亞馬遜旗下 Amazon Web Services（AWS）近日在紐約高峰會上宣布推出七項生成式 AI 新功能，進一步降低了生成式 AI 的使用門檻，讓無論是業務用戶還是開發者都能從中受益。藉助這些新功能，來自各行各業的企業都能加更專注於核心業務，提高生產效率，充分釋放資料價值和生成式 AI 的潛力。

AWS這次推出七項生成式AI新功能包括Amazon Bedrock新增基礎模型供應商Cohere和全新基礎模型，以及全新代理（Agents）功能；Amazon EC2 P5執行個體正式可用，加速生成式AI和高效能運算應用；Amazon OpenSearch Serverless支援全新向量引擎。

另外，還有編寫程式碼助手Amazon CodeWhisperer與Amazon Glue實現整合；Amazon QuickSight新增生成式BI（Business intelligence）功能；幫助企業提升資料品質的分析服務AWS Entity Resolution正式可用；以及助力提升醫療產業生產效率的智慧醫療新服務AWS HealthScribe等。

AWS宣布全面擴展其全託管基礎模型服務Amazon Bedrock，包括新增Cohere做為基礎模型供應商，加入Anthropic和Stability AI的最新基礎模型，並發布變革性的新功能Amazon Bedrock代理（Agents）。

在Amazon EC2 P5執行個體正式可用方面，AWS指出，這是一款下世代GPU執行個體，可以滿足客戶在運行人工智慧、機器學習和高效能運算工作負載時對高效能和高擴展性的需求；該執行個體由最新的NVIDIA H100 Tensor Core GPU提供支持，與上一代基於GPU的執行個體相比，訓練時間最多可縮短6倍（從幾天縮短到幾小時），這一效能提升將幫助客戶降低高達40%的培訓成本。

在適用於Amazon OpenSearch Serverless的向量引擎方面，正式可用後，該向量引擎支持簡單的API調用，可用於儲存和查詢數十億個嵌入（embeddings）。AWS表示，未來所有AWS的資料庫都將具有向量功能，幫助客戶簡化營運，方便整合資料。

Amazon CodeWhisperer與Amazon Glue實現整合，進一步提升開發效率。Amazon CodeWhisperer是一款AI編寫程式碼助手，能夠使用底層基礎模型幫助開發人員提高工作效率。它可以根據開發人員使用自然語言留下的註釋和IDE（整合開發環境）中的歷史程式碼即時生成程式碼建議。

此外，AWS還發布了Amazon CodeWhisperer Jupyter擴展程式，為Jupyter用戶在Jupyter Lab和Amazon SageMaker Studio中的Python notebooks生成即時、單行或完整的函數程式碼建議。

現在，AWS正式宣布Amazon Glue Studio notebooks支持Amazon CodeWhisperer，幫助Amazon Glue用戶優化使用體驗、提高開發效率。

AWS也正在將Amazon Bedrock與提供的大語言模型能力與支持自然語言問答的Amazon QuickSight Q相結合，以期在Amazon QuickSight中提供生成式BI功能。該功能很快將在Amazon QuickSight上線，幫助企業輕鬆尋找資料、發現並分享洞察。

AWS同時宣布Amazon Entity Resolution正式可用。這是一項由機器學習提供支持的分析服務，可以幫助企業輕鬆分析、匹配和連結相關紀錄，這些紀錄可能散布在應用程式、不同的資料獲得管道和資料儲存中。藉助Amazon Entity Resolution，企業可以更好地了解資料的關聯、匹配和連結情況，同時深入挖掘客戶洞察與更清楚的供應鏈資料，進而改善營運能力、展開更多有效行銷、做好複雜金融投資決策。

AWS計劃增加兩個Amazon Entity Resolution的合作夥伴LiveRamp和TransUnion，同時增強與Unified ID 2.0開源框架的互操作性。透過這些整合功能，客戶將能更輕鬆地翻譯或豐富自己的紀錄，同時更好地保護訊息並減少資料移動。

AWS亦推出Amazon HealthScribe，這是一項符合HIPAA（健康保險責任與保護法）要求的新服務，能幫助醫療軟體供應商打造臨牀應用程式。這些應用程式使用文本識別和生成式AI技術生成臨牀文檔，節省醫生時間。藉助Amazon HealthScribe，醫療軟體供應商可以利用單一個API自動建立可靠的記錄、淬鍊出關鍵訊息（例如醫學術語和藥物），並根據醫病對話建立摘要，然後將這些資料輸入到電子健康紀錄（EHR）系統。

在普通醫學和骨科這兩個常見專科，醫療軟體供應商已經開始使用Amazon HealthScribe，它們不再需要管理底層機器學習基礎設施或訓練自己的醫療專屬大語言模型（LLM）。

（本文由 授權轉載；首圖來源： CC BY 2.0）