微软的反面:错过了AI时代最大机遇的亚马逊

内容提要

一度被亚马逊给予厚望的Alexa为何被后来者ChatGPT吊打,错失争霸AI世界的机会?这里面不仅有技术的锅。

文章正文

在AI浪潮席卷全球之际,科技巨头们无不争先恐后,力图抢占先机。然而,就在微软借助ChatGPT一举成为AI领头羊时,手握Alexa的亚马逊却陷入错失良机的尴尬境地。

据媒体周五报道,十几位前亚马逊Alexa团队员工透露,这家科技巨头正在AI竞赛中严重落后于对手谷歌、微软和Meta,并且在努力追赶的过程中举步维艰。

亚马逊在去年9月推出了由生成式AI驱动的全新Alexa语音助手,还在一场盛大发布会上展示了其自然对话和任务处理的能力。

当时,亚马逊方面表示,Alexa大模型将很快在美国市场的Alexa设备上免费提供预览。

马逊高级副总裁兼Alexa负责人Rohit Prasad表示,这一消息标志着"我们喜爱的助手发生了巨大变化",并称新Alexa为"超级助理"。

然而,在发布会结束后,一切都好像没发生过。

Alexa还是原来那个熟悉的Alexa,而且在接下来的几个月里,外界也几乎听不到任何关于这个新版Alexa的进一步进展。

新Alexa项目为何流产?

根据该媒体对于十几位曾在Alexa AI部门工作的员工采访,新版Alexa发货一再推迟,根源在于技术方面的挑战以及亚马逊内部组织的缺陷。

新版Alexa核心的大语言模型虽然对标GPT**,但参数量级仅为1000亿,远逊于业界领先水平。**而且由于缺乏足够的高质量数据和先进的芯片设备,Alexa团队难以在短时间内迎头赶上。

"管理层给出的期限总是不切实际,他们可能根本不了解打造ChatGPT这样的产品需要投入什么。"一位前Alexa研究员表示。

组织架构臃肿和部门间矛盾冲突也拖累了Alexa的更新换代进程。

报道称,为了做到自然对话,Alexa原有的众多功能模块都需要重新打通,并与核心语言模型深度协作。然而领导层迟迟不愿维护新旧两套体系,宁愿"先烧掉旧版Alexa再说"。

种种领地争夺和短视行为,让很多员工产生了挫败感,纷纷选择离职。

更糟糕的是,亚马逊还多次降低了Alexa项目的优先级,并将其排在为AWS开发生成式AI技术之后。

即便是去年斥资40亿美元入股的AI创企Anthropic,后者的Claude大模型可与GPT相提并论,但也因为隐私顾虑和内部政治,未能有效赋能Alexa团队。

值得一提的是,Alexa事业部多年来一直处于亏损状态,主要被视为维系用户粘性和获取数据的手段。相比之下,AWS云计算业务才是该公司利润的中流砥柱。

"他们就是质疑(新Alexa)最后能不能成,"一位多次从Alexa团队招募人才的业内人士表示,很多前员工已经对这个项目失去信心。

尽管许多人认为亚马逊完全有能力将 Alexa带入生成式AI时代,但越来越多的证据表明,亚马逊可能还没准备好。

"Alexa AI充斥着技术和官僚问题,"Alexa AI前高级机器学习科学家Mihail Eric很早之前表示,这导致许多先进的技术无法面试。

该媒体在过去一个月采访的十几位前员工都与Eric的说法一致。

大模型吊打古早机器学习,亚马逊慌忙应对

实际上,早在ChatGPT震惊世界之前,亚马逊就推出了Alexa,2014年作为Echo 智能扬声器的数字助理一起推出。

Alexa推出之后便大火追捧,到2017年其设备已售出超过2000万台。

Alexa并没有使用类似ChatGPT的生成式大语言模型,而是采用了传统的自然语言处理技术路线,其核心是由许多小的机器学习模型和大量人工编写的规则拼凑而成。

这种架构虽然在智能音箱的早期阶段取得了成功,但在ChatGPT出现后,就暴露出了灵活性和可塑性的不足。

要跟上新一代AI助手的步伐,Alexa可能需要在算法、模型和数据等底层做一次彻底的重构。

正是因为这一核心技术的落后,ChatGPT一经推出,就打得亚马逊一个措手不及。

"内部领导显然有宏伟的计划,但他们并不真正知道自己在做什么," 一位Alexa 团队前实习生表示。

随后的几个月里,亚马逊的Alexa团队一直忙乱不已,手忙脚乱得将Alexa从一个呆板的命令式机器人转变为一个真正具有对话能力、乐于助人的代理。

与此同时,一夜之间,亚马逊非生成式AI项目被全体降级,高管们敦促研发人员和产品经理想办法确保亚马逊能够为客户提供生成式AI产品。

一位前Alexa人工智能项目经理将公司的气氛描述为"有点恐慌"。

相关推荐
User_芊芊君子8 分钟前
CANN数学计算基石ops-math深度解析:高性能科学计算与AI模型加速的核心引擎
人工智能·深度学习·神经网络·ai
小白|12 分钟前
CANN与联邦学习融合:构建隐私安全的分布式AI推理与训练系统
人工智能·机器学习·自动驾驶
艾莉丝努力练剑19 分钟前
hixl vs NCCL:昇腾生态通信库的独特优势分析
运维·c++·人工智能·cann
梦帮科技20 分钟前
Node.js配置生成器CLI工具开发实战
前端·人工智能·windows·前端框架·node.js·json
程序员泠零澪回家种桔子22 分钟前
Spring AI框架全方位详解
java·人工智能·后端·spring·ai·架构
Echo_NGC223725 分钟前
【FFmpeg 使用指南】Part 3:码率控制策略与质量评估体系
人工智能·ffmpeg·视频·码率
纤纡.35 分钟前
PyTorch 入门精讲:从框架选择到 MNIST 手写数字识别实战
人工智能·pytorch·python
大大大反派36 分钟前
CANN 生态中的自动化部署引擎:深入 `mindx-sdk` 项目构建端到端 AI 应用
运维·人工智能·自动化
程序猿追37 分钟前
深度解读 AIR (AI Runtime):揭秘 CANN 极致算力编排与调度的核心引擎
人工智能
2601_9495936541 分钟前
深入解析CANN-acl应用层接口:构建高效的AI应用开发框架
数据库·人工智能