当前位置: 首页 > article >正文

入局生成式AI,看好亚马逊(AMZN)中期表现

来源; 猛兽财经  作者:猛兽财经

猛兽财经获悉,由于近期亚马逊(AMZN)宣布发布多项生成式AI以及AIGC相关产品,入局全球大模型竞赛当中。中信证券发布研报看好入局生成式AI。中信证券在研报中称,亚马逊作为北美最大的电商与云计算巨头,在应用场景、算力储备等方面具备深厚积累。后续来看,公司计划将AI产品逐步导入到商品内容生产、搜索推荐等领域,并为开发者提供AI工具,辅助进行产品开发。我们认为,此举一方面有望加强公司主业的竞争力,另一方面能够为公司云计算业务带来中长期需求。我们持续看好公司在AI领域的持续竞争力,并看好公司在下半年业绩反转带来的投资机遇。

中信证券主要观点如下:

发布大语言模型以及AIGC工具,入局全球AI竞争。根据亚马逊云技术博客,亚马逊基于公司此前的积累,推出了生成式AI的相关产品,覆盖模型、计算、开发等方面。模型层,发布Amazon Bedrock和Amazon Titan模型,是企业客户借助基础模型构建和扩展生成式AI应用程序的最简单途径。计算层,发布Amazon EC2 Trn1n和Amazon EC2 Inf2,基于亚马逊自研硬件产品,提供最具成本效益的生成式AI云基础设施。开发维度,亚马逊针对个人开发者,推出代码生产工具Amazon CodeWhisperer。

大模型:外部模型+自研,构造多元高效的模型体系。Amazon Bedrock是企业用户使用基础模型构建和扩展生成式AI应用程序的最简单方法,为所有开发者降低使用门槛,允许用户通过API访问来自AI21 Labs、Anthropic、Stability AI和亚马逊的基础模型,此外用户只需向Bedrock展示Amazon S3中的几个标注好的数据示例,Bedrock就可以针对特定任务微调模型。Amazon Titan基础模型目前包括了两个全新的大语言模型,第一个是针对总结、文本生成(如原创博客)、分类、开放式问答和信息提取等任务的生成式大语言模型。第二个是文本嵌入(embeddings)大语言模型,能够将文本输入(字词、短语甚至是大篇幅文章)翻译成包含语义的数字表达(即embeddings嵌入编码)。Titan模型主要用于个性化推荐和搜索,并提供安全等额外能力。

算力与开发:打造更具性价比的计算与开发成本。过去五年,亚马逊云科技持续加大在自研芯片方面的投入,支持模型的训练与推理。由Trainium支持的Trn1计算实例与其他任何EC2实例相比,都可以节省高达50%的训练成本。由Amazon Inferentia2提供支持的Inf2实例,针对运行数千亿个参数模型的大规模生成式AI应用程序进行了优化。与上一代相比,Inf2实例不仅吞吐量提高了4倍,延迟降低了10倍,还可实现加速器之间的超高速连接以支持大规模分布式推理。算力之外,亚马逊提供Amazon CodeWhisperer的代码补写服务,使用CodeWhisperer的参与者完成任务的速度平均快57%,成功率高27%。

后续展望:加强亚马逊在AI与云领域的竞争力,关注下半年业绩反转机遇。此前面对微软、谷歌、Meta等厂商在AI领域的布局,亚马逊并未发布相关产品。此次产品的发布,一方面能够补全亚马逊在生成式AI以及大模型等领域的能力,另外对亚马逊中长期的云计算需求增长提供潜在动力。与微软等直接提供一体化的产品思路不同,亚马逊AI针对云企业客户提供服务,更加侧重企业服务以及云业务的增长。从公司基本面维度,虽然短期而言面临消费经济衰退、消费走弱等压力,但从通胀数据以及美国居民的资产负债结构看,美国经济大概率将是温和衰退,同时亚马逊持续进行降本增效等举措,有望持续释放利润。我们看好下半年北美经济触底后公司基本面改善带来的机会。

风险:高通胀时长大于预期风险;疫情政策变化带来的风险;宏观经济波动导致用户消费能力下降的风险;反垄断及数字监管带来的监管风险;北美云市场竞争持续加剧风险,实体零售渠道发展的不确定因素,收入增长放慢同时资本开支加速导致利润受压,数字内容上线进度放缓的风险等。

 


http://www.kler.cn/a/15158.html

相关文章:

  • 深度学习的实践层面
  • 重构代码之删除对参数的赋值
  • K8s 一键部署 MongoDB 的 Replica-Set 和 MongoDB-Express
  • java基础知识全集(一篇看到爽)(持续更新中)
  • 掌握Golang中的数据竞争检测:runtime/race包全面教程
  • NLP论文速读(谷歌出品)|缩放LLM推理的自动化过程验证器
  • Superset整合keycloak系统
  • linux平台移植qt
  • 浅谈欧拉定理及其扩展
  • 重写Qt中的Widget移动事件
  • 大好河山集团董事长黄国林受邀出席2023中国好公司高峰论坛暨产学研合作峰会
  • 快速理解哈希(Hash)表的运作原理
  • C++语言亚马逊国际获取AMAZON商品详情 API接口(
  • 7.3 股票分析(project)
  • Java中的try-with-resources语句
  • ctr特征重要性建模:FiBiNetFiBiNet++模型
  • P2224 [HNOI2001]产品加工(进程DP)
  • Cell Reports:任栓成/高东/胡志安/唐玲团队合作揭示压力性失眠发生的神经机制
  • SpringBoot -02 SpringBoot整合Mybatis、Druid数据源、单元测试、JSP
  • 最近部门新的00后真是卷王,工作没1年,入职18K
  • AlgoC++第六课:BP反向传播算法
  • SSL证书的五大优势
  • nssctf web
  • TOMCAT NGINX 环境的搭建脚本
  • 【华为校招真题】分配资源ID 100% C++
  • Python中 re.findAll()、re.sub()、set()的使用