敦煌网俄顷飙到苹果好意思区 AppStore 名循序二國產av 肛交，面对如斯泼天的流量，该用什么"姿势"来接住？

在变化多端、快速发展的生成式 AI 期间下，如斯"灰犀牛"事件，应当给每一个企业敲响一个警钟——

怎样确保企业的系统不详应答突发的用量激增？

针对这一问题，亚马逊云科技大中华区数据及存储产物总监Troy Cui在量子位举办的中国 AIGC 产业峰会上，给出了他的视力：

每个企业在作念架构之前，齐需要想考：当 DAU 从 1 万增长到千万级，当逐日 Token 处理量从几千飙升到上亿时，现存架构能否捏续相沿？

基于此，它也以云计较一哥为例给出了私有的解法。

△亚马逊云科技大中华区数据及存储产物总监 Troy Cui

为了完合座现 Troy Cui 的想考，在不改换容许的基础上，量子位对演讲内容进行了剪辑整理，但愿能给你带来更多启发。

中国 AIGC 产业峰会是由量子位主持的 AI 领域前沿峰会，20 余位产业代表与会扣问。线下参会不雅众超千东说念主，线上直播不雅众 320 万 +，累计曝光 2000 万 +。

话题重点

要想提高 AI 能力，中枢竞争力是我方的数据

快速将数据转机为业务瞻念察、进步数据质料、促进跨部门配合是 AI 赋能的紧迫前提

"灰犀牛"事件频发的期间，企业怎样应答激增的流量是谬误

作念架构需提前想考：当逐日 Token 处理量从几千飙升到上亿时怎样应答

以下是演讲全文：

发展 AI 的中枢竞争力是我方的数据

谢谢各人今天上昼的时刻，我刚才也听了其他嘉宾的一些演讲，也深受启发，包括阮总先容百度智能云在各个行业内部的落地、在产业的深耕，以及对将来发展的瞻望。

包括微软的刘博士给咱们先容 RD-Agent，以及 PPIO 的姚总跟咱们先容何如样在底层把算力履行到前哨的应用上，包括刚刚谭总先容数据的 Agent。

这些东西齐是为了一个主义，把咱们 AI 的能力"多、快、好、省"地上前哨的用户赋能和鼓舞。

咱们要想把 AI 的能力更快地上前走，毫无疑问最中枢的竞争力来自于我方的数据，因为咱们的模子，你和你的友商，你和你的竞争敌手齐不错拿到相对来说不异级别的能力。

然则中枢竞争力仍然源于企业自己的数据钞票。

正如谭总刚才所说，怎样将数据更快地转机为业务瞻念察，怎样最猛进程进步数据质料，以及怎样让更多东说念主参与决策过程，这些齐是为 AI 赋能的紧迫前置条目。同期他也指出，现在并非通盘领少见据的用户齐不详有用好意思满这一打算。

以前 24 小时内，若要扣问什么最受温存，每个东说念主可能有不同看法。但我昨晚看到一则对于敦煌网的新闻尽头引东说念主深想。近期外贸环境的变化对许多 B2B 平台产生了巨大影响。

值得缜密的是，越来越多用户选拔将业务移动到云霄，主要因为云平台不详支捏数据的快速推广。

这种大界限推广的能力，清楚不是依靠企业自己的运维团队就能泛泛好意思满的。

SageMaker：亚马逊云科技应答大界限推广之说念

动作亚马逊云科技的一员，咱们的中枢上风在于匡助客户充分讹诈其高质料数据，即使在需要自动推广到极限的情况下，也能保证零散的可用性和可靠性。

咱们为用户提供针对不同负载量身定制的最好业务贬责决策和器具支捏。

跟着业务日益复杂化，单一引擎已无法贬责通盘问题，用户在不同引擎间切换经常会带来碎屑化的体验。

值得一提的是，亚马逊云科技不仅干事于个东说念主开荒者和将来的独角兽企业，还干事于繁密大型企业客户。

这些企业客户经常有多个部门需要配合，因此如安在这种配合环境中确保有用的数据治理，仍然是一个亟待贬责的紧迫问题。

例如来说，咱们现在为一家紧迫的搜索引擎公司提供干事，该公司在国外市集领有宽敞界限。其 TPM（每分钟处理的令牌数）已达千万级别，行将冲破亿级门槛。

在如斯大界限的计较环境中，怎样确保从数据处理到算力调配的通盘这个词系统恰当运行，是咱们在生成式 AI 领域亟需贬责的谬误问题。

针对这些挑战，亚马逊云科技提供了了了的贬责决策：咱们奋勉于好意思满企业内不同部门、不同变装之间的高效配合。

最谬误的是，咱们确保通盘技俩参与者齐能在归并个融正当式的数据和 AI 平台上经管数据钞票、代码钞票以及访谒权限扫尾。

这恰是咱们开荒SageMaker Unified Studio这一玄虚性平台的中枢原因。

在这个主平台下，开荒者不错松开构建智能问答系统等应用。通过这种低代码 ( CNC ) 的神志，开荒者只需几分钟就能搭建出完整的端到端智能问答平台。

借助这一基础架构，你不错赶紧讹诈现存数据资源，快速构建和开荒智能化贬责决策。

好意思满这一打算的前提条目是平常获得数据，同期确保合规性，尤其是对企业客户而言，合规的数据管控和治理至关紧迫。

Amazon Q：使用当然讲话发现数据

此外，咱们需要配备有余智能的器具支捏。亚马逊云科技推出的Amazon Q恰是这么一款 AI 助手产物，它提供最先进的代码开荒体验。

岂论是将当然讲话调度为 SQL 查询，照旧进行代码审查，齐能高效完成。尽头值得一提的是，对于那些温存常识产权问题的开荒者来说，Amazon Q 还能匡助判断生成代码是否存在潜在的 IP 风险——

这一功能尤为紧迫，因为在传统步地下，开荒者经常无法详情后台生成的代码究竟源自那儿。

这边跟各人先容一个视频，这个视频是一个叫 Media To Cloud 的决策，是不错在亚马逊上有一个 prime video，通过当然讲话搜索，我去但愿找到一个什么样的视频，终末凭证你的要求找到了一个 making the cut 这么一个视频。

试验上若是作念一些源数据的职责，其实不错相配便捷的不错用当然讲话完成许多的 searching 的职责。

只是找到视频还不够，更紧迫的是怎样将其变现，比如通过告白植入。

借助 Media To Cloud 平台，咱们不详精确定位最好告白投放时机，确保告白内容与视频的坎坷文、语境、神志无缺契合。

这展示了生成式 AI 怎样深度融入试验业务场景。正如刚才扣问的金融行业，以及阮整个享的制造业和医疗行业案例，这里我展示的是咱们在新媒体和泛客户领域的试验应用案例。

在推动数据整合与跨部门协同的同期，数据普惠依然刻下边临的中枢挑战。咱们需要在保险数据钞票安全的前提下，尽可能镌汰风险，赋能不同变装和部门。

这一打算的好意思满，谬误在于通过融合平台和洽各方，统筹数据与 AI 的治理。与传统依赖东说念主工经管的神志不同，如今不错借助 AI 技能好意思满更高效的治理。

传统企业与新兴互联网用户在技能栈上的互异

在治理除外，企业还濒临一个现实挑战：传统企业与新兴互联网用户在技能栈上的互异。

亚马逊云科技不雅察到，领有二三十年历史的传统企业客户，经常基于 Oracle 或 Teradata 等老一代数据库，对 SQL 技能栈更为熟习；而原生云上的互联网用户则更允洽大数据生态。

当这些企业上云时，需要将两种技能路子融会——既保留数据仓库的事务处理能力，又兼顾大数据的弹性推广需求。

这恰是连年来"湖仓一体"看法兴起的原因：传统企业加快上云并拥抱大数据，而互联网企业也迟缓向法度化发展，推动了两者的技能融会。

在数据赋能的试验落地过程中，咱们不雅察到前端存在无数隐性职责。以亚马逊云科技为例，数据可能散布存储在 S3 数据湖、数据仓库、传统数据库或腹地环境中。怎样将这些异构数据源高效整合到奢华端，一直是行业濒临的挑战。

传统贬责决策依赖于 ETL 经由，但开荒者们齐知说念，跟着业务需求的捏续迭代，ETL 管说念的开荒和提神会变得非常复杂。这不仅波及起初开荒资本，更濒临着捏续的运维挑战。

亚马逊云科技在以前几年奋勉于，各人在更多温存生成式 AI 应用的开荒和构建的时候，尽可能去减少在后熟察配复杂。

我牢记刘博士说咱们作念 RD-Agent 亦然要贬责脏活累活的问题，咱们也不异在数据的处理上，数据的治理上要贬责脏活累活的问题。

这亦然亚马逊云科技在作念Zero-ETL，若是各人听过这个词，咱们会把前哨不断源的数据不详通过 Zero-ETL 的妙技自动化地去汇注到数仓，汇注到湖仓，背面再到数据奢华或者 AI 的应用构建上。

咱们在通盘这个词这套经管上，上头融会过一个融合的数据和 AI 的平台，有一个完备的数据治理，底下再通过融合的湖仓各人存储在不同位置上的数据融合纳管和构建，何况具备十分能力的数据质料，像数据治理层的经管能力。

通过这种神志不详匡助咱们的用户切实有用地构建他们的生成式 AI 的应用。

以丰田北好意思为例，这家业务隐秘研发、分娩、供应链、销售和干事的跨国企业，在供应链经管中恒久濒临数据钞票跨部门流转、治理和赋能的挑战。

咱们的贬责决策有用贬责了其核肉痛点：将多源异构数据高效转机为可供分析和高价值 AI 应用构建的高质料数据钞票。

今天的共享但愿能匡助各人建造谬误瓦解：在构建生成式 AI 应用时，必须提前打算可推广的架构。岂论您将来是初创公司的技能郑重东说念主照旧决策者，齐需要想考：

当 DAU 从 1 万增长到千万级，当逐日 Token 处理量从几千飙升到上亿时，现存架构能否捏续相沿？

试验上我确信什么事情若是想得更早，不管是我的 Infrastructure，照旧 Data，齐会是蛮紧迫的小数。

终末共享一下亚马逊云科技我方的产物大会，每年的 re:Invent，其实我我方很深的感受，咱们在以前几年界说咱们的云干事，许多时候咱们会聊计较、存储、网罗和数据库，这是咱们在云干事上最紧迫的四个基线。

刻下构建生成式 AI 应用的谬误在于建造具备自动推广能力的底层架构。当存储、计较、数据基础方法和 AI 平台齐具备弹性伸缩能力时，才能信得过相沿业务从初期考据到界限化增长的全人命周期需求，好意思满您的计策打算。

谢谢各人！

一键三连「点赞」「转发」「小心心」

接待在指摘区留住你的想法！

—  完  —

� � 点亮星标 � �

科技前沿发达逐日见國產av 肛交