生成式AI時代下的數(shù)據(jù)戰(zhàn)略-2024.02

生成式

AI時代下的數(shù)據(jù)戰(zhàn)略013生成式

AI飛速發(fā)展，開啟企業(yè)全面重塑新時代目46人工智能發(fā)展迎來新拐點

，將深刻改變未來商業(yè)模式企業(yè)積極探索生成式AI應(yīng)用，機遇與挑戰(zhàn)并存錄028迎接生成式

AI時代，重新審視企業(yè)數(shù)據(jù)戰(zhàn)略面向生成式

AI應(yīng)用，企業(yè)數(shù)據(jù)戰(zhàn)略需把握四大關(guān)鍵點關(guān)鍵點之一：找準應(yīng)用方向，激發(fā)創(chuàng)新價值關(guān)鍵點之二：準備專有數(shù)據(jù)，確保數(shù)據(jù)安全關(guān)鍵點之三：驅(qū)動數(shù)據(jù)管理，打造最佳實踐關(guān)鍵點之四：重構(gòu)基礎(chǔ)設(shè)施，實現(xiàn)高效運營910202530030434埃森哲攜手亞馬遜云科技，助力企業(yè)解鎖生成式

AI價值助力企業(yè)重塑數(shù)據(jù)戰(zhàn)略，賦能

AI加速釋放潛力3535新戰(zhàn)略，新技術(shù)，新方式40業(yè)界探索實踐41海爾創(chuàng)新設(shè)計中心打造中國首個AIGC工業(yè)設(shè)計解決方案42434445西門子攜手亞馬遜云科技構(gòu)建企業(yè)級智能知識庫應(yīng)用科思創(chuàng)基于

AmazonCodeWhisperer提升代碼開發(fā)效率全球知名跨國銀行通過生成式

AI減少交易后電子郵件數(shù)量，提高效率和客戶滿意度生成式AI

為大型保險公司重塑運營平臺和合同管理0546總結(jié)2生成式

AI時代下的數(shù)據(jù)戰(zhàn)略01生成式

AI飛速發(fā)展，開啟企業(yè)全面重塑新時代3生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略人工智能發(fā)展迎來新拐點

，將深刻改變未來商業(yè)模式生成式

AI正在喚醒全球?qū)θ斯ぶ悄茏兏餄摿Φ恼J知，激發(fā)起前所未有的關(guān)注和創(chuàng)造力浪潮根據(jù)埃森哲調(diào)研，74%

的全球商業(yè)領(lǐng)袖高管表示，將增加在數(shù)據(jù)和

AI（包含生成式

AI）方面的投入，這一比例較

2023年大幅躍升了

24

個百分點。在中國的受訪高管中，同樣有高達

71%的人持以同樣態(tài)度?！吧墒?/p>

AI將創(chuàng)造由于大語言模型具有處理大規(guī)模數(shù)據(jù)集的能力，它可以“掌握”企業(yè)長期以來積累的所有信息，包括創(chuàng)辦至今的發(fā)展歷程、業(yè)務(wù)特點和商業(yè)意圖，甚至細致到產(chǎn)品、市場和客戶。1巨大價值”

已經(jīng)成為絕大多數(shù)企業(yè)高管的共識。所有用語言記錄傳達的內(nèi)容，如應(yīng)用、系統(tǒng)、文檔、電子郵件、聊天、視頻和音頻等等，都將進行創(chuàng)新、優(yōu)化和重塑，最終走向全新的高度。ChatGPT、文心一言、通義千問、DALL·E、Stable

Diffusion

等一系列易于使用的生成式

AI

服務(wù)，正在迅速推動技術(shù)在商業(yè)領(lǐng)域和社會公眾中的普及，這將對企業(yè)產(chǎn)生極為深遠的影響。?

ChatGPT

推出僅兩個月，月活躍用戶就達到了

1

億，成為有史以來增長最快的消費

應(yīng)用程序。?

埃森哲研究發(fā)現(xiàn)，所有行業(yè)中

40%

的工作時間都將得到

GPT-4等大語言模型的協(xié)助。這是因為，語言任務(wù)占到了企業(yè)人員工作總時長的62%，其中

65%

的時間可以借助生成式

AI和自動化技術(shù)來提升工作活動2的生產(chǎn)力。1從對話到行動：生成式

AI

的五點共識，埃森哲，2023，/s/ncjCVmENrmpEF7tEdH2-kg生成式人工智能：重塑商業(yè)和運營，埃森哲，2023，/s/8w89bqvB6LZOm6V8k9YHOw24生成式

AI時代下的數(shù)據(jù)戰(zhàn)略基礎(chǔ)模型的進步正在徹底改變企業(yè)使用生成式

AI的方式和地點5/22698%3的全球高管認為，人工智能基礎(chǔ)模型將在未來

3到

5年內(nèi)在其組織的戰(zhàn)略22個職業(yè)類型中，有

5個將受到人工智能大量影響，接近所有工作時間的中發(fā)揮重要作用。一半以上。97%440%的工作時間都可能會受到大語言模型

（LLM）

的影響，無論行業(yè)。7的全球高管認為人工智能基礎(chǔ)模型將實現(xiàn)跨數(shù)據(jù)類型的連接，徹底改變?nèi)斯ぶ悄艿氖褂玫攸c和方式。6/105受調(diào)查的

10個組織中，有

6家計劃將

ChatGPT用于學(xué)習(xí)目的，超過一半的組織計劃在

2023年進行試點案例。超過十分之四的人希望進行大量投資。34567埃森哲技術(shù)展望

2023：當(dāng)原子遇見比特，埃森哲，2023，/cn-zh/insights/technology/technology-trends-2023埃森哲技術(shù)展望

2023：當(dāng)原子遇見比特，埃森哲，2023，/cn-zh/insights/technology/technology-trends-2023埃森哲商業(yè)研究院

2023年

2月首席高管動向調(diào)研生成式人工智能：人人可用的新時代，埃森哲，2023，/cn-zh/insights/technology/generative-ai生成式人工智能：人人可用的新時代，埃森哲，2023，/cn-zh/insights/technology/generative-ai5生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略企業(yè)積極探索生成式

AI應(yīng)用，機遇與挑戰(zhàn)并存生成式

AI對于各行業(yè)企業(yè)都有潛在的巨大價值生成式

AI可被廣泛應(yīng)用于咨詢建議、內(nèi)容創(chuàng)建、運營助手、流程自動化、企業(yè)安全等方面：通過提高生產(chǎn)力、提高效率、提升客戶體驗等方式，預(yù)計生成式

AI將為企業(yè)帶來

5億美元到

30億美元不等的價值。8用例領(lǐng)域咨詢建議知識工作顧問為行動或決策提供建議內(nèi)容生成創(chuàng)意內(nèi)容生成

/共同生成內(nèi)容創(chuàng)建視覺設(shè)計為產(chǎn)品或網(wǎng)站生成創(chuàng)意視覺設(shè)計應(yīng)用開發(fā)運維服務(wù)質(zhì)量工程需求生成

/產(chǎn)品定義、代碼生成對話助手

/客戶服務(wù)自動化測試運營助手業(yè)務(wù)流程財務(wù)與會計、采購等領(lǐng)域的業(yè)務(wù)流程自動化流程自動化IT流程服務(wù)管理領(lǐng)域的

IT流程自動化信息安全防止欺詐、完善監(jiān)管合規(guī)企業(yè)安全風(fēng)險治理主動識別風(fēng)險圖

1：生成式

AI的應(yīng)用場景舉例來源：埃森哲研究8生成式人工智能：人人可用的新時代，埃森哲，2023，/cn-zh/insights/technology/generative-ai6生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略同時，日新月異的技術(shù)發(fā)展也將帶來新的挑戰(zhàn)要讓基礎(chǔ)模型在企業(yè)中發(fā)揮適當(dāng)作用，就必須了解其最佳應(yīng)用場景。許多人工智能應(yīng)用程序使用的數(shù)據(jù)類型，已超出基礎(chǔ)模型的處理范圍。同時，基礎(chǔ)模型可以嘗試的一些應(yīng)用模式，從根本上說仍更適合狹義的人工智能。快速增長的計算需求，以及處理大規(guī)模計算所需的相關(guān)成本和專業(yè)知識，是當(dāng)前面臨的最大障礙。多方報告顯示，大型人工智能模型訓(xùn)練所需的計算量正呈指數(shù)級增長，從每

10個月翻一番，加快至每

3、4個月翻一番。9

模型即使經(jīng)過訓(xùn)練后，還需通過微調(diào)才可處理不同任務(wù)，因此所有下游應(yīng)用的運行和托管成本亦十分高昂。同時，要實現(xiàn)生成式

AI的潛力，數(shù)據(jù)也扮演著至關(guān)重要的角色。數(shù)據(jù)不僅是生成式

AI的燃料，更是支撐其模型訓(xùn)練和創(chuàng)新的基石。因此，對于企業(yè)而言，未來的數(shù)據(jù)戰(zhàn)略將不僅聚焦于收集和管理數(shù)據(jù)，更要關(guān)注模型的訓(xùn)練方式、內(nèi)容生成的質(zhì)量和數(shù)據(jù)應(yīng)用的廣度。企業(yè)需要不斷地審視、調(diào)整和優(yōu)化其數(shù)據(jù)戰(zhàn)略，以一個全面的數(shù)據(jù)戰(zhàn)略布局來有效應(yīng)對生成式AI時代下的挑戰(zhàn)。9埃森哲技術(shù)展望

2023：當(dāng)原子遇見比特，埃森哲，2023，/cn-zh/insights/technology/technology-trends-20237生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略02迎接生成式

AI時代，重新審視企業(yè)數(shù)據(jù)戰(zhàn)略8生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略面向生成式

AI應(yīng)用，企業(yè)數(shù)據(jù)戰(zhàn)略需把握四大關(guān)鍵點01020304找準應(yīng)用方向，激發(fā)創(chuàng)新價值準備專有數(shù)據(jù)，確保數(shù)據(jù)安全驅(qū)動數(shù)據(jù)管理，打造最佳實踐重構(gòu)基礎(chǔ)設(shè)施，實現(xiàn)高效運營選擇一些低風(fēng)險領(lǐng)域進行可行性評估，然后開展生成式

AI試點，探索創(chuàng)新的潛力。花時間和精力來準備數(shù)據(jù)基礎(chǔ)，且這個數(shù)據(jù)基礎(chǔ)需要在云平臺上進行管理，確保數(shù)據(jù)的安全性和可靠性。利用高質(zhì)量的數(shù)據(jù)，顯著提升模型訓(xùn)練與數(shù)據(jù)應(yīng)用成效，助力企業(yè)高效實現(xiàn)數(shù)據(jù)管理目標(biāo)?？紤]支撐人工智能所需的基礎(chǔ)設(shè)施、架構(gòu)、運營模式和治理結(jié)構(gòu)等，同時密切關(guān)注成本和可持續(xù)能源消耗。9生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略關(guān)鍵點之一：找準應(yīng)用方向，激發(fā)創(chuàng)新價值生成式

AI能夠在多方面提供智能化服務(wù)，提高企業(yè)運營效能應(yīng)用方向提升生產(chǎn)力和創(chuàng)造力：生成式

AI將成為人們必不可少的創(chuàng)意伙伴，不但可以揭示接觸和吸引受眾的新方法，還能在生產(chǎn)設(shè)計、設(shè)計研究、視覺識別、名稱擬定、副本生成與測試以及實時個性化等領(lǐng)域中，帶來前所未見的速度和創(chuàng)新。生成式

AI還能助力代碼編寫、實現(xiàn)代碼編寫自動化、預(yù)測和預(yù)先防范問題，以及管理系統(tǒng)文檔、獲得數(shù)據(jù)洞察等。優(yōu)化業(yè)務(wù)流程：生成式

AI對歷史背景、下一步最佳行動、總結(jié)能力和預(yù)測智能的成熟理解力，將同時在前后臺辦公環(huán)境中催生出一個超高效、超個性化的新時代，將業(yè)務(wù)流程自動化推升到具有變革意義的新水平。此外，在安全防護、內(nèi)容審核等方面，生成式

AI將支持企業(yè)加強治理和信息安全、防止欺詐、完善監(jiān)管合規(guī)，通過在組織內(nèi)部和外部均建立跨域聯(lián)系和推斷能力，主動識別風(fēng)險。面向領(lǐng)域：零售、金融、服務(wù)、IT等行業(yè)面向領(lǐng)域：供應(yīng)鏈、零售、金融等行業(yè)增強客戶體驗：大語言模型有望幫助處理約

70%

非面對面的客戶服務(wù)溝通，充分利用強大的對話式智能機器人，理解客戶意愿、自行擬定回答，提高答復(fù)的準確性和質(zhì)量。典型領(lǐng)域包括聊天機器人、虛擬助手、智能導(dǎo)購、銷售賦能、人力資源、科學(xué)研究、企業(yè)戰(zhàn)略和市場情報等。面向領(lǐng)域：供應(yīng)鏈、零售、服務(wù)等行業(yè)10生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略應(yīng)用實例?

某在線旅行代理商通過部署“智能客服”插件，通過為用戶提供旅游出行的個性化建議，幫助他們更快確定行程安排。對于意外的行程更改，旅客可以通過全天候在線的智能客服快速解決問題。?

某飲料零售企業(yè)正在使用一個人工智能平臺，根據(jù)廣告在不同平臺的適用性進行評級，并提取出實現(xiàn)最大投資回報率（ROI）所需的關(guān)鍵要素，從而創(chuàng)建一套成功廣告活動的規(guī)則，此舉使廣告支出回報率顯著提高。?

埃森哲嘗試利用大語言模型自動生成文檔，提高開發(fā)人員在系統(tǒng)配置、功能及技術(shù)參數(shù)設(shè)置方面的工作效率。?

某跨國銀行正在使用生成式

AI和大語言模型，改變其大量交易后處理電子郵件的管理方式，如自動起草帶有行動建議的消息，并發(fā)送給收件人。這不只是減少了工作量，還能讓客戶交流更加順暢。11生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略更具人員強化或自動化的潛力較低更具自動化潛力更具人員強化潛力非語言任務(wù)對于不同行業(yè)而言，生成式

AI

將54%48%36%40%43%33%34%31%12%14%24%10%12%銀行保險26%不同程度地改變其工作方式，企業(yè)應(yīng)找21%28%15%18%10軟件和平臺資本市場能源準方向?qū)崿F(xiàn)突破14%29%9%14%34%33%13%7%21%62%。在語通信和媒體零售在美國，語言任務(wù)占據(jù)總工作時長的12%46%言任務(wù)的總體份額中，65%

很可能實現(xiàn)自動化或得到11行業(yè)平均值醫(yī)療保健公共服務(wù)航天與國防汽車9%11%9%22%38%大語言模型的協(xié)助。28%30%26%30%26%28%27%25%26%24%24%20%33%35%20%27%26%根據(jù)埃森哲研究預(yù)測，未來所有行業(yè)中，

將有40%

的工作受到大語言模型的影響。企業(yè)應(yīng)當(dāng)迅速行動，尋找適合自己的創(chuàng)新機會。13%41%6%13%50%50%8%6%6%8%6%6%6%11%30%16%15%高科技50%旅游公用事業(yè)生命科學(xué)工業(yè)15%52%17%50%14%54%13%14%57%56%消費品和服務(wù)化工5%20%64%40%自然資源0%10%50%60%70%80%90%100%10

生成式人工智能：人人可用的新時代，埃森哲，2023，https://www.accenture.cn/cn-zh/insights/technology/generative-ai圖

2：基于

2021年美國就業(yè)水平，按行業(yè)和人工智能潛在影響力劃分的工時分布11

生成式人工智能：人人可用的新時代，埃森哲，2023，https://www.accenture.cn/cn-zh/insights/technology/generative-ai來源：埃森哲研究12生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略零售個性化銷售策略生成式

AI

可以突出客戶相似性和產(chǎn)品采用差異，以創(chuàng)建個性化行業(yè)特定領(lǐng)域財務(wù)優(yōu)惠和推廣活動，獲得追加銷售機會?？蛻舴?wù)人才與組織內(nèi)容生成為社交媒體帖子和博客創(chuàng)建內(nèi)容，針對目標(biāo)客戶生成特色視頻廣告和動畫用戶故事，提高品牌知名度。法律法規(guī)市場AI安全IT品牌監(jiān)控銷售跟蹤品牌的在線提及情況，提醒公司任何負面評論或反饋。在問題升級并損害品牌聲譽之前自動響應(yīng)以解決問題。構(gòu)建數(shù)字核心采購尋源數(shù)據(jù)云商業(yè)供應(yīng)鏈銀行平臺新業(yè)務(wù)個性化虛擬客服生產(chǎn)制造基于高級情感分析，實現(xiàn)虛擬客戶服務(wù)代理和跨渠道通信的個性化。并購可持續(xù)性消息推送企業(yè)戰(zhàn)略研發(fā)向客戶發(fā)送有針對性的電子郵件廣告

/通知。投訴處理自動投訴分類和優(yōu)先級排序以及跨渠道的建議解決方案。圖

3：生成式

AI將

360

為企業(yè)帶來創(chuàng)新應(yīng)用機會?！銇碓矗喊Ｉ苎芯?3生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略金融研究與個性化財富咨詢高科技通過委派文檔生成功能，使顧問能夠?qū)Ｗ⒂谠鲋祷顒?。通過更好地了解客戶需求和要求，提供卓越的服務(wù)和合適的產(chǎn)品，從而增加市場份額輔助芯片設(shè)計利用

GenAI

改進

EDA（電子設(shè)計自動化），幫助應(yīng)對芯片生命周期管理的復(fù)雜性。與代工廠的原型驗證流程相連接，快速進行芯片設(shè)計原型驗證，提高企業(yè)市場快速反應(yīng)能力。/資產(chǎn)管理規(guī)模。保險賦能代理軟件和平臺基于客戶互動和索賠的經(jīng)驗，為保險代理人提供定制建議和有關(guān)興趣領(lǐng)域知識，幫助代理人與客戶溝通。代碼生成生成式

可用于生成代碼和自動化軟件開發(fā)。它可以接受自然AI策略生成語言輸入并將其轉(zhuǎn)換為代碼。生成保險報價、綁定、保單簽發(fā)文件，并根據(jù)投保人的具體需求和偏好向他們提供不同的承保選項。代碼審查生成式

可以查看代碼的一致性，編輯代碼并提供生產(chǎn)質(zhì)量代AI理賠受理碼。它還可以支持識別和修復(fù)代碼錯誤。改善理賠受理體驗的個性化溝通；根據(jù)多式聯(lián)運索賠人輸入自動檢測嚴重性；進行快速檢查

/分析以確定損失原因并自動提取用于確定承保范圍的關(guān)鍵術(shù)語。14生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略以保險行業(yè)為例，生成式

AI可應(yīng)用于從市場營銷到出險理賠的各個階段。其中具較高投資回報率的場景如：?

數(shù)據(jù)增強：客服場景中為承保人員快速生成第三方數(shù)據(jù)源的信息摘要和見解，以幫助他們做出更準確的判斷?

理賠核驗：出險核驗時對多模態(tài)數(shù)據(jù)進行快速檢查

/分析后，提取關(guān)鍵詞并定損圖

4：保險行業(yè)價值鏈中的應(yīng)用場景產(chǎn)品營銷客戶承?？蛻舴?wù)保險理賠改進保險代理人和客戶參與度指標(biāo)、成交率和投資回報率提高風(fēng)險評估和承銷商效率增強客戶體驗并降低服務(wù)成本減少賠償和費用郵件營銷智能郵件高度定制無縫理賠受理依據(jù)經(jīng)紀人的興趣自動化生成主題和營銷活動理解郵件意圖然后進行非結(jié)構(gòu)化數(shù)據(jù)處理、驗證和檢查“良好訂單”。基于高級情感分析的虛擬客服代理和跨渠道的個性化溝通。通過個性化溝通策略來改善理賠申請體驗郵件以覆蓋優(yōu)質(zhì)經(jīng)紀人群體賦能員工智能提取通知生成理賠核驗通過針對經(jīng)紀人的興趣話題、參與歷史和理賠自動從非結(jié)構(gòu)化的由經(jīng)紀人提交的信息中提取創(chuàng)建具有上下文感知、個性化和自動化的信函進行快速檢查

/分析以確定損失原因，并自動經(jīng)驗提供定制化建議和高級洞察力關(guān)鍵術(shù)語，如保單手冊，以增強風(fēng)險評估。/通知生成系統(tǒng)。提取關(guān)鍵術(shù)語以用于理賠決定數(shù)字營銷數(shù)據(jù)增強投訴處理理賠洞察自動生成數(shù)字營銷內(nèi)容，如博客文章、社交媒為承保人員提供快速的第三方數(shù)據(jù)源輸入摘要和見解，以幫助他們做出明智的選擇。自動化對投訴進行分類、優(yōu)先級排序，并跨渠利用歷史數(shù)據(jù)發(fā)現(xiàn)規(guī)律和模板，為理賠理算師提供洞察，以使決策更加明智和準確體更新、電子郵件通訊和落地頁道提供解決方案。輿論監(jiān)控智能篩選健康干預(yù)追償

/訴訟處理追蹤品牌在網(wǎng)絡(luò)上的評價，在負面評價升級并通過理解總結(jié)轉(zhuǎn)介規(guī)則并根據(jù)風(fēng)險偏好智能篩選適當(dāng)?shù)某斜Ｈ藛T評估和處理申請根據(jù)客戶的特定需求、興趣和行為定制生成推通過對數(shù)據(jù)洞察（如傳票信函），預(yù)測潛在的損害品牌聲譽之前向保險公司發(fā)出警報。薦內(nèi)容，以推動更高的參與度和互動性和解或法庭結(jié)果保單生成欺詐檢測自動化保單生成和質(zhì)量分析

/審核，以提高保利用合成數(shù)據(jù)來解決數(shù)據(jù)稀缺問題，模擬不同欺詐情景以提高欺詐檢測能力單的完整性、一致性和合規(guī)性15生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略在快消品行業(yè)，具備高投資回報率的生成式

AI創(chuàng)新場景，如：?

新產(chǎn)品設(shè)計研發(fā)：使用生成式

AI快速進行原型設(shè)計和驗證，加速產(chǎn)品上市?

自動化市場營銷：依據(jù)產(chǎn)品文檔和消費趨勢數(shù)據(jù)自動生成營銷材料，提升營銷效率圖

5：快消品行業(yè)價值鏈中的應(yīng)用場景關(guān)鍵領(lǐng)域供應(yīng)鏈增長與創(chuàng)新營銷、銷售和服務(wù)可持續(xù)賦能職能排放、資源&道德影響管勞動力規(guī)劃&人力資本規(guī)劃增長戰(zhàn)略優(yōu)先級增長機會研究消費者、營銷

&內(nèi)容管理客戶、分銷商和渠道管理智能需求感知理消費者高定和情境化數(shù)字內(nèi)容自動化客戶

/分銷商服務(wù)ESG增強招聘自動化內(nèi)容創(chuàng)建&報告采購與供應(yīng)鏈智能合約管理入職&人力資源運營敏捷投資組合管理新產(chǎn)品開發(fā)與設(shè)計綜合收入增長管理自動化消費者服務(wù)社會風(fēng)險監(jiān)測管理虛擬營銷活動測試自動化市場營銷ESG自動化自動化重要關(guān)系定制職業(yè)培訓(xùn)&職業(yè)商業(yè)智能發(fā)現(xiàn)人服務(wù)生產(chǎn)制造道路設(shè)計測試與發(fā)布智能數(shù)據(jù)處理智能預(yù)測性資產(chǎn)維護投資者活動追蹤智能風(fēng)險收益投資建議ESG影響杠桿識別虛擬概念

/產(chǎn)品測試績效管理優(yōu)化智能協(xié)商指導(dǎo)執(zhí)行自動化供應(yīng)商交互和訂單管理商業(yè)模式創(chuàng)新企業(yè)規(guī)劃市場渠道生成式預(yù)測

&情景建模投資與自助并購研究自動化虛擬銷售團隊和服務(wù)影響無物流財務(wù)管理動態(tài)和交互式控制塔教練網(wǎng)點全方位優(yōu)化指導(dǎo)&報非常低低自動化企業(yè)內(nèi)容創(chuàng)建告中IT管理高自動化

IT開發(fā)

&運營非常高來源：埃森哲研究16生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略生成式

AI創(chuàng)新場景大量涌現(xiàn)，激發(fā)相關(guān)技術(shù)產(chǎn)品與服務(wù)，助力企業(yè)價值實現(xiàn)各行業(yè)大量的生成式

AI創(chuàng)新場景激發(fā)出對技術(shù)產(chǎn)品和服務(wù)的需求，如：?

利用對話機器人、虛擬個人助手減少客戶投訴，精確定位客戶需求，優(yōu)化客戶體驗?

基于生成式

AI的代碼助手極大提升了軟件開發(fā)的效率和質(zhì)量，提升員工生產(chǎn)力?

利用樣式設(shè)計助手點燃設(shè)計靈感，激活創(chuàng)新思維，生成創(chuàng)意內(nèi)容?

借助文檔處理助手，自動化企業(yè)文檔檢索、數(shù)據(jù)提取等流程，改善業(yè)務(wù)運營效率優(yōu)化客戶體驗提升員工生產(chǎn)力生成創(chuàng)意內(nèi)容改善業(yè)務(wù)運營效率智能聊天對話機器人對話式搜索內(nèi)容寫作文檔處理虛擬個人助理AI智能合同中心個性化服務(wù)定制信息提取與總結(jié)媒體創(chuàng)新流程優(yōu)化代碼生成樣式設(shè)計網(wǎng)絡(luò)安全從數(shù)據(jù)到洞察建模生成數(shù)據(jù)增強17生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略亞馬遜云科技通過開箱即用的生成式

AI技術(shù)服務(wù)，快速激發(fā)產(chǎn)品與服務(wù)創(chuàng)新?

Amazon

QuickSight

BI

提供了一種更快的方法，幫助用戶從數(shù)據(jù)中直接獲取洞察QuickSight允許用戶輕松連接到

S3

或

Athena

等數(shù)據(jù)源，并在幾分鐘內(nèi)創(chuàng)建交互式儀表板，并使用自然語言在數(shù)秒內(nèi)生成洞察結(jié)論并微調(diào)數(shù)據(jù)可視化效果。用戶可以用簡單的語言查詢他們的數(shù)據(jù)，而無需編寫一行代碼。

借助這些新功能，業(yè)務(wù)用戶可以提出“為什么”的問題，以更好地了解影響數(shù)據(jù)趨勢的因素。

用戶還可以通過說“預(yù)測未來

12

個月的銷售額”來預(yù)測指標(biāo)，以獲得基于過去數(shù)據(jù)和季節(jié)性等信息的即時響應(yīng)。圖

6：亞馬遜云科技

QuickSightBI產(chǎn)品的數(shù)據(jù)洞察來源：亞馬遜云科技、埃森哲研究?

使用人工智能編碼伙伴更快、更安全地構(gòu)建應(yīng)用程序Amazon

CodeWhisperer

經(jīng)過數(shù)十億行代碼的訓(xùn)練，可以根據(jù)您的評論和現(xiàn)有代碼實時生成從代碼片段到全函數(shù)的代碼建議。繞過耗時的編碼任務(wù)，加速使用不熟悉的

API進行的構(gòu)建。圖

7：亞馬遜云科技

AmazonCodeWhisperer?

通過生成式

AI助手

Amazon

Q全面提升企業(yè)的生產(chǎn)力來源：亞馬遜云科技、埃森哲研究Amazon

Q是亞馬遜云科技推出的生成式

AI助手，可以通過互動對話解決問題、生成內(nèi)容并采取行動。Amazon

Q能了解您的公司信息、代碼和系統(tǒng)，并在保障安全與隱私的基礎(chǔ)上，根據(jù)您的角色和權(quán)限進行個性化交互。Amazon

Q既能作為單獨的應(yīng)用程序，作為您的商務(wù)專家，也能集成在亞馬遜云科技的控制臺、Amazon

CodeWhisperer、各類

IDE、Amazon

Quicksight

以及

AmazonConnect?；趤嗰R遜云科技

17年的知識，能夠為您的整個開發(fā)流程提供支持。圖

8：亞馬遜云科技

AmazonBedrock來源：亞馬遜云科技、埃森哲研究18生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略AmazonBedrock使用基礎(chǔ)模型構(gòu)建和擴展生成式

AI應(yīng)用程序的便捷方式AmazonBedrock選擇

FM直接使用或定制

FM發(fā)送提示詞接收響應(yīng)通過調(diào)用無服務(wù)的API，運用

FM來構(gòu)建生成式

AI應(yīng)用使用

Playground試用

FM并選擇適合您需求的

FMBedrock將自動部署

FM進行推理，或則根據(jù)需求來進行模型微調(diào)使用

BedrockAPI來發(fā)送提示詞給

FM在您的應(yīng)用中接收

FM的響應(yīng)AmazonBedrock有以下特點：0103預(yù)訓(xùn)練的基礎(chǔ)模型：Amazon

Bedrock

提供易于使用的開發(fā)者體驗，可擴展性和可伸縮性：Amazon

Bedrock

是無服務(wù)器的，無需管理任何基與來自

AI21

Labs、Anthropic、Cohere、Meta、Stability

AI

和

Amazon

等領(lǐng)先人工智能公司的各種高性能

FM合作。礎(chǔ)設(shè)施，能夠隨著項目的增長而擴展，支持大規(guī)模的應(yīng)用開發(fā)。04安全和合規(guī)：AmazonBedrock提供了多種支持安全和隱私要求的功能，02自定義和微調(diào)能力：可通過可視化界面使用私有數(shù)據(jù)對模型進行自定義已獲得

HIPAA

資格并符合

GDPR合規(guī)性。和微調(diào)。使用微調(diào)和檢索增強生成（RAG）等技術(shù)利用私有數(shù)據(jù)對其進行定制，并創(chuàng)建可執(zhí)行復(fù)雜業(yè)務(wù)任務(wù)。19生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略關(guān)鍵點之二：準備專有數(shù)據(jù)，確保數(shù)據(jù)安全在使用基礎(chǔ)模型之前，企業(yè)需要花時間和精力來準備數(shù)據(jù)基礎(chǔ)，且這個數(shù)據(jù)基礎(chǔ)需要在云平臺上進行管理，確保數(shù)據(jù)的安全性和可靠性數(shù)據(jù)準備現(xiàn)階段，大多數(shù)企業(yè)會直接購買“模型即服務(wù)”來開展業(yè)務(wù)應(yīng)用。不過對許多企業(yè)來說，最大的價值或?qū)⒃从谑褂米陨淼臄?shù)據(jù)定制或微調(diào)（Fine-tune）模型，滿足其獨特需求。為了提高生成式

AI

和基礎(chǔ)模型在特定業(yè)務(wù)應(yīng)用方式中的價值，企業(yè)將越來越多地利用自身數(shù)據(jù)對預(yù)訓(xùn)練模型加以微調(diào)來實現(xiàn)定制，從而讓績效實現(xiàn)質(zhì)的飛躍。在工具層面，亞馬遜云科技的

Amazon

Bedrock

和

AmazonSageMaker

Jumpstart，分別面向基礎(chǔ)模型有著不同需求的客戶提供微調(diào)的路徑。在

Amazon

Bedrock中，客戶只需調(diào)用模型

API，也可以對基礎(chǔ)模型進行微調(diào)，而無需管理模型配置或部署；而在

AmazonSagemaker中，客戶需要管理應(yīng)用程序架構(gòu)中的模型部署、配置和托管，將會有更大的靈活度和自由度對基礎(chǔ)模型進行定制。數(shù)據(jù)安全隨著時間推移，生成式

AI將支持企業(yè)加強治理和信息安全、防止欺詐、完善監(jiān)管合規(guī)，并通過在組織內(nèi)部和外部均建立跨域聯(lián)系和推斷能力，主動識別風(fēng)險。在戰(zhàn)略性網(wǎng)絡(luò)防御體系中，大語言模型可以提供多種有用的功能，例如解釋惡意軟件和快速分類網(wǎng)站。但在短期內(nèi)，企業(yè)很可能看到，黑客利用生成式

AI的特長來生成惡意代碼或編寫完美的網(wǎng)絡(luò)釣魚電子郵件。20生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略基礎(chǔ)模型需要大量精心組織的數(shù)據(jù)來學(xué)習(xí)，因此，破解數(shù)據(jù)挑戰(zhàn)已成為每家企業(yè)的當(dāng)務(wù)之急企業(yè)需要采用一種戰(zhàn)略性、規(guī)范化的方法，獲取、開發(fā)、提煉、保護和部署數(shù)據(jù)。應(yīng)依托云環(huán)境構(gòu)建現(xiàn)代化的企業(yè)數(shù)據(jù)平臺，其中包含一組可信賴、可重復(fù)使用的數(shù)據(jù)產(chǎn)品。憑借此類平臺的跨職能特征、企業(yè)級的分析工具，以及將數(shù)據(jù)存儲在云端倉庫或數(shù)據(jù)湖當(dāng)中，數(shù)據(jù)能夠擺脫組織孤島的束縛，在整個企業(yè)中普遍使用。隨后，企業(yè)可以在某一地點或通過分布式計算策略（如數(shù)據(jù)網(wǎng)格），統(tǒng)一分析所有業(yè)務(wù)數(shù)據(jù)。定義數(shù)據(jù)基礎(chǔ)評估數(shù)據(jù)可用性評估數(shù)據(jù)的安全要求和隱私分類數(shù)據(jù)應(yīng)用需要的數(shù)據(jù)類型評估數(shù)據(jù)的可用性數(shù)據(jù)的真實性環(huán)境準備明確數(shù)據(jù)要求數(shù)據(jù)質(zhì)量評估數(shù)據(jù)的完整性定制模型確認各類數(shù)據(jù)源數(shù)據(jù)合規(guī)要求應(yīng)用價值數(shù)據(jù)量與存儲方式圖

9：數(shù)據(jù)準備過程來源：埃森哲研究21生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略生成式

AI時代下的數(shù)據(jù)風(fēng)險同樣需要引起重視越來越多的企業(yè)已開始積極探索相關(guān)應(yīng)用，以期提升創(chuàng)新效率、實現(xiàn)高質(zhì)增長。然而生成式

AI應(yīng)用的風(fēng)險貫穿于模型設(shè)計、搭建、使用各個階段，并會產(chǎn)生長遠的效應(yīng)。010203比如，生成式

AI基于學(xué)習(xí)需要而對用戶數(shù)據(jù)的留存、分析是否侵犯了個人和商業(yè)隱私，以及相關(guān)數(shù)據(jù)保護法案；生成式

AI的運作核心是機器學(xué)習(xí)，其另一方面，某些群體特質(zhì)也會使生成式

AI為其打上固化標(biāo)簽，“一刀切”地去價值與數(shù)據(jù)的質(zhì)量和真實性密切相關(guān)，如果一臺基礎(chǔ)模型長期浸染在存有偏差的數(shù)據(jù)當(dāng)中，它就會被這些數(shù)據(jù)“誘導(dǎo)”，從而輸出錯誤的信息或執(zhí)行歧視性操作；執(zhí)行某些程序，而失去了應(yīng)有的公平性。22生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略數(shù)據(jù)安全是構(gòu)建生成式

AI能力的關(guān)鍵保護存儲中的數(shù)據(jù)保護使用中的數(shù)據(jù)?

身份認證Amazon

KMS：?

隔離環(huán)境?

多方協(xié)作?

數(shù)據(jù)共享實施安全密鑰管理Amazon

con?g,

Amazon

Security

hub：靜態(tài)數(shù)據(jù)保護自動化保護傳輸中的數(shù)據(jù)Amazon

IAM,

Amazon

S3

Versioning：?

跨區(qū)域之間的傳輸實施訪問控制?

VPC內(nèi)部以及

VPC之間的傳輸?

遷移上云的過程中Amazon

System

Manager,

Amazon

CloudTrail：?

TLS1.2+AES256利用機制限制數(shù)據(jù)訪問23生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略AmazonBedrock確保生成式

AI應(yīng)用過程中的數(shù)據(jù)隱私和安全Amazon

Bedrock

讓您始終掌控私域數(shù)據(jù)?

客戶數(shù)據(jù)不會用于改進

AmazonTitan模型，也不會與其他的基礎(chǔ)模型?

在與應(yīng)用程序集成時，您可以使用

AmazonCloudTrail監(jiān)控

API活動提供商共享并解決問題?

客戶的數(shù)據(jù)（包括提示詞、生成的內(nèi)容、微調(diào)后的模型

)均會保存在創(chuàng)建它們的區(qū)域?

微調(diào)（自定義）模型使用客戶

KMS/CMK

密鑰進行加密和存儲。

或者只有您可以訪問您的自定義模型?

支持亞馬遜云科技

PrivateLink，以便您使用

VPC端點在虛擬私有云?

在微調(diào)任務(wù)中支持

VPC的設(shè)置（VPC）和

AmazonBedrock服務(wù)之間建立私有連接?

客戶數(shù)據(jù)在傳輸過程中始終使用

TLS1.2進行加密，靜態(tài)數(shù)據(jù)始終使用服務(wù)托管密鑰進行加密?

與

亞馬遜云科技

身份和訪問管理服務(wù)（IAM）集成，以管理推理訪問、拒絕特定模型的訪問并啟用控制臺訪問24生成式

AI時代下的數(shù)據(jù)戰(zhàn)略關(guān)鍵點之三：驅(qū)動數(shù)據(jù)管理，打造最佳實踐生成式

AI幫助自動化數(shù)據(jù)管理手動流程，并確保所生成輸出的準確性。將智能嵌入數(shù)據(jù)治理將提高數(shù)據(jù)使用者的整體生產(chǎn)力數(shù)據(jù)源數(shù)據(jù)集成數(shù)據(jù)數(shù)據(jù)消費批處理結(jié)構(gòu)化非結(jié)構(gòu)化AL/MLMFT實時內(nèi)部系統(tǒng)建模外部系統(tǒng)數(shù)據(jù)報告準實時第三方數(shù)據(jù)集成非結(jié)構(gòu)化信息數(shù)據(jù)治理與管理自助服務(wù)生成式用例生成式用例生成式用例?

源數(shù)據(jù)

/系統(tǒng)分析?

代碼開發(fā)

/測試?

代碼管理?

元數(shù)據(jù)管理?

數(shù)據(jù)管理組織、制?

數(shù)據(jù)資產(chǎn)目錄?

數(shù)據(jù)標(biāo)準?

數(shù)據(jù)生命周期管理?

主數(shù)據(jù)管理?

人工智能

-訪問管理?

查詢開發(fā)?

豐富數(shù)據(jù)目錄?

數(shù)據(jù)隱私保護?

數(shù)據(jù)治理工具度、流程?

數(shù)據(jù)安全合規(guī)?

數(shù)據(jù)質(zhì)量圖

10：生成式

AI在數(shù)據(jù)管理流程中的應(yīng)用來源：埃森哲研究25生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略通過生成式

AI驅(qū)動數(shù)據(jù)管理，能夠：?

優(yōu)化分析和洞察，為數(shù)據(jù)驅(qū)動型決策提供支持?

通過數(shù)據(jù)民主化、協(xié)作和素養(yǎng)實現(xiàn)業(yè)務(wù)運營?

通過一致性在整個組織內(nèi)實現(xiàn)適合用途的數(shù)據(jù)使用情況?

支持數(shù)據(jù)隱私工作，以實現(xiàn)消費者隱私和法規(guī)遵從性生成式

AI將在多方面賦能數(shù)據(jù)管理工作，助力企業(yè)實現(xiàn)數(shù)據(jù)管理目標(biāo)主動元數(shù)據(jù)管理變革管理通過使用算法訓(xùn)練與業(yè)務(wù)文檔和元數(shù)據(jù)相匹配，加速數(shù)據(jù)目錄的開發(fā)，提高數(shù)據(jù)的查找和解釋能力。創(chuàng)建通信內(nèi)容，減少內(nèi)容創(chuàng)建時間，部署聊天機器人以提供幫助，優(yōu)化利益相關(guān)者、培訓(xùn)和需求管理。數(shù)據(jù)質(zhì)量可信數(shù)據(jù)隱私與保護識別、總結(jié)和糾正數(shù)據(jù)質(zhì)量問題?；诒O(jiān)管要求、國家法規(guī)的指導(dǎo)，提出政策建議，數(shù)據(jù)訪問控制和限制程序，確保數(shù)據(jù)安全和數(shù)據(jù)分類合規(guī)。主數(shù)據(jù)管理創(chuàng)建數(shù)據(jù)質(zhì)量規(guī)則，幫助標(biāo)準化和合并記錄，并優(yōu)化匹配規(guī)則以創(chuàng)建“黃金記錄”。數(shù)據(jù)生命周期管理部署數(shù)據(jù)創(chuàng)建、存儲和備份技術(shù)以支持數(shù)據(jù)生命周期管理，制定存檔策略，并主動識別需要存檔或處置的數(shù)據(jù)。運營模型基于角色的活動識別和支持數(shù)據(jù)所有者和數(shù)據(jù)監(jiān)管者，并定義數(shù)據(jù)治理角色和責(zé)任。工具增強提升數(shù)據(jù)治理工具的搜索功能，與企業(yè)資產(chǎn)進行連接，并分析工具間的差距。政策與工作流程提供數(shù)據(jù)治理最佳實踐建議，幫助起草和解釋與政策相關(guān)的內(nèi)容，并優(yōu)化數(shù)據(jù)工作流程。26生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略場景舉例應(yīng)用結(jié)果主動元數(shù)據(jù)管理數(shù)據(jù)目錄內(nèi)容創(chuàng)建生成式人工智能通過“業(yè)務(wù)文檔”查找和編譯常見術(shù)語和定義，以添加到數(shù)據(jù)目錄中。快速、高效地提供行業(yè)特定的術(shù)語。數(shù)據(jù)可信數(shù)據(jù)質(zhì)量問題唯一標(biāo)識符識別數(shù)據(jù)監(jiān)管者識別工作流程自動化數(shù)據(jù)監(jiān)管內(nèi)容創(chuàng)建安全協(xié)議分析生成式人工智能通過客戶情感反饋或幫助臺日志查找和總結(jié)數(shù)據(jù)質(zhì)量問題的示例。糾正并提高數(shù)據(jù)的適用性和質(zhì)量。公司將客戶數(shù)據(jù)存儲在多個系統(tǒng)中，難以識別唯一標(biāo)識符以合并客戶記錄。生成式人工智能模型在所有系統(tǒng)中訓(xùn)練客戶數(shù)據(jù)，以識別最佳指標(biāo)以掌握客戶記錄。更高的數(shù)據(jù)記錄掌握準確率，從而實現(xiàn)更準確的營銷目標(biāo)定位。主數(shù)據(jù)管理將生成式人工智能工具集成到數(shù)據(jù)管理系統(tǒng)中，以分析基于角色的活動，從而識別數(shù)據(jù)所有者和數(shù)據(jù)監(jiān)管者。運營模型數(shù)據(jù)監(jiān)管者識別有助于確立數(shù)據(jù)所有權(quán)?？s短處理時間，減少錯誤，提高效率并實現(xiàn)成數(shù)據(jù)監(jiān)管者使用生成式人工智能從政策文件中提取結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，用于自動化工作流程。政策與工作流程本節(jié)約。減少數(shù)據(jù)監(jiān)管內(nèi)容創(chuàng)建時間，通過虛擬培訓(xùn)實現(xiàn)成本節(jié)約。變革管理數(shù)據(jù)管家使用生成式人工智能創(chuàng)建數(shù)據(jù)監(jiān)督管理培訓(xùn)議程和材料，并進行培訓(xùn)。一家公司最近遭受了安全漏洞，并決心防止再次發(fā)生。生成式人工智能獲得了公司現(xiàn)有安全協(xié)議的訪問權(quán)限，以分析可能被利用的弱點，并提供解決這些弱點的建議清單。數(shù)據(jù)隱私與保護數(shù)據(jù)生命周期管理工具增強有效地減少未來發(fā)生安全漏洞的可能性。減少由于不良協(xié)議導(dǎo)致的重要數(shù)據(jù)災(zāi)難性喪失的風(fēng)險。通過消除與冗余存儲設(shè)備相關(guān)的維護成本，實現(xiàn)成本節(jié)約。生成式人工智能工具獲得了公司的數(shù)據(jù)存儲和備份協(xié)議的訪問權(quán)限，分析了現(xiàn)有技術(shù)并發(fā)現(xiàn)了一些改進的方面，例如冗余存儲設(shè)備和不頻繁的備份。然后編制了一份改進存儲實踐的建議清單。數(shù)據(jù)存儲實踐IT部門將生成式人工智能集成到其數(shù)據(jù)治理工具中，并繼續(xù)優(yōu)化生成式人工智能的訓(xùn)練數(shù)據(jù)以提企業(yè)資產(chǎn)互操作性改善數(shù)據(jù)治理資產(chǎn)的整合程度。高性能。圖

11：生成式

AI數(shù)據(jù)管理應(yīng)用最佳實踐來源：埃森哲研究27生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略圖

12：貫穿生成式

AI全周期的數(shù)據(jù)治理存儲

&查詢行用

&應(yīng)用DATA

SOURCESIOT

/DEVICESFORAPPLICATIONSFORANALYTICS

&MLAmazonAuroraAmazonDynamoDBAmazonKinesisAmazonMSKDataWarehouseAmazonRedshiftMACHINELEARNINGAmazonSageMakerPEOPLEAPPSAPP/LOGSDataLakeGENERATIVEAIAmazonS3AmazonBedrock3RDPARTY

DATADEVICESBigDataBUSINESSINTELLIGENCEAmazonQuickSightAmazonEMR編目治理AmazonLake

FormationAmazonDataZone來源：亞馬遜云科技，埃森哲整理亞馬遜云科技提供了貫穿生成式

AI全周期的數(shù)據(jù)治理，從數(shù)據(jù)源的獲取到數(shù)據(jù)的存儲和查詢，再到將數(shù)據(jù)傳輸給

AI平臺進行模型的訓(xùn)練、調(diào)優(yōu)和推理，以及全面實施數(shù)據(jù)分類和治理。通過提供一整套的解決方案、產(chǎn)品服務(wù)和實踐，全面保護存儲中、傳輸中以及使用中的數(shù)據(jù)。AmazonLakeFormation服務(wù)支持統(tǒng)一的數(shù)據(jù)使用、保護、共享、審計和治理，用于一站式構(gòu)建、管理和監(jiān)控安全可靠的數(shù)據(jù)湖。28生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略圖

13：通過

AmazonLakeFormation簡化安全管理AmazonRedshiftAmazonEMRAmazonAthenaDatalakeadminLakeFormationAccesscontrolAWS

GlueDataCatalogDatalake來源：亞馬遜云科技、埃森哲研究Amazon

OpenSearch服務(wù)、Amazon

Aurora

PostgreSQL和

Amazon

RDS

for

PostgreSQL提供向量數(shù)據(jù)庫功能?？蛻艨梢允褂眠@些功能來存儲和搜索其機器翻譯和生成式

AI應(yīng)用中使用的嵌入。實現(xiàn)將向量與數(shù)據(jù)同地放置，可以更輕松地連接數(shù)據(jù)并減少數(shù)據(jù)重復(fù)。應(yīng)用

AmazonOpenSearchServerless，客戶也無需擔(dān)心單獨數(shù)據(jù)庫的維護、版本控制和許可問題。29生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略關(guān)鍵點之四：重構(gòu)基礎(chǔ)設(shè)施，實現(xiàn)高效運營為了充分利用大語言模型和生成式

AI，企業(yè)應(yīng)認真考慮所需的數(shù)據(jù)基礎(chǔ)設(shè)施和運營模式，同時密切關(guān)注成本和可持續(xù)能源消耗能力提升：成本降低：?

利用云的彈性及時響應(yīng)對數(shù)據(jù)處理的需求，提供強大處理能力及無限擴展性?

擺脫傳統(tǒng)平臺束縛，更容易打破數(shù)據(jù)孤島，重塑數(shù)據(jù)架構(gòu)?

自動化的數(shù)據(jù)集成，零代碼、高可用?

降低數(shù)據(jù)中心建設(shè)投入成本?

降低數(shù)據(jù)庫遷移成本及運維費用?

降低數(shù)據(jù)分析平臺構(gòu)建、使用及維護費用?

降低

ETL成本?

自助式的數(shù)據(jù)訪問服務(wù)，隨時滿足業(yè)務(wù)人員的數(shù)據(jù)獲取需求?

標(biāo)準化的機器學(xué)習(xí)，使業(yè)務(wù)分析師更易掌握和使用，實現(xiàn)快速賦能?

節(jié)省數(shù)據(jù)安全費用面向生成式

AI時代，企業(yè)大數(shù)據(jù)平臺面臨的實際問題“用數(shù)據(jù)看數(shù)據(jù)”“用數(shù)據(jù)管數(shù)據(jù)”數(shù)據(jù)驅(qū)動的大數(shù)據(jù)平臺智慧運營解決方案數(shù)據(jù)成本急劇上升節(jié)能減排需求迫切識別高價值的數(shù)據(jù)資產(chǎn)實現(xiàn)高效率的資源分配成本管理意識缺失冗余資源治理困難30生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略亞馬遜云科技為生成式

AI大模型訓(xùn)練提供高性能計算基礎(chǔ)架構(gòu)

–GPUAmazon

EC2

P4d/P4de

實例Amazon

EC2

P4d/P4deAmazon

EC2

G5實例實例由

NVIDIAH100Tensor

CoreGPU提供動力與上一代基于

GPU

的實例相比，速度快

6

倍，訓(xùn)練成本節(jié)省

40%由

NVIDIAA100Tensor

CoreGPU提供動力與上一代P3/P3dn實例相比，速度提高2.5倍，訓(xùn)練成本降低

60%。由

NVIDIAA10GTensor

CoreGPU提供動力與上一代

G4dn實例相比，性能提高

3.3

倍31生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略專為生成式

AI而構(gòu)建的加速器Amazon

TrainiumAmazon

Trainium50%40%與

AmazonEC2

實例相比，訓(xùn)練成本可節(jié)省高達與

AmazonEC2

實例相比，具有高達的價格性能優(yōu)勢檢索增強生成

(RAG)

需要向量數(shù)據(jù)庫的支持檢索增強生成（Retrieval-AugmentedGeneration,RAG）需要向量數(shù)據(jù)庫的支持，因為它依賴于有效地檢索和處理大量的數(shù)據(jù)點。在

RAG

中，生成式模型（如文本或語音生成模型）與信息檢索系統(tǒng)相結(jié)合，以提高輸出的相關(guān)性和準確性。企業(yè)構(gòu)建的向量數(shù)據(jù)庫需要滿足：AMAZONOPENSEARCHSERVICE?

高效的數(shù)據(jù)檢索：能夠存儲數(shù)十億個向量嵌入，并能夠快速實現(xiàn)向量搜索?

可擴展性和高可用性：應(yīng)對大量查詢和數(shù)據(jù)更新?

易于管理和配置：需要配置、管理和擴展集群AMAZONAURORAPOSTGRESQL?

技能儲備：企業(yè)人員需要專門的資源或?qū)I(yè)知識因此，對于實現(xiàn)高效的檢索增強生成系統(tǒng)，選擇合適的向量數(shù)據(jù)庫是一個關(guān)鍵的考量因素，它直接影響了系統(tǒng)的性能、準確性和可靠性。AmazonBedrockKnowledgeBase原生支持檢索增強生成

RAG，能夠自動將文本文檔轉(zhuǎn)換為嵌入內(nèi)容，將嵌入存儲在向量數(shù)據(jù)庫中，檢索嵌入并增強提示。AmazonBedrockKnowledgeBase支持多種向量數(shù)據(jù)庫，包括

AmazonOpenSearchServerless向量引擎，RedisEnterpriseCloud以及

Pinecone等。AMAZONRDSFORPOSTGRESQL32生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略重新定義生成式

AI時代的基礎(chǔ)設(shè)施Amazon

SageMaker

是通過完全托管的基礎(chǔ)設(shè)施、工具和工作流程為能夠?qū)⒂?xùn)練基礎(chǔ)模型的時間縮短高達

40%，能夠簡化大型訓(xùn)練集群的分布式訓(xùn)練，消除干擾的彈性訓(xùn)練環(huán)境，并對集群計算、內(nèi)存和網(wǎng)絡(luò)資源實現(xiàn)優(yōu)化利用。Amazon

SageMaker

Inference

Optimization

基礎(chǔ)模型部署成本平均降低高達

50%，延遲平均降低

20%。任何用例構(gòu)建、訓(xùn)練和部署機器學(xué)習(xí)模型。面向生成式

AI的應(yīng)用開發(fā)及數(shù)據(jù)管理，Amazon

SageMaker

HyperPodAmazon

SageMaker

JumpStart：適用于SageMaker的機器學(xué)習(xí)中心，瀏覽約

400個內(nèi)容，包括帶有預(yù)先訓(xùn)練模型的內(nèi)置算法、（新增）基礎(chǔ)模型、解決方案Notebook腳本示例輕松訪問機器學(xué)習(xí)資產(chǎn)，并快速將機器學(xué)習(xí)應(yīng)用程序推向市場模板和在組織內(nèi)共享和協(xié)作與組織內(nèi)部其他人共享模型和筆記本電腦，并允許他們使用自己的數(shù)據(jù)進行訓(xùn)練，或按原樣部署，便于推理UI

以及基于

API

的機器學(xué)習(xí)

,

使用

UI，即可單擊模型部署，或?qū)?/p>

API用于基于

PythonSDK的工作流帶有示例的

Notebook，JumpStart支持您跳轉(zhuǎn)到

Notebook開發(fā)環(huán)境，使用選定模型和示例，指導(dǎo)客戶完成整個機器學(xué)習(xí)工作流預(yù)構(gòu)建的訓(xùn)練和推理腳本

,

與

SageMaker兼容，可使用自定義數(shù)據(jù)集進行配置AmazonSageMaker其他創(chuàng)新推理訓(xùn)練機器學(xué)習(xí)運維

MLOps加速器優(yōu)化智能數(shù)據(jù)篩選集成開發(fā)環(huán)境

IDE用于構(gòu)建

SageMakerPipelines的新

SDK體驗全新大型模型推理容器SageMakerStudio筆記本自動化負載感知推理路由全新的

SageMakerStudio體驗和功能33生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略03埃森哲攜手亞馬遜云科技，助力企業(yè)解鎖生成式

AI價值34生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略助力企業(yè)重塑數(shù)據(jù)戰(zhàn)略，賦能

AI加速釋放潛力新戰(zhàn)略，新技術(shù)，新方式近期，埃森哲宣布將在人工智能領(lǐng)域投資

30億美元，12

推動企業(yè)全面重塑。埃森哲將升級數(shù)據(jù)和人工智能業(yè)務(wù)，整合資源和能力為客戶創(chuàng)建行業(yè)特定的解決方案，助其更好地發(fā)揮人工智能潛力，重塑戰(zhàn)略、技術(shù)和工作方式，以負責(zé)任的方式加速創(chuàng)新和價值實現(xiàn)。打造互聯(lián)互通的用戶和員工體驗。通過人工智能對話、生成預(yù)測性洞察和構(gòu)建全渠道旅程，大規(guī)模打造差異化的用戶體驗。埃森哲將利用生成式AI，拓展客戶中心的能力，借助

AmazonConnect、AmazonLex、AmazonKendra等亞馬遜云科技產(chǎn)品與服務(wù)，賦能坐席代理，從而推動用戶服務(wù)體驗的改善。此外，埃森哲和亞馬遜云科技還將聚焦員工助手等預(yù)裝加速器，使內(nèi)部用戶能夠更安全地使用生成式

AI。作為該項戰(zhàn)略的一部分，埃森哲將與亞馬遜云科技攜手，幫助客戶使用

Amazon

Anthropic

Claude、Amazon

Titan

等

先

進

的

基

礎(chǔ)

模

型，

部

署Amazon

Bedrock、Amazon

SageMaker等行業(yè)領(lǐng)先技術(shù)，以及其他亞馬遜云科技的機器學(xué)習(xí)技術(shù)。埃森哲將通過招聘、收購、培訓(xùn)和認證等方式，提高全球團隊的亞馬遜云科技的技能水平、擴大人才規(guī)模，從而更好地幫助客戶充分挖掘基于云的生成式

AI潛力。12

埃森哲宣布在人工智能領(lǐng)域投資

30億美元，埃森哲，2023，/cn-zh/about/newsroom/company-news-release-invest-3-billion-in-ai35生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略亞馬遜云科技面向生成式

AI提供了多維度、全流程、全棧式的支撐能力多維度亞馬遜云科技系列產(chǎn)品從數(shù)據(jù)、模型、安全、基礎(chǔ)設(shè)施四個維度為生成式

AI應(yīng)用提供支撐。數(shù)據(jù)模型AmazonS3,AmazonRedshift,AmazonGlue,AmazonEMRAmazonBedrock,AmazonSagemakerJumpStart安全基礎(chǔ)設(shè)施AmazonIAM,AmazonKMS,AmazonSecurityHub,AmazonCloudTrailAmazonEC2

instances,AmazonTrainium,AmazonInferentia36生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略數(shù)據(jù)：?

AmazonS3和

Redshift為生成式

AI應(yīng)用提供對結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)簡單、靈活的存儲和管理，能夠適應(yīng)大型數(shù)據(jù)集和高

I/O

需求?

AmazonGlue和

EMR等數(shù)據(jù)處理和轉(zhuǎn)換工具，使生成式

AI應(yīng)用能夠輕松準備、清洗、轉(zhuǎn)換和使用數(shù)據(jù)模型：?

從

AI21Labs，Anthropic，StabilityAI，Cohere以及亞馬遜云科技中為您的具體需求場景來挑選合適的基礎(chǔ)模型?

使用您企業(yè)內(nèi)部的數(shù)據(jù)來私有化定制您專屬的基礎(chǔ)模型安全：?

亞馬遜云科技安全服務(wù)為

AI模型數(shù)據(jù)和推斷提供了高度的保護和隱私合規(guī)性?

使用您企業(yè)內(nèi)部的數(shù)據(jù)來私有化定制專屬的基礎(chǔ)模型基礎(chǔ)設(shè)施：?

生成式

AI模型需要大量的計算資源。亞馬遜云科技提供基于

GPU的EC2

實例可以根據(jù)負載快速擴縮容?

亞馬遜云科技的

Trainium

為深度學(xué)習(xí)訓(xùn)練提供了成本效益高的解決方案，而

Inferentia確保了高吞吐量和低延遲的模型推斷性能。37生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略全流程構(gòu)建生成式

AI應(yīng)用程序需要多種類型的能力支撐，亞馬遜云科技的構(gòu)建基塊為生成式

AI應(yīng)用程序開發(fā)提供了全流程的產(chǎn)品與服務(wù)，能夠快速構(gòu)建高度智能化的生成式

AI應(yīng)用程序。不僅提供了強大的技術(shù)支持，還簡化了開發(fā)過程，幫助開發(fā)者更好地開發(fā)應(yīng)用，挖掘生成式

AI的潛力。前端（用戶

/應(yīng)用

/設(shè)備）代碼文本應(yīng)用程序微服務(wù)無服務(wù)器關(guān)系型數(shù)據(jù)庫NoSQL云原生數(shù)據(jù)庫AIMLDL圖片機器學(xué)習(xí)推理前端業(yè)務(wù)應(yīng)用Generative

AI機器學(xué)習(xí)訓(xùn)練后端運營平臺視頻數(shù)據(jù)倉庫數(shù)據(jù)湖流式數(shù)據(jù)實時數(shù)倉語音其他后端（數(shù)據(jù)源）圖

14：生成式

AI應(yīng)用程序的構(gòu)建架構(gòu)來源：亞馬遜云科技，埃森哲整理38生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略全棧式亞馬遜云科技提供了面向生成式

AI綜合而強大的全技術(shù)棧，為其用戶提供了豐富的智能化服務(wù)和功能，推動企業(yè)應(yīng)用生成式

AI所帶來的業(yè)務(wù)增長和創(chuàng)新。GenerativeAIScaling

Generative

AlAmazon

BuiltAmazonBedrockFoundation

ModelAmazonTitanSpecializedAIServicesBusiness

ProcessesAmazonPersonaliseAmazonForecastAmazonFraudDetectorAmazonLookoutforMetricsSearchConversationAmazonLexContactLensVoke

IDCode

+

DevopsAmazonCodeGuruAmazonCode-WhispererIndustrialHealthAmazonKendraAmazonTitanAmazonMonitronAmazonLookoutfor

EquipmentAmazonLookoutfor

VisionAmazonHealthLakeAmazonTranscribeComprehendMedicalAIServicesAmazonTranscribeCallAnalyticsAmazonDevOpsGuruAmazonOmicsCoreTextAmazonSearchAmazonTranscribeIVisionAmazonRekognitionAWSAmazonTranslateComprehendAmazonPollyAmazonTextractPanoramaStudio

IDEJumpstartUsepre-builtmodelsinCanvasStudio

LabGround

TruthLabeldataPreparedataStorefeaturesGeospatialMLBuildwithnotebooksTrain

modelsDeployinAmazonSagemakerNo-codeMLforbusinessanalystsLearnMLTuneProductionManageandmonitorparametersSageMakerCI/CD

|

Governance

|

Responsible

MLMLFrameworks&InfrastructurePyTorch,

TensorFlowAmazonEC2CPUsGPUsAWS

InferentiaAWS

TrainiumHabanaGaudiFPGA圖

15：亞馬遜云科技

Stackfor

EmergingGen-AI(Product/Technical-solutionperspective)來源：亞馬遜云科技，埃森哲整理39生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略04業(yè)界探索實踐40生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略生成式

AI為各行各業(yè)帶來了前所未有的機遇，各大企業(yè)正在優(yōu)化和完善新的數(shù)據(jù)戰(zhàn)略，為生成式

AI

技術(shù)的應(yīng)用提供堅實基礎(chǔ)。結(jié)合生成式

AI

技術(shù)，企業(yè)在工業(yè)設(shè)計、知識庫構(gòu)建、代碼開發(fā)、郵件處理以及流程優(yōu)化等領(lǐng)域進行全面創(chuàng)新，以提高整體運營效率。企業(yè)的積極探索正在證明，結(jié)合生成式AI的數(shù)據(jù)戰(zhàn)略，能夠有效助力企業(yè)實現(xiàn)更加智能、高效的運營管理，為業(yè)務(wù)發(fā)展帶來全新的解決方案。海爾創(chuàng)新設(shè)計中心打造中國首個

AIGC工業(yè)設(shè)計解決方案0102海爾創(chuàng)新設(shè)計中心目前擁有

400

多名設(shè)計師，為海爾智家旗下七大品牌全球的所有產(chǎn)品提供設(shè)計創(chuàng)新和模式探索。2023

年，海爾設(shè)計著手立項，邀請亞馬遜云科技與

Nolibox

協(xié)作，量身打造了工業(yè)設(shè)計

AIGC

解決方案。Nolibox交付了完整的

AIGC工業(yè)設(shè)計解決方案：包括符合品牌調(diào)性的不同設(shè)計品類繪畫大模型、面向設(shè)計師等業(yè)務(wù)人員的

“AIGC

無限畫板”、AI

繪畫大模型在線訓(xùn)練和管理能力、以及根據(jù)用戶用量調(diào)度的彈性算力架構(gòu)等。方案支持在線的模型訓(xùn)練，并支持設(shè)計概念生成、設(shè)計融合智能輔助、概念聚焦智能輔助、概念精細化智能調(diào)整等功能。方案對客戶的產(chǎn)品、場景、概念、模型等數(shù)字內(nèi)容進行在線管理，將

AIGC

有效地應(yīng)用于工業(yè)設(shè)計的概念創(chuàng)意階段。海爾設(shè)計將

AIGC

解決方案引入到產(chǎn)品設(shè)計，UI

設(shè)計，CMF

設(shè)計，品牌設(shè)計等環(huán)節(jié)，涵蓋了新品設(shè)計、改款升級、渠道定制化等工業(yè)設(shè)計的業(yè)務(wù)場景。從

2023年初正式立項，到如今，該方案已經(jīng)初步完成交付，是目前已知的全國首個結(jié)合實際業(yè)務(wù)場景落地的

AIGC工業(yè)設(shè)計企業(yè)級解決方案。參考鏈接：/en/customer-stories/manufacturing/haiernolibox/41生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略西門子攜手亞馬遜云科技構(gòu)建企業(yè)級智能知識庫應(yīng)用0103西門子中國大禹團隊聚焦長期以來企業(yè)內(nèi)部資源的檢索和調(diào)用都存在結(jié)構(gòu)散亂、檢索速度慢、交互不便等問題，將大數(shù)據(jù)庫和生成式

AI

應(yīng)用于一個全新的“智能知識庫”，從根本上提升知識庫的可用性。大禹團隊與亞馬遜云科技攜手，在亞馬遜云科技的技術(shù)支持下，開發(fā)了為西門子中國量身打造的以人工智能生成的方式進行交互的智能聊天機器人。相對于傳統(tǒng)機器人，“小禹”智能會話機器人的回答內(nèi)容不僅生成速度更快，其對搜索關(guān)鍵詞的命中率也更高，整體使用體驗遠超傳統(tǒng)機器人。西門子中國專屬智能知識庫上線后，首周就有超過

4000位內(nèi)部用戶參與使用，超過

12000個問題被提出并解答。02通過“RAG

架構(gòu)

+向量數(shù)據(jù)庫”的設(shè)計，該解決方案指南具備自然語言處理能力、知識庫檢索能力、甚至是以數(shù)據(jù)去訓(xùn)練大語言模型的能力，這些核心關(guān)鍵能力讓解決方案指南能實現(xiàn)目標(biāo)知識庫約

80%

功能，西門子中國根據(jù)企業(yè)內(nèi)部需求再做

20%定制化開發(fā)，最終形成完整的解決方案。參考鏈接：/en/customer-stories/manufacturing/siemenschatbot/42生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略科思創(chuàng)基于

AmazonCodeWhisperer提升代碼開發(fā)效率01科思創(chuàng)中國針對其在日常開發(fā)的兩個核心任務(wù)：項目框架搭建和存量代碼優(yōu)化，利用

AmazonCodeWhisperer應(yīng)對重復(fù)性、機械化的范式生成、慣用算法引用和企業(yè)級

API

接口定制的問題，將日常代碼開發(fā)效率和開源代碼應(yīng)用追蹤器的準確性顯著提高，在構(gòu)建云原生產(chǎn)品應(yīng)用的過程中起到了重要作用。02針對日常代碼場景，相較手動查詢

API文檔，效率提升高至

50%。在開源代碼引用方面，能即刻獲得來自開源項目平臺

Github的引用參考。43生成式

AI

時代下的數(shù)據(jù)戰(zhàn)略全球知名跨國銀行通過生成式

AI減少交易后電子郵件數(shù)量，提高效率和客戶滿意度0103一家跨國銀行每天需要處理和回復(fù)成千上萬封客戶電子郵件，涉及結(jié)算、生成式

AI解決方案將使銀行能夠快速、經(jīng)濟高效地擴大業(yè)務(wù)規(guī)模，而無資產(chǎn)服務(wù)和交易對賬等一項龐大而且需要大量手動干預(yù)的工作。為了應(yīng)對這一挑戰(zhàn)，該銀行采用了生成式

AI解決方案，其設(shè)計初衷是審查、理解并自動將成千上萬封電子郵件每日準確地分發(fā)至相關(guān)團隊。此外，該解決方案還能夠草擬高度準確的回復(fù)，團隊成員在發(fā)送給客戶之前可以快速審核這些回復(fù)。需增加人員數(shù)量。應(yīng)對不斷增長的處理成本是整個行業(yè)面臨的共同挑戰(zhàn)，而我們正在引領(lǐng)這一變革，借助生成式

AI來解決這一問題。02這一解決方案不僅減輕了一項重要但耗時的任務(wù)的單調(diào)性，也通過釋放員工的時間，使他們能夠?qū)Ｗ⒂诟袃r值的工作，提升了員工工作體驗。同時，它加速了郵件回復(fù)的速度，確?？蛻舻囊蓱]始終得到確認并得到準確的回應(yīng)，