只有客户有需求了，我们才会去进行相应开发，不会闭门造车。
就像客户往往只会说需要更快、更便宜的GPU，却不会讲其实需要像ASIC（定制芯片）这样更具体的东西，那我们就会通过创新办法来解决这类隐藏需求。
在亚马逊云科技2024 re:Invent中国行上海站上，亚马逊云科技大中华区解决方案架构总经理代闻接受了媒体采访，阐述在大模型创新、降低大模型应用门槛和推动AI普惠化方面的最新进展。
他表示，亚马逊云科技投身生成式AI领域，不单单提供基础的开箱即用组建，而是根据不同企业用户的需求，为其量身定制合适的工具。
‘普惠’这个形容词，更应该是关注用户的需求在哪里。
12月4日，亚马逊宣布推出新一代基础模型Amazon Nova，包括超快速文本生成模型Amazon Nova Micro，以及能够处理文本、图像和视频并生成文本的多模态模型Amazon Nova Lite、Amazon Nova Pro和Amazon Nova Premier。
而Amazon Nova最大的特点是性价比高。数据显示，Amazon Nova的每百万token的输入价格低至0.0175美元，输出价格低至0.07美元，成本比Amazon Bedrock中表现最佳的模型至少便宜75%。
对于这个数字，代闻表示，这是一个综合评估得出的数值，能做到成本降低，主要还是因为这样的大模型诞生，是由用户业务侧反向推动产生需求的结果。比如Amazon Nova中的Micro模型，就是一个专门用于文本到文本转换的模型；Amazon Nova Lite则是一个专门处理图像、视频和文本的多模态模型。
通过让不同大模型应对不同场景，才能在保证其使用效率的同时降低成本。
我们会去思考，如果某个应用场景中已有大模型表现不错了，那我们新推出这个模型的增值点，或者说能够服务客户的点在哪里呢？
我们察觉到，有些客户确实只需要一个纯文本的模型，那在这种模型的打造上，我们就要去想办法实现更极致的性价比以及更低的延迟。
在代闻看来，当下大家追求的无非就是性能要好、延迟要低、价格要便宜，但在目前的状况下，这几方面肯定是要有一定取舍的。而Amazon Nova里的Micro模型瞄准的就是文本到文本转换这样的场景。
其实就像不存在一个模型能包揽所有方面一样，这话也适用于Amazon Nova系列，我们也不认为Amazon Nova能够解决所有问题。
所以Amazon Nova在诞生之时，其不同模型的能力和价格定位，实际上是针对实际用户在不同场景下的需求呼声，进而打造出的不同定位的模型。
不只是Amazon Nova，当前追逐大模型性价比已经成为一种趋势。不久前，字节跳动正式发布豆包视觉理解模型，据介绍，豆包视觉理解模型千tokens输入价格仅为3厘。
大模型使用性价比的提升，意味着使用门槛的降低，但是否已经进入普惠时代？
代闻认为，“普惠”只是个形容词，相较于此，大模型更应该关注用户需求在哪里，以及企业里业务人员、开发人员的需求所在现在，在各个应用中，应用生成式AI的能力已经变得无可避免了。
代闻告诉记者，如果要探讨普惠这件事，现在很多人在进行信息检索以及人机接口交互等方面，都已经在借助大模型了，包括很多APP等也都如此。这就带来了从面向消费者（ToC）到面向企业（ToB）领域中，对于整个应用程序的重构，这种重构会涉及能否开箱即用、开发人员能否更好地利用大模型为自己的应用程序赋能，以及底层平台能否具备更好的性价比等问题。
事实上，经过近两年发展，大模型的使用方向已经没有争议，大家都在不断拓展各种各样的用户场景。比如知识库、客户服务场景等，在实现了相应功能后，人们就会去考量能否以更低的成本、更好的延迟来满足需求。
当相关需求变成一种常态需求，应用软件、平台软件也变成企业内部常规的IT需求后，性价比问题就凸显出来了。
代闻回顾亚马逊云科技的创新历程，其实每次创新都是为了给用户提供更好的投资回报率（ROI），也就是性价比，有时是针对单个产品，有时是着眼整个总体拥有成本（TCO）。
实际上云服务本身，从最开始的基础计算，到后来的无服务器计算，再到大数据，直至现在的生成式AI模型、工程平台提供，核心逻辑都是怎样服务好客户，而性价比或者说整个TCO的优化，一直是我们不断追求的重要方面。