AWS 宣佈 Bedrock 全面可用：一個 API 聚合多家主流大模型

企業想上生成式 AI，最頭疼的往往不是找模型，而是怎麼把模型接進自己的業務系統，同時保證核心資料不被拿去當公共養料。

亞馬遜 AWS 宣佈 Amazon Bedrock 正式全面可用（GA）。這項在 4 月初次亮相的託管服務，主打讓企業通過單個統一 API 呼叫來自各家頂尖 AI 機構的基礎模型。

伴隨 Bedrock 轉正，AWS 還打包端出了一整套面向企業落地的新能力，覆蓋自研嵌入模型、開源模型接入、程式碼輔助定製和智慧 BI。

統一 API 背後的大模型貨架

Bedrock 走的是 Serverless 路線，企業不需要自己去租卡、搭叢集維護基礎設施。它通過一個介面集成了 AI21 Labs、Anthropic、Cohere、Stability AI 以及亞馬遜自家的模型。

AWS 宣佈，Meta 的開源大語言模型 Llama 2 將在未來幾週內接入 Bedrock。Bedrock 也由此成為首個通過託管 API 提供 Llama 2 的全面託管生成式 AI 服務。接入的模型支援 4000 token 的上下文長度，針對 AWS 基礎設施做了執行最佳化，主打對話場景。

除了調模型，Bedrock 還提供無需寫程式碼構建 Managed Agents 的能力。AI 代理可以直接對接業務邏輯，自動執行訂差旅、處理保險理賠、生成廣告活動或管理庫存等複雜任務。

在資料安全方面，AWS 強呼叫戶用私有資料微調或呼叫模型時，資料全程保持私密隔離，底層基礎模型絕不會拿這些企業資產去跑二次訓練。

搞定 RAG、私有程式碼與自然語言畫圖表

為了解決大模型缺乏企業即時知識和私域資料的問題，AWS 正式上線了自研的 Amazon Titan Embeddings。這是一款支援 25 種以上語言、上下文長度達 8000 token 的文本向量模型，專門用來幫企業搭建檢索增強生成（RAG）工作流。

在開發工具方面，AI 程式設計助手 Amazon CodeWhisperer 即將在幾週內的企業版預覽中推出私有程式碼定製功能。管理員可以關聯 GitLab 或 Amazon S3 上的內部程式碼庫，讓程式碼提示融合公司內部的 API、類庫和規範，而這些私有程式碼同樣不會被吸收進基礎模型公共訓練集中。

雲端商業智慧工具 Amazon QuickSight 也迎來了生成式 BI 能力升級。分析師不再需要逐個配置欄位和寫計算公式，輸入自然語言指令甚至碎片短語，系統就能自動生成圖表並一鍵排版到儀表板中。

為了降低上手門檻，AWS 還上線了一門一小時的免費自學課程，教開發者和技術人員理解 Bedrock 的核心概念與用法。

為什麼重要

企業級 AI 競爭的分水嶺已經從拼單個模型的引數規模，轉移到了企業落地工程化的完整度上。

對於企業開發者和資料團隊來說，Bedrock 的核心價值在於免去了底層的拼裝成本。以前要用 Claude 做問答、用 Titan 做向量檢索、用開源模型控成本，往往要跑多個平臺並自建安全閘道器；現在一個 AWS 賬單和一個 API 就能串聯，門檻大幅降低。

我們認為，AWS 這一步棋下得非常務實。它沒有硬去和 OpenAI 在通用基模頂峰死磕，而是利用雲基礎設施霸主的地位，把 Bedrock 做成了企業 AI 的通用分發樞紐和安全盾牌。無論哪家模型表現更好，只要企業跑在 AWS 上，資料不出 VPC，AWS 就能賺到底層算力和託管服務的錢。

不過隱患也在這裡。多模型聚合平臺拼到最後，核心壁壘在於對各家模型的深度最佳化與私有調優體驗。如果平臺提供的模型更新速度或定製靈活性趕不上模型廠商自己的原生平臺，大企業在深入使用後依然可能面臨遷移或自研的拉扯。