则从为应用场景选择模型开始，参考当前的成功实践，选择适当的模型定制路线进行模型的适配与调整，将经过评估验证的模型集成到企业应用系统，并设立评估指标，对应用进行持续迭代。亚马逊云科技助力释放生成式 AI 潜力：亚马逊云科技致力于不断降低机器学习使用门槛，面向生成式 AI，公司提供丰富的算力选择与高效的加速训练与推理；在海外区域推出 Amazon Bedrock 助力轻松构建并规模化生成式 AI 应用，以及企业级生成式 AI 助手 Amazon Q；高度重视为用户提供负责任的 AI 策略支持。此外，公司也在持续建设端到端的数据基座，以支持生成式 AI 的数据集成需求。至今，超过�万家客户利用亚马逊云科技 Amazon Bedrock 进行生成式 AI 创新。

生成式 AI 应用：热度高、落地慢�.� 近六成企业开始拥抱生成式 AI�.� 生成式 AI 落地不及预期构建生成式 AI 应用的现实挑战�.� 生成式 AI 三类主要参与者�.� 数据准备耗时，训练成本高昂�.� 数据集成复杂，模型适配难，安全要求高�.� 应用场景筛选难，数据隐私安全顾虑，缺乏成功部署实践云服务助力构建生成式 AI 应用�.� 落地生成式 AI 应用的五大关键要素�.� 具备成本效益和领先 AI 应用的云服务加速构建生成式 AI����������������������010203CONTENTS

从云端开始构建生成式 AI�.� 制定融入生成式 AI 的人工智能战略�.� 规划生成式 AI 应用场景�.� 端到端构建生成式 AI 应用亚马逊云科技助力企业解锁生成式 AI 潜力�.� 高性价比且丰富的基础设施加速训练与推理�.� 丰富的模型可选，可基于私有数据差异化定制�.� 生成式 AI 驱动的应用程序�.� 亚马逊云科技注重负责任的 AI�.� 端到端数据基座打通壁垒，让所有应用可治理、可管控��������������������0504

随着生成式 AI 应用快速进入市场，以及越来越多大模型的不断面世，����年已经成为生成式 AI 的元年：不同区域、各行各业、不同领域的人们开始尝试在工作和生活中使用生成式 AI，以探索各种可能性。于企业而言，生成式 AI 也已经成为从董事会到基层员工都在探讨热议的话题，一些领先的企业甚至已经利用生成式 AI 技术实现了业绩增长。生成式 AI 应用：热度高、落地慢第一章��

在����年第四季度的生成式 A...