在生成式 AI 的时代，工作过程中利用AI帮助写邮件、翻译、绘画、编程，甚至用一句话安抚即将“发飙”的客户或老板，已经司空见惯。然而，真正的挑战在于如何将这些技能无缝整合，使 AI 不仅仅是一个单一的执行工具，而是能够自主操作并深切体察用户需求的智能伙伴。

Anthropic 最新发布的升级版 Claude 3.5 Sonnet AI 模型及其新增的“计算机操控（Computer Use）”功能告诉我们：这一步已经可以做到了！

所谓“计算机操控”，是指AI大模型能根据用户的指令在计算机屏幕上自由移动光标，点击特定位置，并通过虚拟键盘输入文本，模拟人类与计算机的交互方式，最终完成人类的指令。

这次发布不仅代表了技术的革新，更预示着 AI 从简单的自动化工具向真正能够实际解决问题的智能工具的转变。据悉，目前 Claude3.5已上线 Amazon Bedrock 平台；此外，尽管“计算机操控”功能还在持续完善中，但其也已经被如 Asana、Canva 和 DoorDash 等大型企业采用，以处理涉及多步骤的复杂任务。Anthropic 希望通过提前发布此功能，吸引开发者社区的广泛反馈，进一步优化和完善这一创新工具。

随着 Claude 3.5 再一次展示出 AI 的巨大潜力，我们也可以看出AI下一步的重点：真正在商业上落地。在最近的 2024 Innovate 大会上，亚马逊云科技作为 Anthropic 的早期投资人，分享了其在 Amazon Bedrock 平台上集成全球前沿 AI 大模型后，与多家全球先锋企业实现 AI 技术商业化落地的案例和最佳实践。Amazon Bedrock 不仅支持不同AI智能体的开发，还提供了广泛的大模型服务，助力企业跨越技术的复杂性，快速实现 AI 集成与应用。

那么，作为一家注重业务实用性和效率的技术实践者，亚马逊云科技是如何推动生成式AI技术在众多行业中的应用？

POLY.AI：不仅是语音助手

更是业务落地“小能手”

“嗨！我是您的智能助手，请描述一下您想要咨询的问题或回复对应数字。”

随着又一年“双十一”的到来，智能客服成为了今年各大企业率先开始采用的AI工具。但在实际客服场景中，用户的问题总是千奇百怪，问题的切入点和问法都各有不同，仅靠 RAG（检索增强生成）并不能完全处理问题；同时，业务侧往往还需要让 AI 与真人“真假难辨”，从而减轻现有客服团队的压力和成本。因此，AI客服技术的引入，本质上是为了降低成本和提高效率，在具体业务场景中能够解决企业依赖大量人力资源来应对的那些简单且高度重复的客户沟通任务。

在这一领域中，Poly AI 已经“走在了前面”。他们利用大语言模型和生成式AI技术，正在为各行各业的企业打造高度定制化的语音助手。这些助手不仅能有效地处理复杂的电话客服对话，降低企业的运营成本，还能提升用户的满意度。

图源：Poly AI

如今，Poly AI 的语音助手服务覆盖众多行业，包括旅游、住宿、零售、公共服务及金融等。不仅仅是生成式 AI，他们的产品还能够根据每个客户的具体需求进行个性化定制，甚至在服务老年群体时，能根据目标用户的特性调整交流方式，从而优化用户体验。

这是怎么做到的？

答案来自于与亚马逊云科技的合作。据了解，Poly AI 在Amazon SageMaker平台上进行了大规模语音克隆和合成算法的训练。通过这一合作，Poly AI 能够实现零样本学习，帮助企业将其品牌个性融入语音助手的声音克隆过程中，使语音助手不仅仅是一个工具，而是品牌文化的延伸。

此外，在客户服务对话的语音生成方面，Poly AI 还积累了独特的数据集，并在探索将这些模型通过 Amazon Bedrock 等平台以无服务器 API 的方式进行部署。这种方式不仅能够提高部署的灵活性，还能够通过 AWS 提供的安全护栏技术，确保模型的可控性和可解释性。

例如，遇到双十一的时候，商家能够快速适应客户需求的变化，可以在需要时立即扩展服务容量，处理高峰期的大量客户问询，而不需担心服务器容量或运维问题。

此外，采用无服务器构建 API 允许商家快速部署新功能和进行实时测试，以更好地适应特定人群的需求。通过 AWS 的安全护栏技术，也能确保这些更新和数据处理的安全性及合规性，使企业能够安心处理敏感信息。

从Poly AI 的实践中我们可以看出，当业务场景有 AI 的加持时，AI 能够提供灵活、精准的解决方案，从而实现业务快速落地和价值最大化。

那么从市场策略的角度出发，AI 可以做到什么？

桥水：用AI

“预判市场的预判”

如果说硅谷是人工智能技术的孵化地，那么华尔街无疑是将这些技术进行商业化运用的先行者。

自从 2023 年开始，金融巨头们就开始纷纷表达对人工智能潜力的高度认可。比如凯雷（Carlyle）将生成式人工智能的诞生称为“人类历史的转折点”，并将其与电气化相提并论；花旗（Citi）也在一份报告表示：“我们认为人工智能是游戏规则的改变者。”

今年，桥水（Bridgewater）在向美国证监会提交的信息披露材料显示，它已在投资中开始使用人工智能。

具体是如何使用的？据了解，桥水凭借其长达五十年的全球市场投资经验，深刻理解市场运作的核心动力，并将这些知识编织成了一套复杂的专家系统。这些系统可以通过日常接收和处理大量外部数据来生成市场观点。

如今，随着AI技术的不断成熟，桥水意识到利用 AI 和机器学习技术还可以进一步优化这一过程。因此，桥水打造出一款新一代的投资逻辑生成系统——人工智能投资助手（AIA）。AIA 能够结合实时市场数据和历史趋势分析，为桥水提供更深入的市场洞察和投资策略，显著提高决策的速度和准确性，这将彻底改变传统投资分析的模式。

亚马逊云科技提供的底层技术平台进一步增强了这种能力，使得这款AI不仅是自动化分析工具，更是智能决策的支持者。

“在构建AI投资助手的过程中，Bedrock 平台是一个至关重要的工具。”桥水首席技术官 Aaron Linsky 表示。具体而言，Bedrock 的高度灵活性允许桥水根据具体任务需求，从多种AI模型中选择最合适的，如 Claude 和 LLaMA，确保在不同市场情境下都能实现最优性能。这种灵活性让桥水能够在复杂的全球金融市场中，从基础的推理任务到更高阶的市场分析，充分发挥AI的潜力。

Aaron Linsky

过去一年中，Aaron Linsky 的团队深刻体会到，直接参与系统使用的投资者，往往是最佳的提示词工程师。通过与这些投资者的紧密合作，团队能够实地应用AI技术，不断优化和迭代模型，提供更准确的市场预测和洞见。

此外，与亚马逊云科技的生成式AI创新中心的合作，也让桥水得以开展一系列概念验证项目。比如，通过结合生成式AI与检索增强生成（RAG）等技术，AI投资助手能够在投资分析中承担起20%最具挑战性的任务，帮助投资者处理复杂的市场问题。随着Claude 3 Opus等新模型的加入，生成式AI能够生成更为接近市场实际需求的答案，并为分析师提供初步的市场洞察。这不仅加速了整个投资流程，也极大提升了分析的准确性。

“桥水的成功经验来自于三大核心理念。” Aaron Linsky 表示，首先，理解技术为业务带来的附加价值至关重要，尤其是在 AI 模型的使用上，不应局限于单一模型，而是要根据需求选择最合适的工具；其次，构建灵活的基础设施，使其能够随技术进步不断演进；第三，最有效的提示词工程师往往是那些了解业务需求的专业人士，因此让终端用户参与到AI系统的开发与迭代中，将大大加速应用的成熟与优化。

“我预判了市场的预判。”这个对于投资人来说至关重要的能力，已经可以通过 AI 来实现。

NinjaTech：AI 可以满足

“既要、又要、还要”

如果说 AI 的上半场是依靠生成式技术来产生内容，那么现在，AI 正在彻底改变我们对工作效率的认识，使其从单纯的自动化工具转变为企业团队中的积极协作者，这些AI智能体也将成为业务流程的关键参与者。

这正是 NinjaTech 的目标：他们的产品主要包括四大智能体：研究员、调度员、编码员和顾问。这些智能体不仅可以通过网页与用户互动，还能以虚拟化身的形式，通过 Unreal Engine 5 实现高度逼真的交互体验，极大提升了用户的沉浸感。

这款 SaaS 版“贾维斯”的诞生，离不开底层技术的支持。据 NinjaTech CTO Sam Naghshineh 介绍，亚马逊云科技的定制AI芯片（Trainium 和 Inferentia）使 NinjaTech 成为少数几家能够在不使用GPU的情况下构建 AI 智能体的公司之一。

“与传统 GPU 解决方案相比，NinjaTech 在使用 Trainium 和 Inferentia 时，成本节约达 82%-89%。” Sam Naghshineh 表示，这一显著的成本优势使得他们能够以更具竞争力的价格为客户提供高效、经济实惠的 AI 服务。

除了成本优势，按需使用资源也是 NinjaTech 的一大成功关键。GPU 资源的紧张局面在行业内普遍存在，而 NinjaTech 通过亚马逊云科技的按需配额机制，确保了资源的充足供应。这种按需弹性扩展的能力，也使得 NinjaTech 在面对突发性科研需求时，能够快速响应，从而提高了工作效率。

此外，NinjaTech 还利用了 Amazon SageMaker进行生成式AI模型的微调和优化。在复杂的AI模型训练中，NinjaTech需要处理不同的上下文、内存管理、数据存储等挑战，而SageMaker的按需服务模式，使他们能够快速进行实验、训练，并在不浪费资源的前提下高效部署 AI 应用。“Amazon SageMaker的Exaflop计算资源使我们的研发团队能够迅速进行大规模实验，显著缩短了研发周期。”Sam Naghshineh说。

NinjaTech 的未来也不仅限于当前现有的四大智能体。未来，公司还计划在亚马逊云科技的支持下，加速开发更多的定制化智能体，并探索智能体之间的协作。这种协作能够进一步增强AI的适用性，覆盖更多的场景和行业应用。此外，NinjaTech 还计划通过培训，帮助更多的行业从业者和专业人士掌握生成式AI的使用方法，以提高整体的生产力。

可以说，NinjaTech通过其多智能体系统，确保技术投资直接转化为企业增长和效率提升，如今已在全球信息工作者中掀起了一场 AI 效率革命。

是人工智能

更是人工智能体

回到开头，不管是写邮件、翻译、绘画、编程，在工作过程中，到底什么才是AI的正确使用“姿势”？

从 Poly AI 的案例中，我们可以看出，将 AI 定制化应用于特定业务场景能极大提升服务质量和效率。通过大语言模型和生成式AI技术，Poly AI 打造的语音助手能根据用户的特定需求调整其服务方式，从而为不同行业提供更加精准的客户支持。

从桥水的案例中，我们看到，除了担任智能助手外，AI 还可以深入到决策制定的核心，通过数据分析和模型优化，帮助公司把握市场脉动。桥水利用AI投资助手系统，不仅提升了市场分析的准确性和效率，还能适应瞬息万变的金融市场，提供实时的策略调整。

从NinjaTech的案例中，我们发现，通过合理部署AI智能体系统，还能够大幅提高公司的运营效率。这些智能体不仅能通过精细化管理和自动化流程显著提升任务处理的速度和精准度，还能进行智能体之间的协作，从而进一步增强 AI的适用性，覆盖更多的场景和行业应用。

落地到具体业务中、灵活跟上市场变化、提高公司运营效率……不管是哪个环节，作为全球云计算的开创者和引领者，亚马逊云科技都在这个过程中扮演了至关重要的角色，实际上，不管是 Poly AI、桥水还是 NinjaTech，其共同点都是通过灵活的基础设施、按需扩展的资源管理和与全球领先AI模型的无缝集成。他们不约而同选择了亚马逊云科技，实现了AI应用的快速落地。

这也正是亚马逊云科技“技术务实主义”核心理念的体现。所谓“技术务实主义”，是指采取切实可行的技术解决方案，以满足具体业务需求而非仅仅追求技术的前沿性。通过这种务实的方法，亚马逊云科技帮助企业不仅优化现有流程，还能在不断变化的市场中保持竞争力，通过技术创新实现商业价值的最大化。

未来，如何更好地运用好 AI？或许，这不仅仅是一场技术竞赛，更是对企业战略洞察力和执行力的全面考验。