但是在搭建過程中，大禹團隊逐漸發現，長期以來企業內部資源的檢索和調用都存在結構散亂、檢索速度慢、交互不便等問題。而且由於橫跨多個不同領域、涉及多個不同業務單元，如若以傳統方式打造知識庫，這些問題將始終橫亘其中。因此，大禹團隊決定將大資料庫和生成式AI應用於一個全新的「智能知識庫」，從根本上提升知識庫的可用性。

在此訴求下，有著長期良好合作基礎的亞馬遜雲科技再次成為西門子合作的首選。在深入調研和全盤考量後，最終亞馬遜雲科技為大禹團隊提供的是一個智能知識庫暨智能會話機器人的解決方案指南，能實現目標知識庫約80%功能，西門子中國根據企業內部需求再做20%定製化開發，最終形成完整的解決方案。

在整體解決方案中有三大亮點：

其一，採用「RAG 架構+向量資料庫」設計，核心主體知識庫以向量方式構建，能夠存儲超大規模的向量數據。另外，RAG 架構保障了知識庫在不影響訪問速度的前提下，擁有了近乎無限的可擴展性，極大地拓展了大模型的可用性；

其二，開源搜尋引擎Amazon OpenSearch Service 的無伺服器特性讓開發人員不需要管理集群或擔心生產規模，可以快速推動部署；

其三，機器學習服務Amazon SageMaker上提供了豐富的模型開發和訓練工具，保證客戶可以在雲端輕鬆實現大語言模型的調優以及測試更多不同類型的開源模型。

最終大禹團隊在亞馬遜雲科技的支持下，僅用三個月就完成了生成式AI對話機器人「小禹」的開發、部署與上線。相較傳統機器人，「小禹」的回答內容不僅生成速度更快，其對搜索關鍵詞的命中率也更高，用戶體驗更優。西門子中國專屬智能知識庫上線後，首周就有超過4000位內部用戶參與使用，超過12000個問題被提出並解答。

發力在線教育，觸發教學模式全蛻變

縱觀歷史，每一輪科技革命都會給教育形態帶來深刻變化。生成式AI同樣正在觸發教育教學模式的深層次變革。

作為外研社推進數字化轉型的載體，外研在線正在積極投入生成式AI建設，以期實現對外語教學的智慧化提升。不過，進行大範圍的生成式AI探索與測試的前提，是有靈活、易部署、高效的底層基礎設施架構予以支持。

因此，外研在線的人工智慧團隊首先詳細評估了生成式AI對業務的影響與挑戰；再者，外研在線希望對市面上主流的基礎大模型進行大範圍的評測和試用，以選擇出最適配自身教學環境的基礎模型工具。與此同時，為了滿足長期持續的推理需求，外研在線還需要進行數據的清洗，模型的定製化、量化、微調和壓縮等優化工作，以降低大語言模型的使用成本。

綜合考慮上述需求後，與外研在線有多年成功合作經驗的亞馬遜雲科技脫穎而出。在拓展生成式AI應用時，外研在線同樣選擇基於亞馬遜雲科技基礎設施和產品服務進行構建。

完全託管式機器學習服務Amazon SageMaker為企業提供一整套工具和框架，包括數據標註、模型訓練、模型部署、自動化建模等功能，這套端到端模型部署方案，可以實現基礎模型的二次開發微調，為所有開發人員構建、訓練和部署模型提供便利。

在搭建生成式AI平台時，外研在線正是採用了Amazon SageMaker為大模型進行微調，而數據處理部分由雲伺服器Amazon EC2承擔工作負載，處理第三方的開源數據集，並使用雲存儲Amazon S3保存AI模型的各種數據和模型文件，以此獲得在大模型上更便捷地構建生成式AI應用的能力。

對於外研在線格外關注的大模型部署問題，亞馬遜雲科技提供了豐富的專業技術支持資源，其專業服務團隊與外研在線通力合作，協助評測了市面上幾乎所有的大模型和生成式AI工具，並針對不同的應用場景完成多次POC測試。同時採用 Amazon SageMaker 部署了多個大模型進行測試和比較，直觀演示實時推理，運行批量推理任務，使繁複的測試變得簡潔高效，確保外研AIGC平台按時上線運行。

在亞馬遜雲科技助力下，外研在線推出了 iTEST、iWrite、iTranslate 等提供智能點評、譯文潤色的新服務，實現基於項目的學習、人機互動式共創學習、無限個性化學習、沉浸式學習等新學習方式，幫助學生獲得更好的學習體驗，同時也減輕教師的工作負擔，達成了提高教學效率和質量的目標。

加碼智能製造，按下雲上工業設計快進鍵

隨著智能家居產品的不斷升級，市場對產品的工業設計和上市速度提出了更高的要求。成立於1994年的海爾創新設計中心為海爾智家旗下七大品牌全球的所有產品提供設計創新和模式探索。為了更好地服務用戶，數字化重構勢在必行。

數字化要和最新的行業應用結合，要達到資源的最高效配置，這是海爾設計數字化轉型的兩個要點。此前，海爾設計使用的是自建的私有雲系統，部署在自有 IDC 內。這套私有雲系統存在諸多問題：桌面系統資源擠兌、文件存儲系統因容量受限無法長期保存歷史文檔、渲染系統由於資源受限渲染任務需要長時間的排隊等待，以及基礎系統維護複雜、無法彈性擴展等，對業務產生了較大影響。

海爾設計希望通過數字化轉型提高設計效率的同時，還能獲得全新的方案和思路，去幫助設計打開市場局面、更好應對全球化挑戰，這是海爾設計最終選擇與亞馬遜雲科技合作的主要原因。

據此，亞馬遜雲科技為海爾設計提供了四個完整的雲上解決方案，全面替代自有機房，讓設計中心的工作流程實現全面雲化。具體而言，包括3D雲桌面系統、文件共享系統、渲染農場系統以及自動化設計系統等四個部分：

3D雲桌面系統：在海爾設計的青島辦公室，3D雲桌面系統為300多位3D設計師、平面設計師提供便捷易用的桌面環境。通過公有雲上的資源隔離劃分，海爾設計在徹底解決原自建IDC的VDI方案「資源擠兌造成卡頓、閃退或宕機」以及「多人使用時性能衰退」等問題的基礎上，還能有約30%性能提升，可謂一舉多得。

文件共享系統：基於Amazon S3特性構建的文件共享系統，讓公司、小組和個人之間得以共享存儲。這種對冷熱數據進行自動分層的無限容量存儲系統讓數據安全性提高了3倍，而此前自建 IDC 每人最大分配500G容量、每天只允許一個備份且最多保留7天的設定，自此成為歷史。

渲染農場系統：在搭建渲染農場系統時，部署了亞馬遜雲科技自有渲染產品 Amazon Thinkbox deadline軟體及HPC集群進行圖片渲染，具備高性能和彈性，讓設計師提交任務後就能拿到渲染效果圖，徹底解決渲染任務排隊問題。而低負載時它會自動降低Amazon EC2 Spot數量且按實際使用時間（精確到秒）付費，從此不再浪費。

自動化設計系統：自動化設計系統/智能設計渲染系統通過Amazon EC2、Amazon Thinkbox Deadline、Amazon DynamoDB等運行自動化設計軟體，10分鐘就能自動生成人工需要數天才能完成的大批量渲染效果圖，徹底解決了原自建IDC存在的算力瓶頸問題。

亞馬遜雲科技為海爾設計中心量身定製的這四套系統形成了完善的端到端的工業設計解決方案，讓設計中心的工作流程實現了全面雲化、自動化。上線後，自動化設計系統應用讓原有項目周期縮短了 30%，獲得巨大成功，成為了工業設計行業的樣本型範例。

助力服務升級，深耕跨境電商業務場景

多年來，電商領域都在探索著以更好的技術工具實現降本增效的路徑。而隨著生成式AI的突破性發展，人工智慧生成的營銷內容和圖片在電商領域也迎來了爆發期。

店匠科技是一家專注於全球獨立站銷售的SaaS企業級技術公司，聚焦跨境電商場景。在與商家的交流中，店匠科技發現，服裝鞋帽類產品更新疊代快，對內容素材要求高、作圖壓力大。因為素材圖片的拍攝和處理不僅涉及到拍攝創意、版權、成本等問題，還需要考慮面對不同國家消費者、模特和產品展示的多樣性。

為了更好地服務服裝商家，針對其素材圖片製作成本高、需快速上架等痛點，店匠科技決定推出人工智慧生成的圖片應用—— BetaCreator。

但要開發這款新應用，店匠科技要面對不少挑戰：第一，電商行業發展迅速，企業自身構建和部署模型耗時耗力且不易靈活擴展；第二，人工智慧生成的圖片有一定的算法和工程門檻，企業缺乏專業的算法人員以及成熟的實踐經驗；第三，新應用的用戶體驗至關重要，需要創新、易用的人工智慧技術來滿足和優化這些需求。

綜合考慮下，店匠科技最終選擇了與亞馬遜雲科技一起攻堅這些難題。

雙方傾力合作下，店匠科技將模型輕鬆託管在Amazon SageMaker上，在此基礎上，不但快速構建了BetaCreator，還迅速完成了模特生成、模特換臉、商品變款、背景更換、創意爆款等應用場景的實驗，不但幫助商家快速實現了電商素材圖片的自動生成和自動化處理，還保障了生成的電商素材圖片在細節、質量和連貫性方面都有生動逼真的表現力。

另外，Amazon SageMaker JumpStart機器學習中心還為店匠科技提供了數百種內置算法以及經過預訓練的模型庫，加速模型的構建和部署。同時，Amazon SageMaker JumpStart還提供了負責任的人工智慧技術，自身帶有鑒黃、鑒恐等功能，若有涉黃涉恐的輸入或生成內容，會自動打碼、降低風險。

從構思產品原型到最終上線的整個過程，亞馬遜雲科技技術團隊為店匠科技突破技術難關提供了全方位的技術支持與服務。

店匠科技通過使用Amazon SageMaker全託管式服務，大大提高了機器學習模型的訓練速度和效率，使產品的開發周期從過去的6個月縮短到2個月，顯著降低了模型訓練和調優的時間成本。加上Amazon SageMaker JumpStart提供的不斷更新的模型庫，店匠科技得以輕鬆靈活嘗試新的模型來優化產品功能。

整體而言，在此基礎上構建的BetaCreator不僅節省了商家廣告投放時不同素材圖片的測試時間，還大大提升了電商素材圖片的產出效率，為生成式AI在電商領域的落地提供了又一代表性範例。

結語

如果用AI把所有應用、所有產品都重做一遍，會發生什麼呢？這裡有巨大的想像空間。但毋庸置疑的是，人工智慧有望成為重塑中國關鍵產業的強大力量。

但是前景與現實之間尚有距離，尤其是落實到千行百業的全面應用，中國企業人工智慧與業務相結合的能力還有很大的進步空間。

在生成式AI颳起的颶風中，亞馬遜雲科技作為全球雲計算領導者，其當前的技術路線選擇及實戰路徑,正在促使其成為更多企業踐行生成式AI戰略的合作夥伴。從上述案例中，我們可以看到，任何技術都要在真實的應用場景中實現價值轉化，才能真正成為撬動發展的飛輪。我們更希望，有了這些標杆案例的參照，各行業企業可以更快梳理好自身的生成式AI用雲圖鑑。