AWS 宣布 Bedrock 全面可用：一个 API 聚合多家主流大模型

企业想上生成式 AI，最头疼的往往不是找模型，而是怎么把模型接进自己的业务系统，同时保证核心数据不被拿去当公共养料。

亚马逊 AWS 宣布 Amazon Bedrock 正式全面可用（GA）。这项在 4 月初次亮相的托管服务，主打让企业通过单个统一 API 调用来自各家顶尖 AI 机构的基础模型。

伴随 Bedrock 转正，AWS 还打包端出了一整套面向企业落地的新能力，覆盖自研嵌入模型、开源模型接入、代码辅助定制和智能 BI。

统一 API 背后的大模型货架

Bedrock 走的是 Serverless 路线，企业不需要自己去租卡、搭集群维护基础设施。它通过一个接口集成了 AI21 Labs、Anthropic、Cohere、Stability AI 以及亚马逊自家的模型。

AWS 宣布，Meta 的开源大语言模型 Llama 2 将在未来几周内接入 Bedrock。Bedrock 也由此成为首个通过托管 API 提供 Llama 2 的全面托管生成式 AI 服务。接入的模型支持 4000 token 的上下文长度，针对 AWS 基础设施做了运行优化，主打对话场景。

除了调模型，Bedrock 还提供无需写代码构建 Managed Agents 的能力。AI 代理可以直接对接业务逻辑，自动执行订差旅、处理保险理赔、生成广告活动或管理库存等复杂任务。

在数据安全方面，AWS 强调用户用私有数据微调或调用模型时，数据全程保持私密隔离，底层基础模型绝不会拿这些企业资产去跑二次训练。

搞定 RAG、私有代码与自然语言画图表

为了解决大模型缺乏企业实时知识和私域数据的问题，AWS 正式上线了自研的 Amazon Titan Embeddings。这是一款支持 25 种以上语言、上下文长度达 8000 token 的文本向量模型，专门用来帮企业搭建检索增强生成（RAG）工作流。

在开发工具方面，AI 编程助手 Amazon CodeWhisperer 即将在几周内的企业版预览中推出私有代码定制功能。管理员可以关联 GitLab 或 Amazon S3 上的内部代码库，让代码提示融合公司内部的 API、类库和规范，而这些私有代码同样不会被吸收进基础模型公共训练集中。

云端商业智能工具 Amazon QuickSight 也迎来了生成式 BI 能力升级。分析师不再需要逐个配置字段和写计算公式，输入自然语言指令甚至碎片短语，系统就能自动生成图表并一键排版到仪表板中。

为了降低上手门槛，AWS 还上线了一门一小时的免费自学课程，教开发者和技术人员理解 Bedrock 的核心概念与用法。

为什么重要

企业级 AI 竞争的分水岭已经从拼单个模型的参数规模，转移到了企业落地工程化的完整度上。

对于企业开发者和数据团队来说，Bedrock 的核心价值在于免去了底层的拼装成本。以前要用 Claude 做问答、用 Titan 做向量检索、用开源模型控成本，往往要跑多个平台并自建安全网关；现在一个 AWS 账单和一个 API 就能串联，门槛大幅降低。

我们认为，AWS 这一步棋下得非常务实。它没有硬去和 OpenAI 在通用基模顶峰死磕，而是利用云基础设施霸主的地位，把 Bedrock 做成了企业 AI 的通用分发枢纽和安全盾牌。无论哪家模型表现更好，只要企业跑在 AWS 上，数据不出 VPC，AWS 就能赚到底层算力和托管服务的钱。

不过隐患也在这里。多模型聚合平台拼到最后，核心壁垒在于对各家模型的深度优化与私有调优体验。如果平台提供的模型更新速度或定制灵活性赶不上模型厂商自己的原生平台，大企业在深入使用后依然可能面临迁移或自研的拉扯。