2024生成式AI時代下的數(shù)據(jù)戰(zhàn)略

數(shù)據(jù)AI時代下的01020305

生成式AI飛速發(fā)展，開啟企業(yè)全面重塑新時代 3人工智能發(fā)展迎來新拐點(diǎn)，將深刻改變未來商業(yè)模式 4企業(yè)積極探索生成式AI應(yīng)用，機(jī)遇與挑戰(zhàn)并存 6迎接生成式AI時代，重新審視企業(yè)數(shù)據(jù)戰(zhàn)略 8面向生成式AI應(yīng)用，企業(yè)數(shù)據(jù)戰(zhàn)略需把握四大關(guān)鍵點(diǎn) 9關(guān)鍵點(diǎn)之一：找準(zhǔn)應(yīng)用方向，激發(fā)創(chuàng)新價值 10關(guān)鍵點(diǎn)之二：準(zhǔn)備專有數(shù)據(jù)，確保數(shù)據(jù)安全 20關(guān)鍵點(diǎn)之三：驅(qū)動數(shù)據(jù)管理，打造最佳實(shí)踐 25關(guān)鍵點(diǎn)之四：重構(gòu)基礎(chǔ)設(shè)施，實(shí)現(xiàn)高效運(yùn)營 30埃森哲攜手亞馬遜云科技，助力企業(yè)解鎖生成式AI價值 34助力企業(yè)重塑數(shù)據(jù)戰(zhàn)略，賦能AI加速釋放潛力 35新戰(zhàn)略，新技術(shù)，新方式 35業(yè)界探索實(shí)踐 40海爾創(chuàng)新設(shè)計中心打造中國首個AIGC工業(yè)設(shè)計解決方案 41西門子攜手亞馬遜云科技構(gòu)建企業(yè)級智能知識庫應(yīng)用 42科思創(chuàng)基于AmazonCodeWhisperer提升代碼開發(fā)效率 43全球知名跨國銀行通過生成式AI減少交易后電子郵件數(shù)量，提高效率和客戶滿意度 44生成式AI為大型保險公司重塑運(yùn)營平臺和合同管理 45總結(jié) 462生成式AI時代下的數(shù)據(jù)戰(zhàn)略01開啟時代3生成式AI時代下的數(shù)據(jù)戰(zhàn)略人工智能發(fā)展迎來新拐點(diǎn)，將深刻改變未來商業(yè)模式生成式AI正在喚醒全球?qū)θ斯ぶ悄茏兏餄摿Φ恼J(rèn)知，激發(fā)起前所未有的關(guān)注和創(chuàng)造力浪潮AI）2023個百分點(diǎn)。在71AI將創(chuàng)造1ChatGPT、文心一言、通義千問、DALL·E、StableDiffusion等一系列易AI這將對企業(yè)產(chǎn)生極為深遠(yuǎn)的影響。

由于大語言模型具有處理大規(guī)模數(shù)據(jù)集的能力，它可以“掌握”企業(yè)長期以來積累的所有信息，包括創(chuàng)辦至今的發(fā)展歷程、業(yè)務(wù)特點(diǎn)和商業(yè)意圖，甚至細(xì)致到產(chǎn)品、市場和客戶。所有用語言記錄傳達(dá)的內(nèi)容，如應(yīng)用、系統(tǒng)、文檔、電子郵件、聊天、視頻和音頻等等，都將進(jìn)行創(chuàng)新、優(yōu)化和重塑，最終走向全新的高度。ChatGPT1億，成為有史以等大語言模型的協(xié)助。這是因?yàn)?，語言任務(wù)占到了企業(yè)人員工作總時長的埃森哲研究發(fā)現(xiàn)，所有行業(yè)中40%的工作時間都將得到62%AI和自動化技術(shù)來提升工作活動的生產(chǎn)力。2\h\h4AI的方式和地點(diǎn)

生成式AI時代下的數(shù)據(jù)戰(zhàn)略98%335中發(fā)揮重要作用。97%4的全球高管認(rèn)為人工智能基礎(chǔ)模型將實(shí)現(xiàn)跨數(shù)據(jù)類型的連接，徹底改變?nèi)斯ぶ悄艿氖褂玫攸c(diǎn)和方式。6/105106ChatGPT用于學(xué)習(xí)目的，超過一半的2023

5/22個職業(yè)類型中，有5個將受到人工智能大量影響，接近所有工作時間的一半以上。%7的工作時間都可能會受到大語言模型（LLM）的影響，無論行業(yè)。\h\h20232月首席高管動向調(diào)研\(zhòng)h\h5生成式AI時代下的數(shù)據(jù)戰(zhàn)略企業(yè)積極探索生成式AI應(yīng)用，機(jī)遇與挑戰(zhàn)并存生成式AI對于各行業(yè)企業(yè)都有潛在的巨大價值生成式AI可被廣泛應(yīng)用于咨詢建議、內(nèi)容創(chuàng)建、運(yùn)營助手、流程自動化、企業(yè)安全等方面：通過提高生產(chǎn)力、提高效率、提升客戶體驗(yàn)等方式，預(yù)計生成式AI將為企業(yè)帶來5億美元到30億美元不等的價值。8為行動或決策提供建議知識工作顧問用例 領(lǐng)域?yàn)樾袆踊驔Q策提供建議知識工作顧問///自動化測試創(chuàng)意內(nèi)容生成/共同生成為產(chǎn)品或網(wǎng)站生成創(chuàng)意視覺設(shè)計應(yīng)用開發(fā)內(nèi)容生成視覺設(shè)計運(yùn)營助手防止欺詐、完善監(jiān)管合規(guī)主動識別風(fēng)險信息安全風(fēng)險治理財務(wù)與會計、采購等領(lǐng)域的業(yè)務(wù)流程自動化防止欺詐、完善監(jiān)管合規(guī)主動識別風(fēng)險信息安全風(fēng)險治理財務(wù)與會計、采購等領(lǐng)域的業(yè)務(wù)流程自動化服務(wù)管理領(lǐng)域的IT流程自動化業(yè)務(wù)流程IT流程企業(yè)安全圖1：生成式AI的應(yīng)用場景舉例 來源：埃森哲研究\h6生成式AI時代下的數(shù)據(jù)戰(zhàn)略同時，日新月異的技術(shù)發(fā)展也將帶來新的挑戰(zhàn)要讓基礎(chǔ)模型在企業(yè)中發(fā)揮適當(dāng)作用，就必須了解其最佳應(yīng)用場景。許多人工智能應(yīng)用程序使用的數(shù)據(jù)類型，已超出基礎(chǔ)模型的處理范圍。同時，基礎(chǔ)模型可以嘗試的一些應(yīng)用模式，從根本上說仍更適合狹義的人工智能?？焖僭鲩L的計算需求，以及處理大規(guī)模計算所需的相關(guān)成本和專業(yè)知識，是當(dāng)前面臨的最大障礙。多方報告顯示，大型人工智能模型訓(xùn)練所需的計算量正呈指數(shù)級增長，從每10個月翻一番，加快至每3、4個月翻一番。9模型即使經(jīng)過訓(xùn)練后，還需通過微調(diào)才可處理不同任務(wù)，因此所有下游應(yīng)用的運(yùn)行和托管成本亦十分高昂。AIAI的燃料，更是支撐其模型訓(xùn)練和創(chuàng)新的基石。因此，對于企業(yè)而言，未來的數(shù)據(jù)戰(zhàn)略將不僅聚焦于收集和管理數(shù)據(jù)，更要關(guān)注模型的訓(xùn)練方式、內(nèi)容生成的質(zhì)量和數(shù)據(jù)應(yīng)用的廣度。企業(yè)需要不斷地審視、調(diào)整和優(yōu)化其數(shù)據(jù)戰(zhàn)略，以一個全面的數(shù)據(jù)戰(zhàn)略布局來有效應(yīng)對生成式AI時代下的挑戰(zhàn)。\h7生成式AI時代下的數(shù)據(jù)戰(zhàn)略02重新審視略8面向生成式AI應(yīng)用，企業(yè)數(shù)據(jù)戰(zhàn)略需把握四大關(guān)鍵點(diǎn)

生成式AI時代下的數(shù)據(jù)戰(zhàn)略01向，選擇一些低風(fēng)險領(lǐng)域進(jìn)行可行性評估，然后開AI試點(diǎn)，探索創(chuàng)新的潛力。

02據(jù)，花時間和精力來準(zhǔn)備數(shù)據(jù)基礎(chǔ)，且這個數(shù)據(jù)基礎(chǔ)需要在云平臺上進(jìn)行管理，確保數(shù)據(jù)的安全性和可靠性。

03理，利用高質(zhì)量的數(shù)據(jù)，顯著提升模型訓(xùn)練與數(shù)據(jù)應(yīng)用成效，助力企業(yè)高效實(shí)現(xiàn)數(shù)據(jù)管理目標(biāo)。

04施，考慮支撐人工智能所需的基礎(chǔ)設(shè)施、架構(gòu)、運(yùn)營模式和治理結(jié)構(gòu)等，同時密切關(guān)注成本和可持續(xù)能源消耗。9生成式AI時代下的數(shù)據(jù)戰(zhàn)略關(guān)鍵點(diǎn)之一：找準(zhǔn)應(yīng)用方向，激發(fā)創(chuàng)新價值A(chǔ)I應(yīng)用方向提升生產(chǎn)力和創(chuàng)造力：AI將成為人們必不可少的創(chuàng)意伙伴，不但名稱擬定、副本生成與測試以及實(shí)時個性化等領(lǐng)域中，帶來前所未見的速度AI還能助力代碼編寫、實(shí)現(xiàn)代碼編寫自動化、預(yù)測和預(yù)先防范問題，以及管理系統(tǒng)文檔、獲得數(shù)據(jù)洞察等。面向領(lǐng)域：零售、金融、服務(wù)、IT等行業(yè)增強(qiáng)客戶體驗(yàn)：70非面對面的客戶服務(wù)溝高答復(fù)的準(zhǔn)確性和質(zhì)量。典型領(lǐng)域包括聊天機(jī)器人、虛擬助手、智能導(dǎo)購、銷售賦能、人力資源、科學(xué)研究、企業(yè)戰(zhàn)略和市場情報等。面向領(lǐng)域：供應(yīng)鏈、零售、服務(wù)等行業(yè)

優(yōu)化業(yè)務(wù)流程：AI對歷史背景、下一步最佳行動、總結(jié)能力和預(yù)測智能的成熟理解力，將同時在前后臺辦公環(huán)境中催生出一個超高效、超個性化的新時代，將業(yè)務(wù)流程自動化推升到具有變革意義的新水平。此外，在AI將支持企業(yè)加強(qiáng)治理和信息安全、防主動識別風(fēng)險。面向領(lǐng)域：供應(yīng)鏈、零售、金融等行業(yè)10生成式AI時代下的數(shù)據(jù)戰(zhàn)略應(yīng)用實(shí)例建議，幫助他們更快確定行程安排。對于意外的行程更改，旅客可以通過全天候在線的智能客服快速解決問題。級，并提取出實(shí)現(xiàn)最大投資回報率（ROI）所需的關(guān)鍵要素，從而創(chuàng)建一套成功廣告活動的規(guī)則，此舉使廣告支出回報率顯著提高。參數(shù)設(shè)置方面的工作效率。AI和大語言模型，改變其大量交易后處理電子郵件的還能讓客戶交流更加順暢。11生成式AI時代下的數(shù)據(jù)戰(zhàn)略對于不同行業(yè)而言，生成式AI將不同程度地改變其工作方式，企業(yè)應(yīng)找準(zhǔn)方向?qū)崿F(xiàn)突破10在美國，語言任務(wù)占據(jù)總工作時長的62%。在語言任務(wù)的總體份額中，65%很可能實(shí)現(xiàn)自動化或得到大語言模型的協(xié)助。1150%16%8%26%50%16%8%26%

非語言任務(wù)非語言任務(wù)零售行業(yè)平均值航天與國防50%17%8%25%52%50%17%8%25%52%15%6%27%50%15%6%28%57%13%6%24%57%13%6%24%54%14%6%26%56%14%6%56%14%6%24%

18%29%14%40%15%28%21%36%18%29%14%40%15%28%21%36%12%26%14%48%10%24%12%54%

更具人員強(qiáng)化或自動化的潛力較低64%11%5%20%\h， 0% 10% 20% 30% 40% 50% 60% 64%11%5%20%\h， \h\h， \h\h，

2

年美國就業(yè)水平，按行業(yè)和人工智能潛在影響力劃分的工時分布50%13%6%30%41%20%13%26%26%35%9%30%27%33%11%28%50%13%6%30%41%20%13%26%26%35%9%30%27%33%11%28%38%22%9%31%46%12%7%34%33%21%13%33%34%14%9%43%\hcn/cn-zh/insights/technology/generative-ai12

來源：埃森哲研究零售個性化銷售策略生成式AI可以突出客戶相似性和產(chǎn)品采用差異，以創(chuàng)建個性化

生成式AI時代下的數(shù)據(jù)戰(zhàn)略行業(yè)特定 財務(wù)優(yōu)惠和推廣活動，獲得追加銷售機(jī)會。內(nèi)容生成為社交媒體帖子和博客創(chuàng)建內(nèi)容，針對目標(biāo)客戶生成特色視頻廣告和動畫用戶故事，提高品牌知名度。

客戶服務(wù)市場

領(lǐng)域

法律法規(guī)品牌監(jiān)控跟蹤品牌的在線提及情況，提醒公司任何負(fù)面評論或反饋。在問

AI 安全 IT銷售題升級并損害品牌聲譽(yù)之前自動響應(yīng)以解決問題。銀行個性化虛擬客服

商業(yè)新業(yè)務(wù)

數(shù)據(jù) 構(gòu)建數(shù)字核平臺

云 采購尋源供應(yīng)鏈生產(chǎn)制造消息推送向客戶發(fā)送有針對性的電子郵件廣告/通知。投訴處理自動投訴分類和優(yōu)先級排序以及跨渠道的建議解決方案。

并購 企業(yè)戰(zhàn)

研發(fā) 可持續(xù)性圖3：生成式AI將360°為企業(yè)帶來創(chuàng)新應(yīng)用機(jī)會。來源：埃森哲研究13生成式AI時代下的數(shù)據(jù)戰(zhàn)略金融研究與個性化財富咨詢通過委派文檔生成功能，使顧問能夠?qū)Ｗ⒂谠鲋祷顒?。通過更好地了解客戶需求和要求，提供卓越的服務(wù)和合適的產(chǎn)品，從而增加市場份額/資產(chǎn)管理規(guī)模。保險賦能代理基于客戶互動和索賠的經(jīng)驗(yàn)，為保險代理人提供定制建議和有關(guān)興趣領(lǐng)域知識，幫助代理人與客戶溝通。策略生成生成保險報價、綁定、保單簽發(fā)文件，并根據(jù)投保人的具體需求和偏好向他們提供不同的承保選項(xiàng)。理賠受理改善理賠受理體驗(yàn)的個性化溝通；根據(jù)多式聯(lián)運(yùn)索賠人輸入自動檢測嚴(yán)重性；進(jìn)行快速檢查/分析以確定損失原因并自動提取用于確定承保范圍的關(guān)鍵術(shù)語。

高科技輔助芯片設(shè)計GenAIEDA（電子設(shè)計自動化），周期管理的復(fù)雜性。與代工廠的原型驗(yàn)證流程相連接，快速進(jìn)行芯片設(shè)計原型驗(yàn)證，提高企業(yè)市場快速反應(yīng)能力。軟件和平臺代碼生成生成式AI可用于生成代碼和自動化軟件開發(fā)。它可以接受自然語言輸入并將其轉(zhuǎn)換為代碼。代碼審查生成式AI可以查看代碼的一致性，編輯代碼并提供生產(chǎn)質(zhì)量代碼。它還可以支持識別和修復(fù)代碼錯誤。14以保險行業(yè)為例，生成式AI可應(yīng)用于從市場營銷到出險理賠的各個階段。其中具較高投資回報率的場景如：數(shù)據(jù)增強(qiáng)：客服場景中為承保人員快速生成第三方數(shù)據(jù)源的信息摘要和見解，以幫助他們做出更準(zhǔn)確的判斷/分析后，提取關(guān)鍵詞并定損圖4：保險行業(yè)價值鏈中的應(yīng)用場景

生成式AI時代下的數(shù)據(jù)戰(zhàn)略產(chǎn)品營銷 客戶承保 客戶服務(wù) 保險理賠改進(jìn)保險代理人和客戶參與度指標(biāo)、成交率和投資回報率提高風(fēng)險評估和承銷商效率增強(qiáng)客戶體驗(yàn)并降低服務(wù)成本減少賠償和費(fèi)用改進(jìn)保險代理人和客戶參與度指標(biāo)、成交率和投資回報率提高風(fēng)險評估和承銷商效率增強(qiáng)客戶體驗(yàn)并降低服務(wù)成本減少賠償和費(fèi)用郵件營銷依據(jù)經(jīng)紀(jì)人的興趣自動化生成主題和營銷活動郵件以覆蓋優(yōu)質(zhì)經(jīng)紀(jì)人群體 賦能員工通過針對經(jīng)紀(jì)人的興趣話題、參與歷史和理賠經(jīng)驗(yàn)提供定制化建議和高級洞察力數(shù)字營銷自動生成數(shù)字營銷內(nèi)容，如博客文章、社交媒體更新、電子郵件通訊和落地頁 輿論監(jiān)控追蹤品牌在網(wǎng)絡(luò)上的評價，在負(fù)面評價升級并損害品牌聲譽(yù)之前向保險公司發(fā)出警報。

智能郵件理解郵件意圖然后進(jìn)行非結(jié)構(gòu)化數(shù)據(jù)處理、驗(yàn)證和檢查“良好訂單”。 智能提取自動從非結(jié)構(gòu)化的由經(jīng)紀(jì)人提交的信息中提取關(guān)鍵術(shù)語，如保單手冊，以增強(qiáng)風(fēng)險評估。數(shù)據(jù)增強(qiáng)為承保人員提供快速的第三方數(shù)據(jù)源輸入摘要和見解，以幫助他們做出明智的選擇。 智能篩選通過理解總結(jié)轉(zhuǎn)介規(guī)則并根據(jù)風(fēng)險偏好智能篩選適當(dāng)?shù)某斜Ｈ藛T評估和處理申請保單生成自動化保單生成和質(zhì)量分析/審核，以提高保單的完整性、一致性和合規(guī)性

高度定制基于高級情感分析的虛擬客服代理和跨渠道的個性化溝通。 通知生成創(chuàng)建具有上下文感知、個性化和自動化的信函/通知生成系統(tǒng)。投訴處理自動化對投訴進(jìn)行分類、優(yōu)先級排序，并跨渠道提供解決方案。 健康干預(yù)根據(jù)客戶的特定需求、興趣和行為定制生成推薦內(nèi)容，以推動更高的參與度和互動性

無縫理賠受理通過個性化溝通策略來改善理賠申請體驗(yàn)理賠核驗(yàn)進(jìn)行快速檢查/分析以確定損失原因，并自動提取關(guān)鍵術(shù)語以用于理賠決定理賠洞察利用歷史數(shù)據(jù)發(fā)現(xiàn)規(guī)律和模板，為理賠理算師提供洞察，以使決策更加明智和準(zhǔn)確 追償/訴訟處理通過對數(shù)據(jù)洞察（如傳票信函），預(yù)測潛在的和解或法庭結(jié)果欺詐檢測利用合成數(shù)據(jù)來解決數(shù)據(jù)稀缺問題，模擬不同欺詐情景以提高欺詐檢測能力 15生成式AI時代下的數(shù)據(jù)戰(zhàn)略在快消品行業(yè)，具備高投資回報率的生成式AI創(chuàng)新場景，如：AI快速進(jìn)行原型設(shè)計和驗(yàn)證，加速產(chǎn)品上市自動化市場營銷：依據(jù)產(chǎn)品文檔和消費(fèi)趨勢數(shù)據(jù)自動生成營銷材料，提升營銷效率5增長戰(zhàn)略優(yōu)先級增長機(jī)會研究供應(yīng)鏈增長與創(chuàng)新 營銷、銷售和服務(wù) 增長戰(zhàn)略優(yōu)先級增長機(jī)會研究供應(yīng)鏈

勞動力規(guī)劃&人力資本增強(qiáng)招聘勞動力規(guī)劃&人力資本增強(qiáng)招聘&資源運(yùn)營&職業(yè) 績效管理優(yōu)化 &

客戶、分銷商和渠道管理

規(guī)劃 排放、資源&道德影響管敏捷投資組合管理

消費(fèi)情境化 自動化消費(fèi)者服務(wù)

/綜合收入增長管理

自動化

理報告ESG內(nèi)容創(chuàng)建報告&新產(chǎn)品開發(fā)與設(shè)計測試與發(fā)布虛擬概念/產(chǎn)品測試 商業(yè)模式創(chuàng)新

社會風(fēng)險監(jiān)測管理 虛擬營銷活動測試自動化市場營銷市場渠道自動化和服務(wù)售團(tuán)隊 網(wǎng)點(diǎn)全方位優(yōu)化指導(dǎo)

商業(yè)智能發(fā)現(xiàn) 智能數(shù)據(jù)處理 智能協(xié)商指導(dǎo)

生產(chǎn)制造智能預(yù)測性資產(chǎn)維護(hù)執(zhí)行自交互 物流動態(tài)和交互式控制塔教練

自動化G重要關(guān)系投資者活動追蹤ESG影響杠桿識別

企業(yè)規(guī)劃財務(wù)管理自動化企業(yè)財務(wù)管理自動化企業(yè)&報自動化IT管理自動化IT&運(yùn)營

來源：埃森哲研究影響影響非常低無低中非常高高16生成式AI時代下的數(shù)據(jù)戰(zhàn)略生成式AI創(chuàng)新場景大量涌現(xiàn)，激發(fā)相關(guān)技術(shù)產(chǎn)品與服務(wù)，助力企業(yè)價值實(shí)現(xiàn)各行業(yè)大量的生成式AI創(chuàng)新場景激發(fā)出對技術(shù)產(chǎn)品和服務(wù)的需求，如：利用對話機(jī)器人、虛擬個人助手減少客戶投訴，精確定位客戶需求，優(yōu)化客戶體驗(yàn)AI的代碼助手極大提升了軟件開發(fā)的效率和質(zhì)量，提升員工生產(chǎn)力利用樣式設(shè)計助手點(diǎn)燃設(shè)計靈感，激活創(chuàng)新思維，生成創(chuàng)意內(nèi)容借助文檔處理助手，自動化企業(yè)文檔檢索、數(shù)據(jù)提取等流程，改善業(yè)務(wù)運(yùn)營效率優(yōu)化客戶體驗(yàn) 提升員工生產(chǎn)力 生成創(chuàng)意內(nèi)容 改善業(yè)務(wù)運(yùn)營效率智能聊天對話機(jī)器人對話式搜索內(nèi)容寫作文檔處理智能聊天對話機(jī)器人對話式搜索內(nèi)容寫作文檔處理虛擬個人助理信息提取與總結(jié)媒體創(chuàng)新流程優(yōu)化AI智能合同中心代碼生成樣式設(shè)計AI智能合同中心代碼生成樣式設(shè)計網(wǎng)絡(luò)安全個性化服務(wù)定制從數(shù)據(jù)到洞察建模生成數(shù)據(jù)增強(qiáng)176QuickSightBI6QuickSightBI產(chǎn)品的數(shù)據(jù)洞察來源：亞馬遜云科技、埃森哲研究7AmazonCodeWhisperer來源：亞馬遜云科技、埃森哲研究8AmazonBedrock來源：亞馬遜云科技、埃森哲研究亞馬遜云科技通過開箱即用的生成式AI技術(shù)服務(wù)，快速激發(fā)產(chǎn)品與服務(wù)創(chuàng)新AmazonQuickSightBI提供了一種更快的方法，幫助用戶從數(shù)據(jù)中直接獲取洞察QuickSight允許用戶輕松連接到S3或Athena等數(shù)據(jù)源，并在幾分鐘內(nèi)創(chuàng)建交互式儀表板，并使用自然語言在數(shù)秒內(nèi)生成洞察結(jié)論并微調(diào)數(shù)據(jù)可視化效果。用戶可以用簡單的語言查詢他們的數(shù)據(jù)，而無需編寫一行代碼。借助這些新功能，業(yè)務(wù)用戶可以提出“為什么”的問題，以更好地了解影響數(shù)據(jù)趨勢的因素。用戶還可以通過說“預(yù)測未來12個月的銷售額”來預(yù)測指標(biāo)，以獲得基于過去數(shù)據(jù)和季節(jié)性等信息的即時響應(yīng)。使用人工智能編碼伙伴更快、更安全地構(gòu)建應(yīng)用程序AmazonCodeWhisperer經(jīng)過數(shù)十億行代碼的訓(xùn)練，可以根據(jù)您的評論和現(xiàn)有代碼實(shí)時生成從代碼片段到全函數(shù)的代碼建議。繞過耗時的編碼任務(wù)，加速使用不熟悉的API進(jìn)行的構(gòu)建。AIAmazonQ全面提升企業(yè)的生產(chǎn)力AmazonQ是亞馬遜云科技推出的生成式AI助手，可以通過互動對話解決問題、生成內(nèi)容并采取行動。AmazonQ能了解您的公司信息、代碼和系統(tǒng)，并在保障安全與隱私的基礎(chǔ)上，根據(jù)您的角色和權(quán)限進(jìn)行個性化交互。AmazonQ既能作為單獨(dú)的應(yīng)用程序，作為您的商務(wù)專家，也能集成在亞馬遜云科技的控制臺、AmazonCodeWhisperer、各類IDE、AmazonQuicksight以及AmazonConnect?；趤嗰R遜云科技17年的知識，能夠?yàn)槟恼麄€開發(fā)流程提供支持。18AmazonBedrockAI應(yīng)用程序的便捷方式

生成式AI時代下的數(shù)據(jù)戰(zhàn)略Amazon用無服務(wù)的

選擇FMPlayground

FMBdokF求

發(fā)送提示詞APIFMFM

接收響應(yīng)FM的AIAI

FM

FM

來進(jìn)行模型微調(diào)AmazonBedrock有以下特點(diǎn)：預(yù)訓(xùn)練的基礎(chǔ)模型：AmazonBedrock提供易于使用的開發(fā)者體驗(yàn)，可 03擴(kuò)展性和可伸縮性：AmazonBedrock是無服務(wù)器的，無需管理任何基AI21Labs、Anthropic、Cohere、Meta、StabilityAIAmazonFM合作。自定義和微調(diào)能力：可通過可視化界面使用私有數(shù)據(jù)對模型進(jìn)行自定義并創(chuàng)建可執(zhí)行復(fù)雜業(yè)務(wù)任務(wù)。

礎(chǔ)設(shè)施，能夠隨著項(xiàng)目的增長而擴(kuò)展，支持大規(guī)模的應(yīng)用開發(fā)。04安全和合規(guī)：AmazonBedrock提供了多種支持安全和隱私要求的功能，已獲得HIPAA資格并符合GDPR合規(guī)性。19生成式AI時代下的數(shù)據(jù)戰(zhàn)略關(guān)鍵點(diǎn)之二：準(zhǔn)備專有數(shù)據(jù)，確保數(shù)據(jù)安全在使用基礎(chǔ)模型之前，企業(yè)需要花時間和精力來準(zhǔn)備數(shù)據(jù)基礎(chǔ)，且這個數(shù)據(jù)基礎(chǔ)需要在云平臺上進(jìn)行管理，確保數(shù)據(jù)的安全性和可靠性數(shù)據(jù)準(zhǔn)備現(xiàn)階段，大多數(shù)企業(yè)會直接購買“模型即服務(wù)”來開展業(yè)務(wù)應(yīng)用。不過對許多企業(yè)來說，最大的價值或?qū)⒃从谑褂米陨淼臄?shù)據(jù)定制或微調(diào)（Fine-tune）模型，滿足其獨(dú)特需求。AI和基礎(chǔ)模型在特定業(yè)務(wù)應(yīng)用方式中的價值，企業(yè)將越來越多地利用自身數(shù)據(jù)對預(yù)訓(xùn)練模型加以微調(diào)來實(shí)現(xiàn)定制，從而讓績效實(shí)現(xiàn)質(zhì)的飛躍。在工具層面，亞馬遜云科技的AmazonBedrockAmazonSageMakerJumpstart，分別面向基礎(chǔ)模型有著不同需求的客戶提供微調(diào)的AmazonBedrockAPI，也可以對基礎(chǔ)模型AmazonSagemaker需要管理應(yīng)用程序架構(gòu)中的模型部署、配置和托管，將會有更大的靈活度和自由度對基礎(chǔ)模型進(jìn)行定制。數(shù)據(jù)安全AI將支持企業(yè)加強(qiáng)治理和信息安全、防止欺詐、完善監(jiān)管合規(guī)，并通過在組織內(nèi)部和外部均建立跨域聯(lián)系和推斷能力，主動識別風(fēng)險。在戰(zhàn)略性網(wǎng)絡(luò)防御體系中，大語言模型可以提供多種有用的功能，例如解釋惡意軟件和快速分類網(wǎng)站。但在短期內(nèi)，企業(yè)很可能看到，黑客利用生成式AI的特長來生成惡意代碼或編寫完美的網(wǎng)絡(luò)釣魚電子郵件。20基礎(chǔ)模型需要大量精心組織的數(shù)據(jù)來學(xué)習(xí)，因此，破解數(shù)據(jù)挑戰(zhàn)已成為每家企業(yè)的當(dāng)務(wù)之急

生成式AI時代下的數(shù)據(jù)戰(zhàn)略企業(yè)需要采用一種戰(zhàn)略性、規(guī)范化的方法，獲取、開發(fā)、提煉、保護(hù)和部署數(shù)據(jù)。應(yīng)依托云環(huán)境構(gòu)建現(xiàn)代化的企業(yè)數(shù)據(jù)平臺，其中包含一組可信賴、可重復(fù)使用的數(shù)據(jù)產(chǎn)品。憑借此類平臺的跨職能特征、企業(yè)級的分析工具，以及將數(shù)據(jù)存儲在云端倉庫或數(shù)據(jù)湖當(dāng)中，數(shù)據(jù)能夠擺脫組織孤島的束縛，在整個企業(yè)中普遍使用。隨后，企業(yè)可以在某一地點(diǎn)或通過分布式計算策略（如數(shù)據(jù)網(wǎng)格），統(tǒng)一分析所有業(yè)務(wù)數(shù)據(jù)。定義數(shù)據(jù)基礎(chǔ)

評估數(shù)據(jù)可用性

評估數(shù)據(jù)的安全要求和隱私分類 數(shù)據(jù)應(yīng)用 需要的數(shù)據(jù)類型

評估數(shù)據(jù)的可用性

數(shù)據(jù)的真實(shí)性

環(huán)境準(zhǔn)備 明確數(shù)據(jù)要求數(shù)據(jù)質(zhì)量評估數(shù)據(jù)的完整性定制模型明確數(shù)據(jù)要求數(shù)據(jù)質(zhì)量評估數(shù)據(jù)的完整性定制模型 確認(rèn)各類數(shù)據(jù)源

數(shù)據(jù)合規(guī)要求

應(yīng)用價值 數(shù)據(jù)量與存儲方式數(shù)據(jù)量與存儲方式圖9：數(shù)據(jù)準(zhǔn)備過程 來源：埃森哲研究21生成式AI時代下的數(shù)據(jù)戰(zhàn)略生成式AI時代下的數(shù)據(jù)風(fēng)險同樣需要引起重視越來越多的企業(yè)已開始積極探索相關(guān)應(yīng)用，以期提升創(chuàng)新效率、實(shí)現(xiàn)高質(zhì)增長。然而生成式AI應(yīng)用的風(fēng)險貫穿于模型設(shè)計、搭建、使用各個階段，并會產(chǎn)生長遠(yuǎn)的效應(yīng)。01比如，生成式AI基于學(xué)習(xí)需要而對用戶數(shù)據(jù)的留存、分析是否侵犯了個人和商業(yè)隱私，以及相關(guān)數(shù)據(jù)保護(hù)法案；

02生成式AI的運(yùn)作核心是機(jī)器學(xué)習(xí)，其價值與數(shù)據(jù)的質(zhì)量和真實(shí)性密切相關(guān)，如果一臺基礎(chǔ)模型長期浸染在存有偏差的數(shù)據(jù)當(dāng)中，它就會被這些數(shù)據(jù)“誘導(dǎo)”，從而輸出錯誤的信息或執(zhí)行歧視性操作；

03式另一方面，某些群體特質(zhì)也會使生成式AI為其打上固化標(biāo)簽，“一刀切”地去執(zhí)行某些程序，而失去了應(yīng)有的公平性。22AI能力的關(guān)鍵

生成式AI時代下的數(shù)據(jù)戰(zhàn)略保護(hù)存儲中的數(shù)據(jù)AmazonKMS：實(shí)施安全密鑰管理Amazoncon?g,AmazonSecurityhub：靜態(tài)數(shù)據(jù)保護(hù)自動化AmazonIAM,AmazonS3Versioning：實(shí)施訪問控制AmazonSystemManager,AmazonCloudTrail：利用機(jī)制限制數(shù)據(jù)訪問

保護(hù)使用中的數(shù)據(jù)身份認(rèn)證隔離環(huán)境多方協(xié)作數(shù)據(jù)共享保護(hù)傳輸中的數(shù)據(jù)跨區(qū)域之間的傳輸VPCVPC之間的傳輸遷移上云的過程中TLS1.2+AES25623生成式AI時代下的數(shù)據(jù)戰(zhàn)略AmazonBedrock確保生成式AI應(yīng)用過程中的數(shù)據(jù)隱私和安全AmazonBedrock讓您始終掌控私域數(shù)據(jù)AmazonTitan提供商共享（包括提示詞、生成的內(nèi)容、微調(diào)后的模型建它們的區(qū)域（?PrivateLinkVPC端點(diǎn)在虛擬私有云

AmazonCloudTrailAPI并解決問題微調(diào)（自定義）KMS/CMK只有您可以訪問您的自定義模型VPC的設(shè)置VPC）和AmazonBedrock服務(wù)之間建立私有連接客戶數(shù)據(jù)在傳輸過程中始終使用TLS1.2服務(wù)托管密鑰進(jìn)行加密（IAM）拒絕特定模型的訪問并啟用控制臺訪問24關(guān)鍵點(diǎn)之三：驅(qū)動數(shù)據(jù)管理，打造最佳實(shí)踐

生成式AI時代下的數(shù)據(jù)戰(zhàn)略生成式AI幫助自動化數(shù)據(jù)管理手動流程，并確保所生成輸出的準(zhǔn)確性。將智能嵌入數(shù)據(jù)治理將提高數(shù)據(jù)使用者的整體生產(chǎn)力數(shù)據(jù)源內(nèi)部系統(tǒng)

數(shù)據(jù)集成批處理MFT

結(jié)構(gòu)化

數(shù)據(jù)非結(jié)構(gòu)化

數(shù)據(jù)消費(fèi)AL/ML建模外部系統(tǒng)非結(jié)構(gòu)化信息

實(shí)時準(zhǔn)實(shí)時第三方數(shù)據(jù)集成生成式用例

數(shù)據(jù)治理與管理生成式用例

數(shù)據(jù)報告自助服務(wù)生成式用例//測試代碼管理

元數(shù)據(jù)管理數(shù)據(jù)治理工具

度、流程數(shù)據(jù)安全合規(guī)數(shù)據(jù)質(zhì)量

數(shù)據(jù)資產(chǎn)目錄數(shù)據(jù)標(biāo)準(zhǔn)數(shù)據(jù)生命周期管理主數(shù)據(jù)管理

訪問管理查詢開發(fā)豐富數(shù)據(jù)目錄數(shù)據(jù)隱私保護(hù)圖10：生成式AI在數(shù)據(jù)管理流程中的應(yīng)用 來源：埃森哲研究25生成式AI時代下的數(shù)據(jù)戰(zhàn)略通過生成式AI驅(qū)動數(shù)據(jù)管理，能夠：優(yōu)化分析和洞察，為數(shù)據(jù)驅(qū)動型決策提供支持通過數(shù)據(jù)民主化、協(xié)作和素養(yǎng)實(shí)現(xiàn)業(yè)務(wù)運(yùn)營

通過一致性在整個組織內(nèi)實(shí)現(xiàn)適合用途的數(shù)據(jù)使用情況支持?jǐn)?shù)據(jù)隱私工作，以實(shí)現(xiàn)消費(fèi)者隱私和法規(guī)遵從性生成式AI將在多方面賦能數(shù)據(jù)管理工作，助力企業(yè)實(shí)現(xiàn)數(shù)據(jù)管理目標(biāo)主動元數(shù)據(jù)管理通過使用算法訓(xùn)練與業(yè)務(wù)文檔和元數(shù)據(jù)相匹配，加速數(shù)據(jù)目錄的開發(fā)，提高數(shù)據(jù)的查找和解釋能力。數(shù)據(jù)質(zhì)量可信識別、總結(jié)和糾正數(shù)據(jù)質(zhì)量問題。主數(shù)據(jù)管理創(chuàng)建數(shù)據(jù)質(zhì)量規(guī)則，幫助標(biāo)準(zhǔn)化和合并記錄，并優(yōu)化匹配規(guī)則以創(chuàng)建“黃金記錄”。運(yùn)營模型基于角色的活動識別和支持?jǐn)?shù)據(jù)所有者和數(shù)據(jù)監(jiān)管者，并定義數(shù)據(jù)治理角色和責(zé)任。政策與工作流程提供數(shù)據(jù)治理最佳實(shí)踐建議，幫助起草和解釋與政策相關(guān)的內(nèi)容，并優(yōu)化數(shù)據(jù)工作流程。

變革管理創(chuàng)建通信內(nèi)容，減少內(nèi)容創(chuàng)建時間，部署聊天機(jī)器人以提供幫助，優(yōu)化利益相關(guān)者、培訓(xùn)和需求管理。數(shù)據(jù)隱私與保護(hù)確保數(shù)據(jù)安全和數(shù)據(jù)分類合規(guī)。數(shù)據(jù)生命周期管理部署數(shù)據(jù)創(chuàng)建、存儲和備份技術(shù)以支持?jǐn)?shù)據(jù)生命周期管理，制定存檔策略，并主動識別需要存檔或處置的數(shù)據(jù)。工具增強(qiáng)提升數(shù)據(jù)治理工具的搜索功能，與企業(yè)資產(chǎn)進(jìn)行連接，并分析工具間的差距。26生成式AI時代下的數(shù)據(jù)戰(zhàn)略數(shù)據(jù)可信運(yùn)營模型政策與工作流程變革管理數(shù)據(jù)生命周期管理工具增強(qiáng)

場景舉例 應(yīng)用結(jié)果數(shù)據(jù)目錄內(nèi)容創(chuàng)建生成式人工智能通過“業(yè)務(wù)文檔”查找和編譯常見術(shù)語和定義，以添加到數(shù)據(jù)目錄中?？焖佟⒏咝У靥峁┬袠I(yè)特定的術(shù)語。數(shù)據(jù)質(zhì)量問題生成式人工智能通過客戶情感反饋或幫助臺日志查找和總結(jié)數(shù)據(jù)質(zhì)量問題的示例。糾正并提高數(shù)據(jù)的適用性和質(zhì)量。唯一標(biāo)識符識別公司將客戶數(shù)據(jù)存儲在多個系統(tǒng)中，難以識別唯一標(biāo)識符以合并客戶記錄。生成式人工智能模型在所有系統(tǒng)中訓(xùn)練客戶數(shù)據(jù)，以識別最佳指標(biāo)以掌握客戶記錄。更高的數(shù)據(jù)記錄掌握準(zhǔn)確率，從而實(shí)現(xiàn)更準(zhǔn)確的營銷目標(biāo)定位。數(shù)據(jù)監(jiān)管者識別將生成式人工智能工具集成到數(shù)據(jù)管理系統(tǒng)中，以分析基于角色的活動，從而識別數(shù)據(jù)所有者和數(shù)據(jù)監(jiān)管者。數(shù)據(jù)目錄內(nèi)容創(chuàng)建生成式人工智能通過“業(yè)務(wù)文檔”查找和編譯常見術(shù)語和定義，以添加到數(shù)據(jù)目錄中?？焖?、高效地提供行業(yè)特定的術(shù)語。數(shù)據(jù)質(zhì)量問題生成式人工智能通過客戶情感反饋或幫助臺日志查找和總結(jié)數(shù)據(jù)質(zhì)量問題的示例。糾正并提高數(shù)據(jù)的適用性和質(zhì)量。唯一標(biāo)識符識別公司將客戶數(shù)據(jù)存儲在多個系統(tǒng)中，難以識別唯一標(biāo)識符以合并客戶記錄。生成式人工智能模型在所有系統(tǒng)中訓(xùn)練客戶數(shù)據(jù)，以識別最佳指標(biāo)以掌握客戶記錄。更高的數(shù)據(jù)記錄掌握準(zhǔn)確率，從而實(shí)現(xiàn)更準(zhǔn)確的營銷目標(biāo)定位。數(shù)據(jù)監(jiān)管者識別將生成式人工智能工具集成到數(shù)據(jù)管理系統(tǒng)中，以分析基于角色的活動，從而識別數(shù)據(jù)所有者和數(shù)據(jù)監(jiān)管者。數(shù)據(jù)監(jiān)管者識別有助于確立數(shù)據(jù)所有權(quán)。工作流程自動化縮短處理時間，減少錯誤，提高效率并實(shí)現(xiàn)成本節(jié)約。數(shù)據(jù)監(jiān)管內(nèi)容創(chuàng)建數(shù)據(jù)管家使用生成式人工智能創(chuàng)建數(shù)據(jù)監(jiān)督管理培訓(xùn)議程和材料，并進(jìn)行培訓(xùn)。減少數(shù)據(jù)監(jiān)管內(nèi)容創(chuàng)建時間，通過虛擬培訓(xùn)實(shí)現(xiàn)成本節(jié)約。安全協(xié)議分析一家公司最近遭受了安全漏洞，并決心防止再次發(fā)生。生成式人工智能獲得了公司現(xiàn)有安全協(xié)議的訪問權(quán)限，以分析可能被利用的弱點(diǎn)，并提供解決這些弱點(diǎn)的建議清單。有效地減少未來發(fā)生安全漏洞的可能性。數(shù)據(jù)存儲實(shí)踐生成式人工智能工具獲得了公司的數(shù)據(jù)存儲和備份協(xié)議的訪問權(quán)限，分析了現(xiàn)有技術(shù)并發(fā)現(xiàn)了一些改進(jìn)的方面，例如冗余存儲設(shè)備和不頻繁的備份。然后編制了一份改進(jìn)存儲實(shí)踐的建議清單。失的風(fēng)險維護(hù)成本，實(shí)現(xiàn)成本節(jié)約。企業(yè)資產(chǎn)互操作性IT部門將生成式人工智能集成到其數(shù)據(jù)治理工具中，并繼續(xù)優(yōu)化生成式人工智能的訓(xùn)練數(shù)據(jù)以提高性能。改善數(shù)據(jù)治理資產(chǎn)的整合程度。27AI

3RDPARTYDATA編目治理3RDPARTYDATA

12AI全周期的數(shù)據(jù)治理AmazonS3DataLakeAmazonRedshiftDataWarehouseAmazonDynamoDBAmazonAuroraFORANALYTICS&MLFORAPPLICATIONS存儲AmazonS3DataLakeAmazonRedshiftDataWarehouseAmazonDynamoDBAmazonAuroraFORANALYTICS&MLFORAPPLICATIONSAmazonEMRBigDataAmazonMSKAmazonKinesisAmazonEMRBigDataAmazonMSKAmazonKinesis

行用&應(yīng)用AmazonSageMakerMACHINELEARNINGPEOPLEAmazonBedrockAmazonSageMakerMACHINELEARNINGPEOPLEAmazonBedrockGENERATIVEAIAPPSAmazonQuickSightBUSINESSINTELLIGENCE AmazonQuickSightBUSINESSINTELLIGENCEDEVICESAmazonDataZone來源：亞馬遜云科技，埃森哲整理APP/LOGSIOTAPP/LOGSIOT/DEVICESDATASOURCES亞馬遜云科技提供了貫穿生成式AI全周期的數(shù)據(jù)治理，從數(shù)據(jù)源的獲取到數(shù)據(jù)的存儲和查詢，再到將數(shù)據(jù)傳輸給AI平臺進(jìn)行模型的訓(xùn)練、調(diào)優(yōu)和推理，以及全面實(shí)施數(shù)據(jù)分類和治理。通過提供一整套的解決方案、產(chǎn)品服務(wù)和實(shí)踐，全面保護(hù)存儲中、傳輸中以及使用中的數(shù)據(jù)。AmazonLakeFormation服務(wù)支持統(tǒng)一的數(shù)據(jù)使用、保護(hù)、共享、審計和治理，用于一站式構(gòu)建、管理和監(jiān)控安全可靠的數(shù)據(jù)湖。2813AmazonLakeFormation

生成式AI時代下的數(shù)據(jù)戰(zhàn)略AmazonRedshift

AmazonEMR

AmazonAthenaDatalakeadminLakeFormation

Access

AWSGlueDataCatalogDatalakeAmazonOpenSearch服務(wù)、AmazonAuroraPostgreSQLAmazonRDSforPostgreSQL提供向量數(shù)據(jù)庫功能。

來源：亞馬遜云科技、埃森哲研究客戶可以使用這些功能來存儲和搜索其機(jī)器翻譯和生成式AI應(yīng)用中使用的嵌入。實(shí)現(xiàn)將向量與數(shù)據(jù)同地放置，可以更輕松地連接數(shù)據(jù)并減少數(shù)據(jù)重復(fù)。應(yīng)用AmazonOpenSearchServerless，客戶也無需擔(dān)心單獨(dú)數(shù)據(jù)庫的維護(hù)、版本控制和許可問題。29生成式AI時代下的數(shù)據(jù)戰(zhàn)略關(guān)鍵點(diǎn)之四：重構(gòu)基礎(chǔ)設(shè)施，實(shí)現(xiàn)高效運(yùn)營為了充分利用大語言模型和生成式AI，企業(yè)應(yīng)認(rèn)真考慮所需的數(shù)據(jù)基礎(chǔ)設(shè)施和運(yùn)營模式，同時密切關(guān)注成本和可持續(xù)能源消耗能力提升：利用云的彈性及時響應(yīng)對數(shù)據(jù)處理的需求，提供強(qiáng)大處理能力及無限擴(kuò)展性擺脫傳統(tǒng)平臺束縛，更容易打破數(shù)據(jù)孤島，重塑數(shù)據(jù)架構(gòu)自動化的數(shù)據(jù)集成，零代碼、高可用自助式的數(shù)據(jù)訪問服務(wù)，隨時滿足業(yè)務(wù)人員的數(shù)據(jù)獲取需求標(biāo)準(zhǔn)化的機(jī)器學(xué)習(xí)，使業(yè)務(wù)分析師更易掌握和使用，實(shí)現(xiàn)快速賦能

成本降低：降低數(shù)據(jù)中心建設(shè)投入成本降低數(shù)據(jù)庫遷移成本及運(yùn)維費(fèi)用降低數(shù)據(jù)分析平臺構(gòu)建、使用及維護(hù)費(fèi)用ETL成本節(jié)省數(shù)據(jù)安全費(fèi)用AI時代，企業(yè)大數(shù)據(jù)平臺面臨的實(shí)際問題數(shù)據(jù)成本急劇上升節(jié)能減排需求迫切成本管理意識缺失冗余資源治理困難“用數(shù)據(jù)看數(shù)據(jù)”“用數(shù)據(jù)管數(shù)據(jù)”解決方案大數(shù)據(jù)平臺智慧運(yùn)營解決方案識別高價值的數(shù)據(jù)資產(chǎn)實(shí)現(xiàn)高效率的資源分配30AIGPU

生成式AI時代下的數(shù)據(jù)戰(zhàn)略AmazonEC2P4d/P4de實(shí)例NVIDIAH100CoreGPU提供動力GPU640%

AmazonEC2P4d/P4de實(shí)例NVIDIAA100CoreGPU提供動力與上一代P3/P3dn2.560%。

AmazonEC2G5實(shí)例NVIDIAA10GCoreGPUG4dn倍31生成式AI時代下的數(shù)據(jù)戰(zhàn)略專為生成式AI而構(gòu)建的加速器AmazonTrainium與AmazonEC2實(shí)例相比，訓(xùn)練成本可節(jié)省高達(dá)50%檢索增強(qiáng)生成(RAG)需要向量數(shù)據(jù)庫的支持檢索增強(qiáng)生成（Retrieval-AugmentedGeneration,RAG）需要向量數(shù)據(jù)庫的支持，因?yàn)樗蕾囉谟行У貦z索和處理大量的數(shù)據(jù)點(diǎn)。在RAG中，生成式模型（如文本或語音生成模型）與信息檢索系統(tǒng)相結(jié)合，以提高輸出的相關(guān)性和準(zhǔn)確性。企業(yè)構(gòu)建的向量數(shù)據(jù)庫需要滿足：高效的數(shù)據(jù)檢索：能夠存儲數(shù)十億個向量嵌入，并能夠快速實(shí)現(xiàn)向量搜索可擴(kuò)展性和高可用性：應(yīng)對大量查詢和數(shù)據(jù)更新易于管理和配置：需要配置、管理和擴(kuò)展集群技能儲備：企業(yè)人員需要專門的資源或?qū)I(yè)知識因此，對于實(shí)現(xiàn)高效的檢索增強(qiáng)生成系統(tǒng)，選擇合適的向量數(shù)據(jù)庫是一個關(guān)鍵的考量因素，它直接影響了系統(tǒng)的性能、準(zhǔn)確性和可靠性。AmazonBedrockKnowledgeBase原生支持檢索增強(qiáng)生成RAG，能夠自動將文本文檔轉(zhuǎn)換為嵌入內(nèi)容，將嵌入存儲在向量數(shù)據(jù)庫中，檢索嵌入并增強(qiáng)提示。AmazonBedrockKnowledgeBase支持多種向量數(shù)據(jù)庫，包括AmazonOpenSearchServerless向量引擎，RedisEnterpriseCloud以及Pinecone等。

AmazonTrainium與AmazonEC2實(shí)例相比，具有高達(dá)40%的價格性能優(yōu)勢AMAZONOPENSEARCHSERVICEAMAZONAURORAPOSTGRESQLAMAZONRDSFORPOSTGRESQL32重新定義生成式AI時代的基礎(chǔ)設(shè)施AmazonSageMaker是通過完全托管的基礎(chǔ)設(shè)施、工具和工作流程為任何用例構(gòu)建、訓(xùn)練和部署機(jī)器學(xué)習(xí)模型。面向生成式AI的應(yīng)用開發(fā)及數(shù)據(jù)管理，AmazonSageMakerHyperPodAmazonSageMakerJumpStartAmazonSageMakerJumpStart：輕松訪問機(jī)器學(xué)習(xí)資產(chǎn)，并快速將機(jī)器學(xué)習(xí)應(yīng)用程序推向市場在組織內(nèi)共享和協(xié)作與組織內(nèi)部其他人共享模型和筆記本電腦，并允許他們使用自己的數(shù)據(jù)進(jìn)行訓(xùn)練，或按原樣部署，便于推理帶有示例的Notebook，JumpStart支持您跳轉(zhuǎn)到Notebook開發(fā)環(huán)境，使用選定模型和示例，指導(dǎo)客戶完成整個機(jī)器學(xué)習(xí)工作流

生成式AI時代下的數(shù)據(jù)戰(zhàn)略能夠?qū)⒂?xùn)練基礎(chǔ)模型的時間縮短高達(dá)40%，能夠簡化大型訓(xùn)練集群的分布式訓(xùn)練，消除干擾的彈性訓(xùn)練環(huán)境，并對集群計算、內(nèi)存和網(wǎng)絡(luò)資源實(shí)現(xiàn)優(yōu)化利用。AmazonSageMakerInferenceOptimization基礎(chǔ)模型部署成本平均降低高達(dá)50%，延遲平均降低20%。SageMaker400帶有預(yù)先訓(xùn)練模型的內(nèi)置算法、（新增）基礎(chǔ)模型、解決方案Notebook腳本示例UIAPIUI，即可單擊模型部署，或APIPythonSDK的工作流預(yù)構(gòu)建的訓(xùn)練和推理腳本,與SageMaker兼容，可使用自定義數(shù)據(jù)集進(jìn)行配置AmazonSageMaker其他創(chuàng)新推理 訓(xùn)練

機(jī)器學(xué)習(xí)運(yùn)維MLOps加速器優(yōu)化全新大型模型推理容器負(fù)載感知推理路由

智能數(shù)據(jù)篩選SageMakerStudio

用于構(gòu)建SageMakerPipelines的新SDK體驗(yàn)SageMakerStudio筆記本自動化33生成式AI時代下的數(shù)據(jù)戰(zhàn)略03AI助力企業(yè)解鎖生成AI34AI加速釋放潛力新戰(zhàn)略，新技術(shù)，新方式

生成式AI時代下的數(shù)據(jù)戰(zhàn)略30億美元，12推動企業(yè)全面重塑。埃森哲將升級數(shù)據(jù)和人工智能業(yè)務(wù)，整合資源和能力為客戶創(chuàng)建行業(yè)以負(fù)責(zé)任的方式加速創(chuàng)新和價值實(shí)現(xiàn)。用作為該項(xiàng)戰(zhàn)略的一部分，埃森哲將與亞馬遜云科技攜手，幫助客戶使AmazonAnthropicClaude、AmazonTitan等先進(jìn)的基礎(chǔ)模型，部署AmazonBedrock、AmazonSageMaker等行業(yè)領(lǐng)先技術(shù)，以及其他亞馬遜云科技的機(jī)器學(xué)習(xí)技術(shù)。埃森哲將通過招聘、收購、培訓(xùn)和認(rèn)證等方式，提高全球團(tuán)隊的亞馬遜云科技的技能水平、擴(kuò)大人才規(guī)模，從而更好地幫助客用戶充分挖掘基于云的生成式AI潛力。

打造互聯(lián)互通的用戶和員工體驗(yàn)。通過人工智能對話、生成預(yù)測性洞察和構(gòu)建全渠道旅程，大規(guī)模打造差異化的用戶體驗(yàn)。埃森哲將利用生成式AI，拓展客戶中心的能力，借助AmazonConnect、AmazonLex、AmazonKendra等亞馬遜云科技產(chǎn)品與服務(wù)，賦能坐席代理，從而推動用戶服務(wù)體驗(yàn)的改善。此外，埃森哲和亞馬遜云科技還將聚焦員工助手等預(yù)裝加速器，使內(nèi)部用戶能夠更安全地使用生成式AI。\h埃森哲宣布在人工智能領(lǐng)域投資 億美元，埃森哲， 30 2023\h/cn-zh/about/\hnewsroom/company-news-release-invest-3-billion-in-ai\h埃森哲宣布在人工智能領(lǐng)域投資 億美元，埃森哲， 35生成式AI時代下的數(shù)據(jù)戰(zhàn)略亞馬遜云科技面向生成式AI提供了多維度、全流程、全棧式的支撐能力多維度亞馬遜云科技系列產(chǎn)品從數(shù)據(jù)、模型、安全、基礎(chǔ)設(shè)施四個維度為生成式AI應(yīng)用提供支撐。數(shù)據(jù)AmazonS3,AmazonRedshift,AmazonGlue,AmazonEMR安全AmazonIAM,AmazonKMS,AmazonSecurityHub,AmazonCloudTrail

模型AmazonBedrock,AmazonSagemakerJumpStart基礎(chǔ)設(shè)施AmazonEC2instances,AmazonTrainium,Inferentia36生成式AI時代下的數(shù)據(jù)戰(zhàn)略數(shù)據(jù)：AmazonS3RedshiftAI應(yīng)用提供對結(jié)構(gòu)化、半結(jié)構(gòu)化和I/OAmazonGlueEMRAI輕松準(zhǔn)備、清洗、轉(zhuǎn)換和使用數(shù)據(jù)模型：AI21Labs，Anthropic，StabilityAI，Cohere為您的具體需求場景來挑選合適的基礎(chǔ)模型使用您企業(yè)內(nèi)部的數(shù)據(jù)來私有化定制您專屬的基礎(chǔ)模型安全：AI合規(guī)性使用您企業(yè)內(nèi)部的數(shù)據(jù)來私有化定制專屬的基礎(chǔ)模型基礎(chǔ)設(shè)施：AIGPUEC2實(shí)例可以根據(jù)負(fù)載快速擴(kuò)縮容TrainiumInferentia確保了高吞吐量和低延遲的模型推斷性能。37生成式AI時代下的數(shù)據(jù)戰(zhàn)略全流程AIAIAIAI的潛力。前端（用戶/應(yīng)用/設(shè)備）關(guān)系型數(shù)據(jù)庫

微服務(wù)

無服務(wù)器庫

文本 代碼AIAI前端業(yè)務(wù)應(yīng)用DL機(jī)器學(xué)習(xí)推理 圖片 前端業(yè)務(wù)應(yīng)用DL后端運(yùn)營平臺后端運(yùn)營平臺數(shù)據(jù)倉庫后端（數(shù)據(jù)源）

數(shù)據(jù)湖

實(shí)

機(jī)器學(xué)習(xí)訓(xùn)練 視頻語音

GenerativeAI其他圖14：生成式AI應(yīng)用程序的構(gòu)建架構(gòu) 來源：亞馬遜云科技，埃森哲整理38全棧式

生成式AI時代下的數(shù)據(jù)戰(zhàn)略Provider Tuner Provider Tuner Consumer GenerativeAIScalingGenerativeAlAmazonBedrockAmazonBuiltFoundationModelAmazonTitanSpecializedBusinessProcessesSearchConversationCode+DevopsIndustrialHealthAIServicesAmazonPersonaliseAmazonKendraAmazonLexAmazonCodeGuruAmazonMonitronAmazonHealthLakeAmazonForecastAmazonTitanContactLensAmazonCode-AmazonLookoutAmazonTranscribeAmazonFraudDetectorVokeIDWhispererforEquipmentComprehendAmazonLookoutforAmazonTranscribeAmazonDevOpsAmazonLookoutMedicalMetricsCallAnalyticsGuruforVisionAmazonOmicsAIServicesCore

TextAmazon

AmazonComprehend

SearchAmazon

Amazon

IVisionAmazonPanorama

Amazon

AWSStudioIDEAmazonSagemaker

JumpstartUsemodelsinSageMaker

CanvasNo-codeMLforbusinessanalysts

StudioLearnML

GroundLabeldata

PreparedataStore

GeospatialML

Buildwith

TrainmodelsTuneparameters

DeployinProductionManageandmonitor CI/CD|Governance|ResponsibleML TensorFlow AmazonEC2 CPUs GPUs Inferentia Trainium HabanaGaudi FPGAFrameworks&Infrastructure圖15：亞馬遜云科技StackforEmergingGen-AI(Product/Technical-solutionperspective) 來源：亞馬遜云科技，埃森哲整理39生成式AI時代下的數(shù)據(jù)戰(zhàn)略04業(yè)界探索實(shí)踐40AI為各行各業(yè)帶來了前所未有的機(jī)遇，各大企業(yè)正在優(yōu)化和完善AIAI企業(yè)在工業(yè)設(shè)計、知識庫構(gòu)建、代碼開發(fā)、郵件處理以及流程優(yōu)化等領(lǐng)域進(jìn)AIGC

生成式AI時代下的數(shù)據(jù)戰(zhàn)略行全面創(chuàng)新，以提高整體運(yùn)營效率。企業(yè)的積極探索正在證明，結(jié)合生成式