亞馬遜云科技宣布與Hugging Face進一步合作，以加速對大語言模型和視覺模型的訓練、精調和部署，促進生成式AI應用的創建。生成式AI應用可以執行各種任務，包括文本摘要、問題回答、代碼生成、圖像創建以及撰寫論文和文章。
亞馬遜云科技在生成式AI創新方面擁有深厚歷史。例如，亞馬遜使用AI技術為Amazon Alexa用戶提供對話體驗，每周用戶互動次數達到數十億次，同時也越來越多地使用生成式AI來支持新體驗，如“Create with Alexa”功能。此外，作為亞馬遜搜索(Amazon Search)的一個小組，M5可以幫助亞馬遜各地團隊將大模型應用到他們的應用程序中，并訓練大模型以提升Amazon.com網站的搜索結果。亞馬遜云科技持續在機器學習(ML)的所有領域中創新，包括基礎設施、Amazon SageMaker相關工具和開箱即用的AI服務，比如Amazon CodeWhisperer，它嵌入到程序員使用的IDE中，通過注釋來生成建議代碼，以提高開發人員的生產力。為加速機器視覺與大語言模型的訓練和推理，亞馬遜云科技還推出了自研訓練芯片 Amazon Trainium與推理芯片Amazon Inferentia。
Hugging Face之所以選擇亞馬遜云科技作為首選云供應商，是因為它提供了靈活、可選的全球領先性能工具，例如Amazon SageMaker、Amazon Trainium和Amazon Inferentia，滿足了Hugging Face模型訓練、精調和部署需求。依賴于此，開發人員使用Hugging Face可以輕松優化性能并降低成本，從而更快地將生成式AI應用投入到生產環境。
“AI的未來已經到來，但并非每個人都能平等享用AI。”Hugging Face首席執行官Clement Delangue表示，“可訪問性和透明性是以明智和負責任的方式使用這些新功能，從而共享成果和創造新工具的關鍵。Amazon SageMaker和亞馬遜云科技定制芯片會幫助我們的團隊和更大的機器學習社區，將最新研究成果轉化為人人都可構建的、公開的可復制模型。”
高性能且兼具成本效益的生成式AI
大語言模型和視覺模型的構建、訓練和部署是一個昂貴且耗時的過程，需要深厚的機器學習專業知識的支持。這兩類模型非常復雜，可能包含數千億個參數，因此在很大程度上，許多開發人員無法使用生成式AI。
為了彌補這一差距，Hugging Face與亞馬遜云科技建立合作，讓開發人員更易通過訪問亞馬遜云科技的服務，來應用部署Hugging Face模型，尤其是那些生成式AI模型。這樣做的好處是：可以更快地訓練與擴展低延遲和高通量的推理任務。例如，由Amazon Trainium支持的Amazon Elastic Compute Cloud (Amazon EC2) Trn1實例提供了更快的訓練時間，與基于GPU的實例相比，可節省高達50%的訓練成本。而由最新一代Amazon Inferentia芯片支持的Amazon EC2 Inf2實例，旨在部署最新一代大語言模型和視覺模型。相比Inf1實例，Inf2 實例吞吐量提升了4倍，延遲降低了10倍。Amazon SageMaker為ML提供工具和工作流，開發人員可以通過Amazon SageMaker等托管服務使用Amazon Trainium和Amazon Inferentia，亦或在Amazon EC2上自行管理。
“生成式AI蘊藏著改變整個行業的巨大潛力，但其成本和所需的專業知識使該技術無法為除少數公司之外的所有公司所用。”亞馬遜云科技首席執行官Adam Selipsky表示，“Hugging Face和亞馬遜云科技讓用戶更易訪問流行的機器學習模型，以最高的性能和最低的成本創建自己的生成式AI應用。此次合作充分說明，生成式AI公司和亞馬遜云科技的合作可以讓更多客戶對創新技術觸手可及。”
即刻開始使用
客戶可以通過三種方式在亞馬遜云科技平臺上調用Hugging Face模型，如使用SageMaker JumpStart、Hugging Face亞馬遜云科技深度學習容器( DLC)，或者根據教程將已有模型部署到Amazon Trainium或Amazon Inferentia。Hugging Face DLC包含了優化的transformer、數據集和標記器庫，使用戶將大規模地精調和部署生成式AI應用程序的時間從幾周縮短到幾小時，并且只需極少的代碼更改。SageMaker JumpStart和Hugging Face DLC在提供Amazon SageMaker服務的所有區域上均可使用，無需額外費用。
