亚马逊云科技宣布与Hugging Face进一步合作，以加速对大语言模型和视觉模型的训练、精调和部署，促进生成式AI应用的创建。生成式AI应用可以执行各种任务，包括文本摘要、问题回答、代码生成、图像生成以及文本撰写等。
亚马逊云科技在生成式AI创新方面拥有深厚历史。例如，亚马逊使用AI技术为Amazon Alexa用户提供对话体验，每周用户互动次数达到数十亿次，同时也越来越多地使用生成式AI来支持新体验，如“Create with Alexa”功能。此外，作为亚马逊搜索（Amazon Search）的一个小组，M5可以帮助亚马逊各地团队将大模型应用到他们的应用程序中，并训练大模型以提升Amazon.com网站的搜索结果。亚马逊云科技持续在机器学习（ML）的所有领域中创新，包括基础设施、Amazon SageMaker相关工具和开箱即用的AI服务，比如Amazon CodeWhisperer，它嵌入到程序员使用的IDE中，通过注释来生成建议代码，以提高开发人员的生产力。为加速机器视觉与大语言模型的训练和推理，亚马逊云科技还推出了自研训练芯片Amazon Trainium与推理芯片Amazon Inferentia。
Hugging Face之所以选择亚马逊云科技作为首选云供应商，是因为它提供了灵活、可选的全球领先性能工具，例如Amazon SageMaker、Amazon Trainium和Amazon Inferentia，满足了Hugging Face模型训练、精调和部署需求。依赖于此，开发人员使用Hugging Face可以轻松优化性能并降低成本，从而更快地将生成式AI应用投入到生产环境。
高性能且兼具成本效益的生成式AI
大语言模型和视觉模型的构建、训练和部署是一个昂贵且耗时的过程，需要深厚的机器学习专业知识的支持。这两类模型非常复杂，可能包含数千亿个参数，因此在很大程度上，许多开发人员无法使用生成式AI。
为了弥补这一差距，Hugging Face与亚马逊云科技建立合作，让开发人员更容易通过访问亚马逊云科技的服务，来应用部署Hugging Face模型，尤其是那些生成式AI模型。这样做的好处是：可以更快地训练与扩展低延迟和高吞吐的推理任务。例如，由Amazon Trainium支持的Amazon Elastic Compute Cloud (Amazon EC2) Trn1实例提供了更快的训练时间，与基于GPU的实例相比，可节省高达50%的训练成本。而由最新一代Amazon Inferentia芯片支持的Amazon EC2 Inf2实例，旨在部署最新一代大语言模型和视觉模型。相比Inf1实例，Inf2实例吞吐量提升了4倍，延迟降低了10倍。Amazon SageMaker为ML提供工具和工作流，开发人员可以通过Amazon SageMaker等托管服务使用Amazon Trainium和Amazon Inferentia，亦或在Amazon EC2上自行管理。