资料来源：36KR Generative AI 2025：与PPT告别并采用生产力革命。刚才，接收您的手机，打开电子商务采购网站并搜索“充电器”。如果您想比较价格和咨询的产品令人震惊，请单击客户服务以在线咨询。可能不知道的是，涉及这两个简短的操作，即AI大型模型的多少个特征。在6月19日举行的2025年亚马逊云技术峰会上，Anker的创新创新总监Gong Yin分享了AI如何在Amazon Cloud Technology的帮助下创新智能产品，以提高其公司的运营效率。 Anker Innovation和Amazon Cloud Technology已建立了具有实际时间高质量知识库的大型语言模型系统，其中有50多个AL建成的代理。我们已经建立了一个MU Platformaigc内容生产限制。我们创建了一个智能广告系统，可以集成AMAZON SAGEMAKER平台，我们网站上的广告覆盖率超过90％。通过深度学习算法和AI模型开发和更新产品...广告的交付，材料的生成，客户服务响应，产品更新... Black Black Avant -Garde技术如何？不客气。但这是方便的吗？太方便了。目前，Anke Innovation，Vela Content Production Platform的照片超过120万张照片，客户服务订单的AI分辨率大于70％，而IA则超过20％的网站广告。 AIME平台上存放了300多家代理商的资产，这是AIME内部级别的AI特征基础，并且通过AIIME构建了超过1000万个应用程序。这不是“奇异性来了”或“啊哈的时刻”。它确实为您带来了一个体面的业务，使您每天都有需求，使AI可以实时工作而无需“抽蛋糕”，只能解决问题。这不是孤立的案件。 2025年，中国的亚马逊云技术峰会在企业实施的许多方案中展示了许多AI。除了Anker的创新外，还有TCL，WPS，Huolala，Kingdee，Hehe Information和Fosun Pharma。 “我们可以看到，越来越多的公司想与许多客户进行交流。” (Amazon Cloud Technology Greater China, Amazon Cloud Technology Greater China; Image Source: Amazon Cloud Technology: Amazon Cloud Technology Greater China, Amazon Cloud Technology Greater China; Chu Ruisong, President of Amazon Cloud Technology, Amazon Cloud Technology Greater China, President of Amazon Cloud Technology Chu Ruisong is a presidingyou of the production of Mass de Amazon Cloud of Amazon Cloud. We do not question whether generator ai is the "proof of concept" of a laboratory or a "novel trick" of the market. Vanguard Companies作为目标，DeepSeek通过探索连续的开源模型来增加其生态影响。你有没有？如何商业使用它？如何为我创造价值？ AI将在2025年有什么样的机会？ AI失败的“死亡”在哪里？两年前，即2023年6月，亚马逊云技术建立了一个名为Genetic AI创新中心的部门，帮助客户实施和显示生成的AI应用程序。当时，Chatgpt的第一代仅发射了六个月，您知道世界正在忙于训练基本模型，沉浸在带来了出色模型技术的颜色和头晕上。在过去的两年中，亚马逊云技术的生成创新中心聚集在全球350多名应用程序科学家，数据科学家，开发人员，行业专家和战略顾问。问题是什么？我该如何解决？什么是策略？ “死亡”失败的项目在哪里？问题在哪里？最常见的问题是ProJec的最终有效性要求t是未知的，或者选择方案的偏差是未知的。例如，公司可以找到甚至不需要解决生成的问题。另一个普遍的问题是，公司可以发现在尝试生成AI之后有时会出现结果，但是实际实施成本比预期的要高得多。在战略上很明显，还有另一个常见的问题，即公司通常来自好奇心和使用生成项目来使用生成项目（例如INT）的精神，即“发现时尚技术是否发现实现的可能性”在战略上成为竞争和创新进展的渠道。最后，您很有可能看到结果。一旦公司完成POC，其资源方法将变为其他“战略重点”。 （Amazon Cloud Technology全球技术总经理Shaown Nandi）是全球技术的总经理，Amazon Cloud Technelol奥吉在中国峰会上。 Shaown Nandi还提到了三分。 Genericai适合提高员工生产率，优化商业运营，创新产品服务，甚至增强商业模型的力量。这是从源头确定的必要条件，目的是开始控制超级波，例如生成的AI。在1,500种实践中，我们看到了一种实施AI的方法。 Aswas成功的一代人的AI实施了？总而言之，这实际上是一个非常简单的方案，技术 - 大规模生产 - 反馈，但是每个链接都有错误，因为“魔鬼被详细隐藏了”。阶段评估：首先也是最重要的：对AI应用程序方案的公司的评估。毫无疑问，当今任何公司的首席执行官都不对“ AI”和“大型模型”的概念无动于衷。对智能转型的需求和企业成本的降低和改善的需求TS的效率是紧迫的，但是如果我们继续问，很少有人能立即回答：“我们为什么要使用AI？它带来了多少收益？”并非所有问题都必须用AI发电机解决。例如，面部识别，OCR和其他技术一直在融入深层神经元网络算法。它们比AI模型更简单，更经济，并且也是适合的forscenario需求。相反，AI大型模型的技术本质是以下标记预测，这对人类计算机的创造性和智能内容和互动有益。亚马逊云技术建议，在开始生成项目之前，应从七个关键维度进行全面的评估：设备，时间表，风险，数据，投资回报率，预算，可行性），以保证项目的实施。例如，所有这些都是亚马逊云技术客户，但是每个公司都有不同的服务和应用程序。为了例如，Fosun Pharma主要用于生成AI技术和Amazon Cloud Technology的智能医学咨询。我们使用发电中心解决方案。 TCL使用Amazon Cloud Technology实现创新和产品迭代，并使用亚马逊的全球基础结构技术来实现全球发展。信息Hehe为开源代理Chater.ai构建了终端管理工具，以帮助开发人员有效地创新亚马逊云技术。只需澄清舞台的需求和ROI的建模就不会成为“未完成且令人困惑的说法”。技术选择技术选择与方案评估密切相关。简而言之，公司需要找到最适合当前应用程序方案的AI模型，而不是此时最受欢迎的方案。从2025年的春节开始，DePseek在夜间越来越受欢迎，几乎杀死了“沉没模特的战争”。但是DeepSeek不是Almighty。就像GPT达到最大点时无法控制世界一样。在工业应用方案中，公司决策者和对AI产生的商业增长和商业价值感兴趣。 DeepSeek，Claude，Nova或Gemini都是帮助公司实现商业价值的一部分。 6月19日，以色列基本基地44业务的创业公司以8000万美元的现金售出。这是成立于2024年12月的AI创业公司的奇迹，只有9名员工，从未收到外部资金，在安装的第六个月中获得了25万美元的净收益。 （Base44官方网站；照片来源：BASE44）在采访中，Base Founder44，Maor Shlomo，认为Openai模型在构建基础层面的能力时进行了许多评估后太昂贵了，因此他终于选择通过Amazon Cloud Platform连接到Claude模型。 AI的基本功能。是的，对于大多数公司客户，他们重新“黑猫和白猫”，这是Doikirerny Noti是否来自模特公司。尽管这些模型很方便，易于使用，经济，负担得起和保持前卫，但这符合大型模型领域中亚马逊云技术的“选择事项”策略。根据Jefferies Company报告，目前只有3％的公司仅使用语言模型提供商，而34％的公司使用两个，41％的公司使用三和22％使用四种。根据Gartner的预测数据，80％的中国公司将在2027年选择多个模型策略。毕竟，大型模型技术中的下一个破坏性进步可能会出现在DeepSeek，Manus或其他意外的地方。在从质量生产优化PPT到大规模实施的一代项目的过程中，质量生产优化是一个重要的阶段，也是最“坑”阶段。对场景的评估和选择模型的选择直接影响项目成本结构，以及E项目确实可以按价值实施和生产。模型定制和调整策略直接影响质量生产优化阶段项目的成本，绩效和一般绩效。老实说，这个阶段是“肮脏，困难且疲惫的工作”，但这也是实施项目的必要方法。初始数据存储，标签和清洁。中期模型快速词的量化，实施和工程。后部云，缓存机制和供应性能的储备实例都是多个链接的典型复杂工程问题，这些链接需要广泛的数据和具有丰富经验的AI工程师，以平衡成本，绩效和效率。例如，在N n N N Technology Expertsamazon UBE的支持下，国家文化行业的互联网小组工程师将Amazon Bedrock的快速优化功能与Claude 3.5 SONNET相结合，以简化y快速的工程过程，除了代币消耗外，将角色的属性的准确性从70％提高到90％，并在质量中生产的Huffas。此外，在数据处理过程中，Huolala可以使用包括Amazon Nova在内的AI模型来处理现有的客户服务对话数据，存储非结构化数据，例如与交互意图相关的结构化数据图形，并且Huolala可以使用新兴的技术框架，由基于RAG代表的RID图表，以显着提高AI特征的性能。结果监视是在整个AI生成项目实施中最简单的链接，但Tamit也是最容易忽略的链接。我们担心的是，AI的生成项目对于模型不够大，或者它们的计算机功能不够强大。这是为了工作，突然发现：“投资是水流的方式，但是生产我特别是，当经常同时对AI的大型模型进行培训时，对成熟结果的一系列监视可以与需要经过“红色和绿色”的公司中的智能“董事会”相媲美。光线告诉系统制造商是否正常运行，是否必须将“真实的ia”项目纳入进一步的项目，以确保该计划的启动。亚马逊云技术的宝贵经验，拜访了PPT并使双子座模型的模型，自2024年以来享有生产力的革命。除了上述Chine客户外，对参数的需求还出现了，数百万客户，包括Anz Bank，例如ANZ Bank，例如Br​​azil of Barazil of Barazil of Bangile and Capital of Capital of Capital and the of toyota and toteota，toteota''''报告从少量产生的成功率。d人和动物的肌肉力量并引起工业革命，机器的智能将扩大并释放人脑的智能，并将机器智能应用于下一次革命。 2025年，三年前的AI模型培训费用降至1/20，推理响应速度被编号。许多技术进步使数亿个模型能够实现毫秒的响应和决策时间制定，并为行业化和批量生产建立基础。但是，同时选择了“不连续的水果”。如果您真的想促进AI产生的实施，解决问题并产生价值，则必须“滚动袖子”并“滚动脸部”。这个过程很困难，但最终值得。每种技术的终点是对人类需求的深刻响应。这一代人的AI不仅生产生产工具的迭代，而且还产生了商业的基本变化型号。互联网花了30年才成为基础架构，并且在云计算上花了将近20年的时间才能广泛使用技术。伟大的模型确实是一生的“新基础设施”，并且仍处于广泛的未来。但是我们已经在路上了。参考：“北美产生3点世界：微软利用Openai人为地创建AWS，而Google USA则“硅兔子JUN”摧毁了“ Amazon Cloud Technology” Model-A-Service（MAAS）和AI大型模型解决方案大学的“ Amazon Cloud Technology”时代的“波浪”。百万。