面向企业的“ChatGPT”，或许比你想象的更强大

如果你是一位关注互联网中新兴事物的弄潮儿，想必对ChatGPT不会感到陌生。作为时下最“火”的聊天机器人，ChatGPT以其机智、幽默，偶尔甚至还有点“狡猾”的风格，成为了自然语言AI在实际运用方面最具代表性的一个例子。

然而尽管ChatGPT足够有趣，但从目前已知的信息来看，它似乎还没有任何商业运作相关的计划。不过可能很多朋友不知道的是，早在ChatGPT“出圈”前，全球许多企业主其实早已用上了类似的、具备自然语言对话能力的AI服务。

而且与只会“闲聊”的ChatGPT不同，这项服务不仅仅能陪人聊天，更重要的是它真的能够在商业方面发挥作用，充当企业经营者或数据分析师的“智能秘书”，并可以使用最自然的问答方式，来揭示运营数据中那些值得关注的重点。

它叫Amazon QuickSight Q，专注企业需求的“对话AI”

如果你是一位企业主、销售经理、或是区域负责人，每天、每周、每个月都有海量的企业运营数据被汇总到你面前。在它们之中，有的其实是价值不高的例行报告，但也有一些很可能隐含着重大的危机或机遇。

很显然，这时你会需要有“人”来帮你高效地对这些戏数据进行汇总、分类和分析，并将其中最有价值的部分挑选出来，直观地呈现在面前。而这，就正是Amazon QuickSight Q作为“企业版ChatGPT”独到的优势所在。

Amazon QuickSight Q能做什么？从表面上来看，它是一项基于企业运营数据库的自然语言查询功能。比如，作为一位销售经理，你在准备一项活动前可以问它“我们在XX地区目前有多少客户？”，Amazon QuickSight Q将自动完成查询，并以亲切的语言返回精确的答案。

又比如说，Amazon QuickSight Q还能结合多种数据来源，对业务进行预测。例如企业主在命令它“预测明年产品的销售情况”时，Amazon QuickSight Q就会根据先前指标的模式提供销售预测，并会自动考虑到季节性和异常数据。

除此之外，在最近的一次更新后，Amazon QuickSight Q甚至还学会了针对预测结果进一步提供预测依据的能力。以前文中的产品销售预测为例，如今你还可以直接追问“为什么”，在几秒钟的时间内，Amazon QuickSight Q就会总结出驱动销售增长(或衰退）的主要因素。

深究Amazon QuickSight Q的新特性，会发现比想象中更强大

不难发现，与目前还停留在“自娱自乐”阶段的ChatGPT相比，Amazon QuickSight Q虽然可能没那么“俏皮”，但其在商业方面的实用价值却早已远远的超越了前者。

事实上，在我们进一步了解Amazon QuickSight Q的“能耐”时，发现它甚至比想象中的还要强大。

就拿亚马逊云科技在2022 re:Invent上刚刚发布的最新版本Amazon QuickSight Q来说，它现在能够自动分析企业的看板和报表数据，并在几分钟内自动化为新的数据集配置业务术语。它还能从这些运营数据中推断语义信息，自动为专业的数据库名称匹配口语化的“代号”（比如将cust ID翻译为“客户编号”）。如此一来，数据库管理员将不再需要人工对数据进行自然语言标注，工作量自然也得以大幅缩减。同时，为一个数据库准备好自然语言查询功能的时间，也因此从过去的数天缩短到了仅需几分钟。

其次，Amazon QuickSight还新增了分页报表功能。它使得企业可以直接在云端创建、管理和发布，可打印的、格式化的分页报表，不再需要另外维护一套数据报表系统，也无需要额外去学习其他软件复杂的操作。据估计，仅这一项改动就可以为许多企业节省数百万美元的基础设施、维护资源。

与此同时，亚马逊云科技还大幅增强了Amazon QuickSight内存引擎的性能，它现在可以支持多达10亿行的数据，比此前的水平整整提高了100%。这也就意味着，企业可以减少对数据工程师的依赖，降低在不同数据存储间手动编排的频率。取而代之的，是他们能够直接对超大型的数据集进行快速存取，一次性完成更多运营数据的分析和可视化。

最后，针对现在还在使用传统本地BI产品的企业客户，亚马逊云科技为Amazon QuickSight控制面板和报表提供了API编程功能。这就意味着客户在迁移上云的过程中，不再需要从头开始创建数以万计的看板和报表，而是可以通过简单的编程进行简易部署，大幅缩短了BI资产（比如看板、分析和报表）上云分析所需的时间。特别是对于业务繁忙、正处于旺盛发展周期的企业来说，意义也尤为重大。

为什么总是亚马逊云科技？因为他们有着“硬气”的资本

作为亚马逊云科技旗下在线数据库业务的其中一个分支，Amazon QuickSight Q服务上线于2021年9月，至今已运营了一年多的时间，并为包括纳斯达克、西门子、Capital One和日产汽车在内的多家大型企业提供了优质的运营数据分析体验。而且它至今还在不断地成长、改进过程中，正变得越来越强大、越来越易用和人性化。

当然，我们可以赞叹这个“企业版ChatGPT”的实用性，也能感叹它居然比大家熟悉的那个“娱乐版本”出现更早，成就也更大。但在这些感叹后，我们很自然的会产生一个疑问，为什么是亚马逊云科技创造、并且持续改进着这个“企业版”的自然语言数据分析+对话AI，为何不是其他的厂商，或者其他的云服务厂商率先做到这一点呢？

其实，答案同样可以在今年的2022 re:Invent中找到。

一方面，亚马逊云科技是业内第一家在云端部署机器学习能力的厂商。从2017年至今，他们的Amazon SageMaker已经帮助无数企业实现了机器学习模型的低成本快速训练。而这种内嵌在数据库里的机器学习能力，理所当然的也会体现在亚马逊云科技自己的服务里。

另一方面，亚马逊云科技很早就开始了自研云基础设施芯片的开发。就在前不久召开的2022 re:Invent上，他们刚刚发布了Nitro v5、Graviton 3E、Inferentia 2三款新的自研芯片。其中，Nitro v5带来了50%的DRAM内存性能提升，2倍的PCle带宽提升，每秒数据包速率（PPS）提高60%、延迟改善30%、每瓦性能提高40%；专注机器学习推理的Inferentia 2与前代相比，能够提供4倍的吞吐量和3倍的计算性能；而Graviton 3E则通过供电、频率方面的改进，将浮点和向量计算性能再次提升了35%。

这意味着什么呢？简单来说，在自研芯片和早早布局的云端机器学习技术双重加持下，亚马逊云科技可以更容易实现高性能的云端数据库AI分析与自然语言训练，而且这一切背后的成本甚至还可以得到（比采用非自研硬件方案）更好的控制。

很显然，正是因为有了诸多的前期“铺垫”，亚马逊云科技的Amazon QuickSight Q服务如今才能成为云计算+自然语言AI领域的用例先驱。也正是凭借着无数类似Amazon QuickSight Q这样、令人惊奇但又确确实实大幅领先的服务和体验，才让这家从2006年开始涉足云计算领域的厂商，如今得以长期成为全球这一市场的引领者。

【本文部分图片来自网络】