生成式人工智能(Generative AI)已經快速崛起，成為雲端服務供應商最熱門的競爭方向。AWS、Azure 以及 GCP 這三大平台商紛紛大力投資相關服務，爭取開發者與企業用戶的青睞，今次我們就來分析三大平台在生成式 AI 範疇的發展策略與優勢劣勢，作為參考。
AWS 近期推出了 Amazon Bedrock 平台，該平台以平台即服務的形式，提供各類基礎模型給用戶使用。Bedrock 平台上的基礎模型包括了 Amazon 自主研發的 Titan 系列，以及包含近期加入的 Mistral AI 的各種模型，還有被視為超越 GPT-4，評測中成績最佳的 Anthropic 的 Claude 3，以及 AI21 Labs 的 Jurassic、Cohere 的 Command、Meta 的 Llma 2、Stability AI 的 Stable Diffusion 等。用戶可以透過 Bedrock 的 API 介面以無伺服器的方式調用這些模型，另外 Bedrock 也支援在私有 VPC 子網路中部署，有助於保障安全。
除了 Bedrock 平台之外，AWS 未來也計畫推出多種商業基礎模型供微調使用，這些模型將涵蓋程式碼生成、聊天機器人等不同範疇。AWS 顯然正在全力推動 Titan 與 Bedrock 兩大計畫，期望能在生成式 AI 的基礎模型市場取得領先地位。
與 AWS 相較，Google 近期則發布了 PaLM 系列基礎模型，並透過其 Vertex AI 平台對外開放這些模型。Vertex AI 平台上集結了 Google 自研與第三方開源的各類基礎模型，形成豐富的模型園區。用戶可以透過 Vertex AI 來使用與微調這些模型。
此外，Google 也推出多種低程式碼工具，用以協助開發者能更快速地構建基於生成式 AI 的各類應用。透過 PaLM 模型與 Vertex AI 平台，以及完善的開發工具，GCP 正在全力加強生成式 AI 的佈局。
相較於 AWS 與 GCP，Microsoft Azure 則採取不同的策略。Azure 平台上最新的服務就是 Azure OpenAI，該服務獨家提供 OpenAI 公司最新研發的 GPT 模型，例如 GPT-3.5 Turbo 等。
Azure OpenAI 讓用戶可以直接在 Azure 訂閱中啟動 OpenAI 的模型實例，並選擇是否要部署在私有虛擬網路中。另外，Azure OpenAI 也與 Azure 機器學習服務能夠深度整合，為用戶提供端對端的模型訓練、部署與管理功能。
綜觀三大平台商在生成式 AI 範疇的布局，AWS 目前在基礎模型提供多元的選擇方面似乎略佔先機。另外，AWS 的優勢不僅在於 Titan 和 Bedrock 等自主研發的基礎模型和平台，還在於其作為全球公有雲市佔率最大的供應商，已經擁有大量成熟的雲端服務可以支援生成式 AI 的模型訓練、部署和使用。
例如 SageMaker 提供了完整的機器學習平台，兼具高度靈活性與可擴展性，可以輕鬆地訓練各類生成式 AI 模型；Lambda 和其他無服務計算選項可以用來部署模型；而 S3、EFS 等儲存服務可以用來存放大規模的訓練資料。利用 AWS 完整的雲端生態系統為開發者提供更便利的環境。
相較之下，雖然 GCP 與 Azure 在 AI 相關產品發佈的高頻率，AWS 的 CEO Adam Selipsy 強調，這世界上沒有單一模型可以解決所有問題，不過憑藉著其雲端基礎建設的優勢，以及 Bedrock 平台上的多元選擇，如果 AWS 持續在生成式 AI 範疇投入更多資源，將可能會逐步拉開與競爭對手的距離。當然生成式 AI 仍是一個快速演進的範疇，競爭局勢隨時都可能產生變化。
例如，GCP 和 Azure 雖目前仍以整合第三方模型為主，但只要加大投入並推出更多自主研發的模型和服務，也有可能迎頭趕上。此外，還有其他雲端服務供應商如 Oracle 也在該範疇進行佈局，未來可能會打破現有的格局。
現在生成式 AI 雲端服務市場的競爭還在持續演進中，開發者與企業用戶在選擇平台時，需要根據自己的具體需求來比較不同平台的模型品質、開發工具、安全性考量、部署成本等因素，才能選出最適合的生成式 AI 雲端服務。