如果你是一位關注互聯網中新興事物的弄潮兒,想必對 ChatGPT 不會感到陌生。作為時下最 " 火 " 的聊天機器人,ChatGPT 以其機智、幽默,偶爾甚至還有點 " 狡猾 " 的風格,成為了自然語言 AI 在實際運用方面最具代表性的一個例子。
然而盡管 ChatGPT 足夠有趣,但從目前已知的信息來看,它似乎還沒有任何商業運作相關的計劃。不過可能很多朋友不知道的是,早在 ChatGPT" 出圈 " 前,全球許多企業主其實早已用上了類似的、具備自然語言對話能力的 AI 服務。
而且與隻會 " 閑聊 " 的 ChatGPT 不同,這項服務不僅僅能陪人聊天,更重要的是它真的能夠在商業方面發揮作用,充當企業經營者或數據分析師的 " 智能秘書 ",并可以使用最自然的問答方式,來揭示運營數據中那些值得關注的重點。
它叫 Amazon QuickSight Q,專注企業需求的 " 對話 AI"
如果你是一位企業主、銷售經理、或是區域負責人,每天、每周、每個月都有海量的企業運營數據被彙總到你面前。在它們之中,有的其實是價值不高的例行報告,但也有一些很可能隐含着重大的危機或機遇。
很顯然,這時你會需要有 " 人 " 來幫你高效地對這些戲數據進行彙總、分類和分析,并将其中最有價值的部分挑選出來,直觀地呈現在面前。而這,就正是 Amazon QuickSight Q 作為 " 企業版 ChatGPT" 獨到的優勢所在。
Amazon QuickSight Q 能做什麼?從表面上來看,它是一項基于企業運營數據庫的自然語言查詢功能。比如,作為一位銷售經理,你在準備一項活動前可以問它 " 我們在 XX 地區目前有多少客戶?",Amazon QuickSight Q 将自動完成查詢,并以親切的語言返回精确的答案。
又比如說,Amazon QuickSight Q 還能結合多種數據來源,對業務進行預測。例如企業主在命令它 " 預測明年産品的銷售情況 " 時,Amazon QuickSight Q 就會根據先前指标的模式提供銷售預測,并會自動考慮到季節性和異常數據。
除此之外,在最近的一次更新後,Amazon QuickSight Q 甚至還學會了針對預測結果進一步提供預測依據的能力。以前文中的産品銷售預測為例,如今你還可以直接追問 " 為什麼 ",在幾秒鐘的時間内,Amazon QuickSight Q 就會總結出驅動銷售增長 ( 或衰退)的主要因素。
深究 Amazon QuickSight Q 的新特性,會發現比想象中更強大
不難發現,與目前還停留在 " 自娛自樂 " 階段的 ChatGPT 相比,Amazon QuickSight Q 雖然可能沒那麼 " 俏皮 ",但其在商業方面的實用價值卻早已遠遠的超越了前者。
事實上,在我們進一步了解 Amazon QuickSight Q 的 " 能耐 " 時,發現它甚至比想象中的還要強大。
就拿亞馬遜雲科技在 2022 re:Invent 上剛剛發布的最新版本 Amazon QuickSight Q 來說,它現在能夠自動分析企業的看闆和報表數據,并在幾分鐘内自動化為新的數據集配置業務術語。它還能從這些運營數據中推斷語義信息,自動為專業的數據庫名稱匹配口語化的 " 代号 "(比如将 cust ID 翻譯為 " 客戶編号 ")。如此一來,數據庫管理員将不再需要人工對數據進行自然語言标注,工作量自然也得以大幅縮減。同時,為一個數據庫準備好自然語言查詢功能的時間,也因此從過去的數天縮短到了僅需幾分鐘。
其次,Amazon QuickSight 還新增了分頁報表功能。它使得企業可以直接在雲端創建、管理和發布,可打印的、格式化的分頁報表,不再需要另外維護一套數據報表系統,也無需要額外去學習其他軟件複雜的操作。據估計,僅這一項改動就可以為許多企業節省數百萬美元的基礎設施、維護資源。
與此同時,亞馬遜雲科技還大幅增強了 Amazon QuickSight 内存引擎的性能,它現在可以支持多達 10 億行的數據,比此前的水平整整提高了 100%。這也就意味着,企業可以減少對數據工程師的依賴,降低在不同數據存儲間手動編排的頻率。取而代之的,是他們能夠直接對超大型的數據集進行快速存取,一次性完成更多運營數據的分析和可視化。
最後,針對現在還在使用傳統本地 BI 産品的企業客戶,亞馬遜雲科技為 Amazon QuickSight 控制面闆和報表提供了 API 編程功能。這就意味着客戶在遷移上雲的過程中,不再需要從頭開始創建數以萬計的看闆和報表,而是可以通過簡單的編程進行簡易部署,大幅縮短了 BI 資産(比如看闆、分析和報表)上雲分析所需的時間。特别是對于業務繁忙、正處于旺盛發展周期的企業來說,意義也尤為重大。
為什麼總是亞馬遜雲科技?因為他們有着 " 硬氣 " 的資本
作為亞馬遜雲科技旗下在線數據庫業務的其中一個分支,Amazon QuickSight Q 服務上線于 2021 年 9 月,至今已運營了一年多的時間,并為包括納斯達克、西門子、Capital One 和日産汽車在内的多家大型企業提供了優質的運營數據分析體驗。而且它至今還在不斷地成長、改進過程中,正變得越來越強大、越來越易用和人性化。
當然,我們可以贊歎這個 " 企業版 ChatGPT" 的實用性,也能感歎它居然比大家熟悉的那個 " 娛樂版本 " 出現更早,成就也更大。但在這些感歎後,我們很自然的會産生一個疑問,為什麼是亞馬遜雲科技創造、并且持續改進着這個 " 企業版 " 的自然語言數據分析 + 對話 AI,為何不是其他的廠商,或者其他的雲服務廠商率先做到這一點呢?
其實,答案同樣可以在今年的 2022 re:Invent 中找到。
一方面,亞馬遜雲科技是業内第一家在雲端部署機器學習能力的廠商。從 2017 年至今,他們的 Amazon SageMaker 已經幫助無數企業實現了機器學習模型的低成本快速訓練。而這種内嵌在數據庫裡的機器學習能力,理所當然的也會體現在亞馬遜雲科技自己的服務裡。
另一方面,亞馬遜雲科技很早就開始了自研雲基礎設施芯片的開發。就在前不久召開的 2022 re:Invent 上,他們剛剛發布了 Nitro v5、Graviton 3E、Inferentia 2 三款新的自研芯片。其中,Nitro v5 帶來了 50% 的 DRAM 内存性能提升,2 倍的 PCle 帶寬提升,每秒數據包速率(PPS)提高 60%、延遲改善 30%、每瓦性能提高 40%;專注機器學習推理的 Inferentia 2 與前代相比,能夠提供 4 倍的吞吐量和 3 倍的計算性能;而 Graviton 3E 則通過供電、頻率方面的改進,将浮點和向量計算性能再次提升了 35%。
這意味着什麼呢?簡單來說,在自研芯片和早早布局的雲端機器學習技術雙重加持下,亞馬遜雲科技可以更容易實現高性能的雲端數據庫 AI 分析與自然語言訓練,而且這一切背後的成本甚至還可以得到(比采用非自研硬件方案)更好的控制。
很顯然,正是因為有了諸多的前期 " 鋪墊 ",亞馬遜雲科技的 Amazon QuickSight Q 服務如今才能成為雲計算 + 自然語言 AI 領域的用例先驅。也正是憑借着無數類似 Amazon QuickSight Q 這樣、令人驚奇但又确确實實大幅領先的服務和體驗,才讓這家從 2006 年開始涉足雲計算領域的廠商,如今得以長期成為全球這一市場的引領者。
【本文部分圖片來自網絡】