通过+GPU+实例和大规模集群构建前沿生成式+AI+应用

© 2024, Amazon Web Services, Inc. 或其附属公司。保留所有权利。© 2024, Amazon Web Services, Inc. 或其附属公司。保留所有权利。通过GPU实例和大规模集群构建前沿生成式AI应用黄冰瑒CMP208女士资深产品经理亚马逊云科技赵彬先生无限光年创新业务负责人© 2024, Amazon Web Services, Inc. 或其附属公司。保留所有权利。1.人工智能/机器学习发展趋势2.面向人工智能/机器学习的Amazon EC2 实例3.人工智能/机器学习工作负载映射议程© 2024, Amazon Web Services, Inc. 或其附属公司。保留所有权利。人工智能/机器学习发展趋势© 2024, Amazon Web Services, Inc. 或其附属公司。保留所有权利。人工智能/机器学习创新趋势开源的势头业界提供开源预训练模型的势头日益强劲使用预训练的基础模型更快地解决问题数据科学家不再需要从头开始训练模型大型语言模型的增长基于 Transformer架构的大型语言模型(LLM) 的快速增长© 2024, Amazon Web Services, Inc. 或其附属公司。保留所有权利。关键客户需求性能成本能效易用性可扩展性© 2024, Amazon Web Services, Inc. 或其附属公司。保留所有权利。关键客户需求性能成本加快训练时间，减少推理延迟能效易用性可扩展性© 2024, Amazon Web Services, Inc. 或其附属公司。保留所有权利。关键客户需求性能成本优化训练成本和每美元的推理吞吐量能效易用性可扩展性© 2024, Amazon Web Services, Inc. 或其附属公司。保留所有权利。关键客户需求性能成本集群训练基础设施和全球推理足迹能效易用性可扩展性© 2024, Amazon Web Services, Inc. 或其附属公司。保留所有权利。关键客户需求性能成本与PyTorch、JAX、TensorFlow 等框架无缝集成能效易用性可扩展性© 2024, Amazon Web Services, Inc. 或其附属公司。保留所有权利。关键客户需求性能成本优化效能功耗比能效易用性可扩展性© 2024, Amazon Web Services