news 2026/4/17 19:54:35

Amazon重组AI部门:27年老将统领AGI组织

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
Amazon重组AI部门:27年老将统领AGI组织

在今天的"亚马逊克里姆林宫学"一集中,AWS发布了一份新闻稿,显示其最具传奇色彩的领导人之一发生了重大变动。

在AWS re:Invent大会上宣布Nova 2模型两周后,AWS实用计算高级副总裁Peter DeSantis将把他的两个团队从AWS中调出,并入即将于下月离职的高级副总裁Rohit Prasad的原有组织,并将整个部门作为一个名为"AGI"的统一单元进行管理。该单元将直接向亚马逊CEO Andy Jassy汇报。

Peter带走的两个团队分别是:重组后的Annapurna Labs业务,该业务负责制造AWS的硅芯片(Nitro、Graviton、Trainium和Inferentia);以及量子计算业务,这是一个让企业非常兴奋但却无法有效向非伯克利大学博士项目四年级以上学者解释清楚的领域。

要理解这一举措的深层含义,需要回顾一些历史背景。因为这是一个非常具有亚马逊特色的公告。亚马逊远不止Amazon.com和AWS:还有Alexa、Amazon Prime Video、Twitch、Zoox、Amazon Ads以及AGI团队等诸多业务。

这里传递的信息是,AI和AI相关的计算不应该仅仅是AWS的事情,而应该是整个亚马逊的事情。换句话说,Andy Jassy认为这个单元正在构建的东西要么已经非常重要,要么将变得极其重要,因此他们将最资深的AWS领导人之一调去负责全部工作。

将Peter DeSantis调离AWS是否反映了对Matt Garman缺乏信心

答案是否定的,因为Peter接管的组织本来就存在;现在他获得了更大的职权范围,将其他业务也纳入麾下,这在战略上比单纯的实用计算部门更为重要和引人注目。

垂直整合的故事是否似曾相识

Jassy特别指出了"跨模型、芯片、云软件和基础设施进行优化的优势"。这正是苹果在AI领域采用的策略——如果你同时控制硅芯片和模型,就可以进行端到端的优化,而他们最接近的两家竞争对手无法做到这一点:微软因为从英伟达采购芯片,而谷歌的TPU和模型团队则像我的大家庭一样,存在于平行宇宙中,偶尔交换一些带有被动攻击性的电子邮件。这就是亚马逊在这里下的战略赌注。

为什么将量子计算与AI捆绑在一起

这很有趣,不是吗?量子计算至少还需要十年时间才能实现,这一说法在今天和1990年代一样真实。将其归入"需要Peter DeSantis的技术深度来长期引领的领域"表明,这个组织明确关注的是战略耐心,而非季度业绩。这可能是我近期从亚马逊看到的最令人鼓舞的迹象之一;长期思维正是他们最擅长的领域。

隐藏的故事是什么

Jassy的备忘录特别提到Pieter Abbeel将担任AGI内部前沿模型研究团队(基础模型构建者)的新负责人。Abbeel是一位真正的AI研究者,去年亚马逊收购Covariant时加入公司。他将继续与机器人团队合作,同时领导前沿模型开发。

将亚马逊的这一举措简单理解为"一堆不受待见的孩子"是容易的,但请记住,亚马逊拥有地球上最大规模的部署机器人车队之一(仓库)。如果具身AI成为现实,他们拥有OpenAI和Anthropic只能梦想的测试场地。如果亚马逊能够成功,这种融合可能带来一场重大转变,而很多人可能不会预见到这一点。

Q&A

Q1:Peter DeSantis在亚马逊的新职位是什么?

A:Peter DeSantis被任命为亚马逊AGI组织的负责人,该组织整合了芯片制造业务Annapurna Labs和量子计算业务,直接向CEO Andy Jassy汇报。这标志着AI成为整个亚马逊的战略重点,而不仅仅是AWS的业务。

Q2:亚马逊为什么要采用垂直整合的AI策略?

A:亚马逊通过同时控制芯片(Nitro、Graviton、Trainium、Inferentia)和AI模型,可以实现端到端的优化。这与苹果的策略类似,能够获得微软(依赖英伟达芯片)和谷歌(芯片和模型团队协作不佳)无法实现的竞争优势。

Q3:亚马逊在具身AI领域有什么优势?

A:亚马逊拥有地球上最大规模的仓库机器人车队之一,这为具身AI提供了绝佳的测试场地。新任前沿模型研究团队负责人Pieter Abbeel同时负责机器人团队,这种结合可能让亚马逊在具身AI领域获得OpenAI和Anthropic无法比拟的优势。


版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/18 10:48:05

16、密码学与网络服务编程实战

密码学与网络服务编程实战 1. 密码学相关操作 1.1 计算文件哈希值 文件哈希常用于确保内容完整性,如从网络下载文件时。这里使用 Crypto++ 库来计算文件哈希值。以下是相关组件介绍: - FileSource :使用 BufferedTransformation 从文件读取数据,默认以 4096 字节块…

作者头像 李华
网站建设 2026/4/18 9:52:29

17、网络服务与数据交互:比特币汇率、邮件获取与文本翻译

网络服务与数据交互:比特币汇率、邮件获取与文本翻译 在当今数字化时代,网络服务在各个领域都发挥着重要作用。本文将详细介绍如何利用网络服务实现比特币汇率查询、邮件获取以及文本翻译等功能。 1. 比特币汇率查询 1.1 在线服务与API 许多在线服务提供了用于查询比特币…

作者头像 李华
网站建设 2026/4/18 7:45:23

18、使用微软认知服务进行图片人脸检测

使用微软认知服务进行图片人脸检测 在图像处理领域,人脸检测是一个常见且重要的问题。微软认知服务中的 Face API 为我们提供了强大的解决方案,它不仅可以检测人脸,还能识别性别、年龄、情绪等多种面部特征。 1. Face API 概述 Face API 是微软认知服务的一部分,提供了一…

作者头像 李华
网站建设 2026/4/18 3:52:21

基于 PLC 的立体车库设计之旅:西门子 S7 - 1200 的奇妙应用

基于PLC的立体车库的设计,西门子S7-1200PLC程序及组态仿真,电路图,IO表,博途15.1在自动化停车领域,基于 PLC(可编程逻辑控制器)的立体车库设计正逐渐成为主流解决方案。今天咱们就来深入探讨基于…

作者头像 李华
网站建设 2026/4/18 8:55:17

【SpringMVC】实现文件上传

SpringMVC的入门案例&#xff0c;创建 MavenJavaWeb 工程&#xff0c;在 pom 文件中引入开发的jar包&#xff0c;具体的坐标如下 <properties><spring.version>5.0.2.RELEASE</spring.version></properties><dependencies><dependency>&l…

作者头像 李华