生成式人工智能(Generative AI)已經快速崛起，成為雲端服務供應商最熱門的競爭方向。AWS、Azure 以及 GCP 這三大平台商紛紛大力投資相關服務，爭取開發者與企業用戶的青睞，今次我們就來分析三大平台在生成式 AI 範疇的發展策略與優勢劣勢，作為參考。
AWS 近期推出了 Amazon Bedrock 平台，該平台以平台即服務的形式，提供各類基礎模型給用戶使用。Bedrock 平台上的基礎模型包括了 Amazon 自主研發的 Titan 系列，以及包含近期加入的 Mistral AI 的各種模型，還有被視為超越 GPT-4，評測中成績最佳的 Anthropic 的 Claude 3，以及 AI21 Labs 的 Jurassic、Cohere 的 Command、Meta 的 Llma 2、Stability AI 的 Stable Diffusion 等。用戶可以透過 Bedrock 的 API 介面以無伺服器的方式調用這些模型，另外 Bedrock 也支援在私有 VPC 子網路中部署，有助於保障安全。
除了 Bedrock 平台之外，AWS 未來也計畫推出多種商業基礎模型供微調使用，這些模型將涵蓋程式碼生成、聊天機器人等不同範疇。AWS 顯然正在全力推動 Titan 與 Bedrock 兩大計畫，期望能在生成式 AI 的基礎模型市場取得領先地位。
與 AWS 相較，Google 近期則發布了 PaLM 系列基礎模型，並透過其 Vertex AI 平台對外開放這些模型。Vertex AI 平台上集結了 Google 自研與第三方開源的各類基礎模型，形成豐富的模型園區。用戶可以透過 Vertex AI 來使用與微調這些模型。
此外，Google 也推出多種低程式碼工具，用以協助開發者能更快速地構建基於生成式 AI 的各類應用。透過 PaLM 模型與 Vertex AI 平台，以及完善的開發工具，GCP 正在全力加強生成式 AI 的佈局。
AWS 推出基於機器學習的 EC2 容量區塊 多種預訂方式便利企業 AI 開發 Amazon EC2 釋放 UltraClusters 與 P5e 實例潛能 企業實現 AI 轉型更輕鬆 AWS 與 NVIDIA 兩強聯手 共同邁向 AI 研發競賽之路
相較於 AWS 與 GCP，Microsoft Azure 則採取不同的策略。Azure 平台上最新的服務就是 Azure OpenAI，該服務獨家提供 OpenAI 公司最新研發的 GPT 模型，例如 GPT-3.5 Turbo 等。
Azure OpenAI 讓用戶可以直接在 Azure 訂閱中啟動 OpenAI 的模型實例，並選擇是否要部署在私有虛擬網路中。另外，Azure OpenAI 也與 Azure 機器學習服務能夠深度整合，為用戶提供端對端的模型訓練、部署與管理功能。
綜觀三大平台商在生成式 AI 範疇的布局，AWS 目前在基礎模型提供多元的選擇方面似乎略佔先機。另外，AWS 的優勢不僅在於 Titan 和 Bedrock 等自主研發的基礎模型和平台，還在於其作為全球公有雲市佔率最大的供應商，已經擁有大量成熟的雲端服務可以支援生成式 AI 的模型訓練、部署和使用。
例如 SageMaker 提供了完整的機器學習平台，兼具高度靈活性與可擴展性，可以輕鬆地訓練各類生成式 AI 模型；Lambda 和其他無服務計算選項可以用來部署模型；而 S3、EFS 等儲存服務可以用來存放大規模的訓練資料。利用 AWS 完整的雲端生態系統為開發者提供更便利的環境。
相較之下，雖然 GCP 與 Azure 在 AI 相關產品發佈的高頻率，AWS 的 CEO Adam Selipsy 強調，這世界上沒有單一模型可以解決所有問題，不過憑藉著其雲端基礎建設的優勢，以及 Bedrock 平台上的多元選擇，如果 AWS 持續在生成式 AI 範疇投入更多資源，將可能會逐步拉開與競爭對手的距離。當然生成式 AI 仍是一個快速演進的範疇，競爭局勢隨時都可能產生變化。
例如，GCP 和 Azure 雖目前仍以整合第三方模型為主，但只要加大投入並推出更多自主研發的模型和服務，也有可能迎頭趕上。此外，還有其他雲端服務供應商如 Oracle 也在該範疇進行佈局，未來可能會打破現有的格局。
現在生成式 AI 雲端服務市場的競爭還在持續演進中，開發者與企業用戶在選擇平台時，需要根據自己的具體需求來比較不同平台的模型品質、開發工具、安全性考量、部署成本等因素，才能選出最適合的生成式 AI 雲端服務。
AWS 推出基於機器學習的 EC2 容量區塊 多種預訂方式便利企業 AI 開發 Amazon EC2 釋放 UltraClusters 與 P5e 實例潛能 企業實現 AI 轉型更輕鬆 AWS 與 NVIDIA 兩強聯手 共同邁向 AI 研發競賽之路