【左帮右办添“新”意 便民办税增“新”彩】“我是第一次来办税，很多操作都不懂，但这个分屏界面会同步操作流程，连我这种新手小白都能很快上手，实在是太方便啦！”刚刚体验完“左帮右办”分屏办税界面的王女士，在反馈沟通中“点赞”不已。
近日，记者从国家税务总局西安市莲湖区税务局了解到，为了给纳税人缴费人提供便捷化办税新体验，该局自2023年起在办税服务厅积极组建业务团队，聚焦纳税人缴费人涉税诉求，结合工作经验及业务实况，创新上线“左帮右办”分屏办税界面。2024年，办税服务厅不断拓宽便民办税新思路，对“左帮右办”分屏办税界面完善升级，致力于实现“四个零”办税新模式目标。
在业务操作模块，莲湖税务增设了“树状”业务导航图，纳税人可查找所要办理的业务，“一键获取”相关业务政策依据、办理流程、资料清单、操作指引等信息。在咨询操作模块，增加征纳互动平台的详细介绍及查找方法，引导纳税人通过征纳互动平台与工作人员“面对面”“一对一”解决办税难题。
针对电子税务局系统更新迭代期间操作流程出现差异，莲湖税务团队及时整理形成图文操作流程，实现办税流程全适用，充分解决纳税人缴费人系统难适应的问题。自上线以来，“左帮右办”分屏办税界面使用次数已累计58761次，体验区人工咨询辅导率下降20%。纳税人反馈，明确的图文操作指导一看就懂，不需要求助就能办完业务，成就感满满。后期，办税服务厅还将继续制作操作流程视频，与图文流程搭配使用，进一步消除独立办税“中梗阻”。
此外，“左帮右办”分屏办税界面汇总多项高频涉税业务线上办理流程，让“非接触式”办税成为常态，不仅有效解决了大征期、系统升级及风险数据推送期间易出现的辅导人员供不应求、业务办理时效慢、办税厅拥堵等问题，“一边看操作、一边办业务”的办税新方式还大大缩减了平均办税时长，真正实现了纳税人和税务人“双减负”。
据悉，“左帮右办”分屏办税界面将继续加入办税服务厅地图指引模块，明确不同业务对应的窗口位置，有效实现“线上办”和“窗口办”双联动，避免纳税人“来回跑”。同时，增加“一键调解”功能，方便纳税人缴费人获取专职调解员信息及联系方式，逐步探索“枫桥式”税务所“线上”建设，实现诉求响应更迅速，矛盾化解更及时，以“小切口”撬动纳税服务质效“大提升”。
莲湖区税务局相关负责人表示，将继续依托“互联网+”技术拓宽“非接触式”办税缴费服务，深化智慧办税服务体系建设，持续优化纳税人缴费人办税新体验，让便民办税“新”更走心。
近日，记者从国家税务总局西安市莲湖区税务局了解到，为了给纳税人缴费人提供便捷化办税新体验，该局自2023年起在办税服务厅积极组建业务团队，聚焦纳税人缴费人涉税诉求，结合工作经验及业务实况，创新上线“左帮右办”分屏办税界面。2024年，办税服务厅不断拓宽便民办税新思路，对“左帮右办”分屏办税界面完善升级，致力于实现“四个零”办税新模式目标。
在业务操作模块，莲湖税务增设了“树状”业务导航图，纳税人可查找所要办理的业务，“一键获取”相关业务政策依据、办理流程、资料清单、操作指引等信息。在咨询操作模块，增加征纳互动平台的详细介绍及查找方法，引导纳税人通过征纳互动平台与工作人员“面对面”“一对一”解决办税难题。
针对电子税务局系统更新迭代期间操作流程出现差异，莲湖税务团队及时整理形成图文操作流程，实现办税流程全适用，充分解决纳税人缴费人系统难适应的问题。自上线以来，“左帮右办”分屏办税界面使用次数已累计58761次，体验区人工咨询辅导率下降20%。纳税人反馈，明确的图文操作指导一看就懂，不需要求助就能办完业务，成就感满满。后期，办税服务厅还将继续制作操作流程视频，与图文流程搭配使用，进一步消除独立办税“中梗阻”。
此外，“左帮右办”分屏办税界面汇总多项高频涉税业务线上办理流程，让“非接触式”办税成为常态，不仅有效解决了大征期、系统升级及风险数据推送期间易出现的辅导人员供不应求、业务办理时效慢、办税厅拥堵等问题，“一边看操作、一边办业务”的办税新方式还大大缩减了平均办税时长，真正实现了纳税人和税务人“双减负”。
据悉，“左帮右办”分屏办税界面将继续加入办税服务厅地图指引模块，明确不同业务对应的窗口位置，有效实现“线上办”和“窗口办”双联动，避免纳税人“来回跑”。同时，增加“一键调解”功能，方便纳税人缴费人获取专职调解员信息及联系方式，逐步探索“枫桥式”税务所“线上”建设，实现诉求响应更迅速，矛盾化解更及时，以“小切口”撬动纳税服务质效“大提升”。
莲湖区税务局相关负责人表示，将继续依托“互联网+”技术拓宽“非接触式”办税缴费服务，深化智慧办税服务体系建设，持续优化纳税人缴费人办税新体验，让便民办税“新”更走心。
人的福祸是相依的，悟透了，什么都顺了！
云修行
《道德经》第五十八章曰：“其政闷闷，其民惇惇。其政察察，其民缺缺。祸，福之所依；福，祸之所伏，孰知其极？其无正也。正复为奇，善复为妖。人之迷也，其日固久矣。是以方而不割，廉而不刺，直而不肆，光而不耀。”
悟透福祸相依，生活自在顺心。
在漫长的人生旅途中，我们时常会遇到各种各样的挑战和困境，这些经历往往让我们对人生的福祸有着深刻的体会。
常言道：“塞翁失马，焉知非福。”这句话道出了福祸相依的哲理。
当我们真正领悟了这个道理，便能以更加平和的心态面对生活中的种种际遇，从而达到内心的宁静与顺遂。
一、福祸相依，人生常态
人生中的福与祸，往往不是孤立存在的，而是相互依存、相互转化的。
有时候，我们看似遭遇了不幸，但实则是在为未来的福报积累资粮。
反之，当我们沉浸在幸福中时，也要警惕潜在的风险和危机，这种福祸相依的关系，是人生的常态，也是我们成长和进步的催化剂。
二、正确面对福祸，修炼内心
面对生活中的福祸，我们应该学会以正确的态度去应对。
在遭遇困境时，我们要保持乐观和坚强，相信困难只是暂时的，通过努力一定能够克服。
在享受幸福时，我们要保持谦逊和感恩，珍惜当下的美好时光，同时也要为未来的挑战做好准备。
通过修炼内心，我们能够更好地应对生活中的福祸，让心灵变得更加坚韧和宽广。
三、福祸转换，人生智慧
在人生的道路上，福祸之间的转换是一种智慧。
有时候，我们需要主动寻求变化，将困境转化为机遇，将不幸转化为幸运。
这种转换需要我们有敏锐的洞察力和果断的行动力，更需要我们有广阔的胸怀和坚定的信念。
当我们能够灵活地应对福祸转换时，我们便能够掌握人生的主动权，成为自己命运的主宰者。
四、顺应自然，随遇而安
福祸相依是自然法则，我们无法改变它，但我们可以改变自己的心态。
顺应自然，随遇而安，是一种智慧的生活态度。
我们要学会接受生活中的一切际遇，无论是福是祸，都要保持内心的平静和淡定。只有这样，我们才能在人生的道路上走得更加从容和坚定。
五、福祸相依，人生感悟
当我们真正悟透了福祸相依的道理时，我们会对人生有更加深刻的感悟。
我们会明白，人生中的每一次经历都是宝贵的财富，无论是成功还是失败，都会让我们变得更加成熟和坚强。
我们会懂得珍惜眼前的幸福，也会勇敢面对未来的挑战。我们会用一颗感恩的心去面对生活中的一切际遇，让自己的心灵得到升华和净化。
福祸相依是人生的真谛，也是我们生活的智慧，当我们能够领悟这个道理时，我们便能够在人生的道路上走得更加稳健和从容。
不顺化作微尘，发号疾如风火。以清静心而弘大愿，以智慧力而伏诸魔。九天应元雷声普化天尊。#中国道家##陈易玄##中医养生#
云修行
《道德经》第五十八章曰：“其政闷闷，其民惇惇。其政察察，其民缺缺。祸，福之所依；福，祸之所伏，孰知其极？其无正也。正复为奇，善复为妖。人之迷也，其日固久矣。是以方而不割，廉而不刺，直而不肆，光而不耀。”
悟透福祸相依，生活自在顺心。
在漫长的人生旅途中，我们时常会遇到各种各样的挑战和困境，这些经历往往让我们对人生的福祸有着深刻的体会。
常言道：“塞翁失马，焉知非福。”这句话道出了福祸相依的哲理。
当我们真正领悟了这个道理，便能以更加平和的心态面对生活中的种种际遇，从而达到内心的宁静与顺遂。
一、福祸相依，人生常态
人生中的福与祸，往往不是孤立存在的，而是相互依存、相互转化的。
有时候，我们看似遭遇了不幸，但实则是在为未来的福报积累资粮。
反之，当我们沉浸在幸福中时，也要警惕潜在的风险和危机，这种福祸相依的关系，是人生的常态，也是我们成长和进步的催化剂。
二、正确面对福祸，修炼内心
面对生活中的福祸，我们应该学会以正确的态度去应对。
在遭遇困境时，我们要保持乐观和坚强，相信困难只是暂时的，通过努力一定能够克服。
在享受幸福时，我们要保持谦逊和感恩，珍惜当下的美好时光，同时也要为未来的挑战做好准备。
通过修炼内心，我们能够更好地应对生活中的福祸，让心灵变得更加坚韧和宽广。
三、福祸转换，人生智慧
在人生的道路上，福祸之间的转换是一种智慧。
有时候，我们需要主动寻求变化，将困境转化为机遇，将不幸转化为幸运。
这种转换需要我们有敏锐的洞察力和果断的行动力，更需要我们有广阔的胸怀和坚定的信念。
当我们能够灵活地应对福祸转换时，我们便能够掌握人生的主动权，成为自己命运的主宰者。
四、顺应自然，随遇而安
福祸相依是自然法则，我们无法改变它，但我们可以改变自己的心态。
顺应自然，随遇而安，是一种智慧的生活态度。
我们要学会接受生活中的一切际遇，无论是福是祸，都要保持内心的平静和淡定。只有这样，我们才能在人生的道路上走得更加从容和坚定。
五、福祸相依，人生感悟
当我们真正悟透了福祸相依的道理时，我们会对人生有更加深刻的感悟。
我们会明白，人生中的每一次经历都是宝贵的财富，无论是成功还是失败，都会让我们变得更加成熟和坚强。
我们会懂得珍惜眼前的幸福，也会勇敢面对未来的挑战。我们会用一颗感恩的心去面对生活中的一切际遇，让自己的心灵得到升华和净化。
福祸相依是人生的真谛，也是我们生活的智慧，当我们能够领悟这个道理时，我们便能够在人生的道路上走得更加稳健和从容。
不顺化作微尘，发号疾如风火。以清静心而弘大愿，以智慧力而伏诸魔。九天应元雷声普化天尊。#中国道家##陈易玄##中医养生#
#新浪看点##财经##今日看盘##股票##投资##Ａ股##今日关注#
【生成式AI：云计算的关键之战】
“美国有一家铁路公司，过去两年我们一直在交谈。终于，他们这次打电话给我们，希望迅速推进上云迁移。”近日，亚马逊云科技全球客户技术支持与服务副总裁Uwem Ukpong向记者谈及企业上云的最新需求。
一个大背景就是，生成式AI正在席卷千行百业，而要拿到生成式AI的船票，上云通常是第一选择。Uwem Ukpong认为：“首先，企业需要全面拥抱云技术，迁移上云是第一步;第二，企业需要确保数据在统一的数据湖仓中，从而可以高效地利用算力来驾驭数据;最后，寻找潜在的生成式AI技术的应用场景并进行开发概念验证(POC)。”
他还告诉21世纪经济报道记者，部分企业在云技术采纳方面非常慢，但是现在他们面临着来自不同利益相关者和股东的压力，要求在生成式AI方面有所作为，而企业开启生成式AI之旅，就意味着需要上云。
因此，生成式AI也成为云计算市场的新驱动力。生成式AI需要云端计算，云计算也因为生成式AI重塑服务业态，随着大模型进入云端，模型即服务(MaaS)备受关注。
对此，Forrester副总裁兼首席分析师戴鲲接受21世纪经济报道记者采访时表示：“生成式AI整体竞争将进一步白热化，在从炒作回归价值的商业落地进程中加速市场融合。模型即服务本身不会带来规模化收入增长和服务方式的改变，但会有效推动企业在底层基础设施，诸如计算、存储、网络、数据库、数据湖仓等领域的投入，为厂商以及各行业企业进行客户交互、内部运营，以及生态构建注入新的思路。”
“三层架构”和全面竞赛
根据Forrester分析，2022年全球云计算厂商在公有云基础设施领域的市场份额前四位是Amazon Web Services(AWS)、Microsoft Azure、Google Cloud和Alibaba Cloud。
其中，亚马逊云科技(AWS)排名第一，在云基础设施上领跑。亚马逊云科技也继续贡献高利润，2023年运营利润达到了246.31亿美元，亚马逊的营业利润为368.52亿美元。
而值得注意的是，随着生成式AI的崛起，看似默默无闻的亚马逊自2023年以来频频出击。去年40亿美元投资OpenAI劲敌Anthropic后，近日继续向Anthropic追加投资27.5亿美元，决心可见一斑。
对于大模型的选择，Uwem Ukpong表示，亚马逊云科技和多家大模型进行合作，包括AI21 Labs、Anthropic、Cohere、Meta、Stability AI、Mistral AI等的基础模型，以及自家的Amazon Titan基础模型。
作为全球云厂商龙头，亚马逊云科技提出了基于生成式AI的三层服务架构。Uwem Ukpong告诉记者，第一层是生成式AI云基础设施，过去五年，亚马逊云科技持续加大在自研芯片方面的投入，比如Amazon Trainium和Amazon Inferentia芯片可以提供在云上训练模型和运行推理的最低成本。除此之外，在GPU方面，NVIDIA多款先进算力均率先在亚马逊云科技落地。
第二层是模型，基于Amazon Bedrock云托管服务，企业可以通过API访问从文本到图像的一系列强大的基础模型;第三层就是生成式AI驱动的应用程序，目前已经推出Amazon Q这一AI助手，可以根据客户业务进行定制，专用于办公场景需要。
可以看到，亚马逊云正从底层基建往上层应用拓展，Uwem Ukpong还指出，2024年亚马逊云科技的布局重点就在Amazon Q和Amazon Bedrock。两者均和生成式AI息息相关，是亚马逊云科技发力AI的重要支点。
与此同时，亚马逊云科技也面临着激烈竞争，排在第二的微软云，在生成式AI风生水起，奋力追赶。微软早早押注OpenAI，继130亿美元投资OpenAI之后，微软又投资了Mistral AI。可见头部厂商也在不断投资AI大模型企业，增加手中的筹码。据悉，Azure在2023年第四季度扩大了对OpenAI最新模型的支持，包括GPT-4 Turbo、GPT-4 with Vision和Dall-E 3，并且提供了微调能力，而AI也推动了Azure的业绩增长。
前三强中的谷歌云也不甘示弱，推出AI大模型Gemini后迅速迭代，在生成式AI的助力之下，谷歌云在2023年第四季度就开始呈现新的增长势头。对于云市场而言，一场关于生成式AI的全面竞赛已经开启。
生成式AI的关键一战
当前的云计算厂商，正在面临激烈的竞争，从今年的花式降价信息也能看出白热化程度。一直以来，云厂商的差异化竞争愈演愈烈，以往大家主要拼基础设施，或者进行单点突破。
但是目前来看，“一招鲜吃遍天”的时代已经过去了。对于大厂而言，如果只做云，或者只做大模型、只做芯片都会存在短板。事实上，全球巨头们都已经在这些领域有所布局，云和大模型不必多言，芯片的竞赛也更加凶猛。比如谷歌TPU的研发已久，已经推出第五代芯片TPUv5e，用于大模型训练和推理;微软也发布了首款自研AI芯片Azure Maia 100 AI芯片和Cobalt 100 CPU。
大家的共识是，至少要涉足，才能有更多可能性，或者说企业需要懂这个领域，才能更好地开展系统性的AI业务。拓展大模型也好、芯片也好，并非要做成主营业务，但是为长远计不能没有这些产品线，尤其是对大厂来说，需要标配这些要素。
从云基础设施扩展到芯片和大模型的过程中，新的战场已经开启，在生成式AI的征程上，云厂商也有各自路径。戴鲲向记者分析道：“AWS、Azure和GCP在生成式AI发展策略上从AI硬件基础设施投资、AI软件基础设施服务规划、AI基础模型开发、ModelOps服务编排、应用开发赋能、解决方案侧重、模型生态构建、关联开发与应用服务协同、商业投资方式等诸多领域都各有差异。”
Uwem Ukpong告诉记者：“亚马逊云科技一个最大的差异化是具有广泛的模型选择。我们把更多的LLM放到Amazon Bedrock上，为客户提供丰富的自由选择的空间，包括目前Anthropic发布的最新Claude 3模型。”
他还补充道，一方面亚马逊云科技拥有自研芯片的技术，Anthropic选择亚马逊云科技作为其主要云服务提供商，并使用Amazon Trainium和Amazon Inferentia芯片进行训练和部署未来的基础模型。所以可以直接从Anthropic获得很多一手的反馈，用于芯片技术的完善。另一方面，亚马逊云科技在大模型上既有外部的合作伙伴，还有Amazon Titan基础模型，应用范围广泛。
海外大厂在加速推进生成式AI的同时，国内的云厂商如阿里云、华为云、腾讯云、百度智能云等也在迅速抓住AI红利。此前阿里云就发布了基于通义千问的行业大模型;华为云自研了盘古大模型系列;腾讯推出了混元大模型;百度智能云基于千帆大模型平台，推出了7款大模型应用产品，包含百度智能云曦灵数字人平台、百度智能云客悦智能客服平台、百度Comate代码助手等，各家都在持续迭代和应用中。
谈及中国厂商，戴鲲表示：“中国的云厂商虽然受到高性能GPU芯片可用性、高质量数据可用性、社区生态与创新协同意识不足、创新长期主义认知壁垒、产研高技术人才短缺、整体宏观经济不利影响等多方面因素的制约，在生成式AI的模型核心性能、AI治理、面向AI的数据管理、服务协同编排等多方面总体而言存在差距，但部分领先企业在行业大模型针对包括客户服务、数字人、现代知识管理等特定业务场景的应用落地层面上与国际市场保持同步。”
【生成式AI：云计算的关键之战】
“美国有一家铁路公司，过去两年我们一直在交谈。终于，他们这次打电话给我们，希望迅速推进上云迁移。”近日，亚马逊云科技全球客户技术支持与服务副总裁Uwem Ukpong向记者谈及企业上云的最新需求。
一个大背景就是，生成式AI正在席卷千行百业，而要拿到生成式AI的船票，上云通常是第一选择。Uwem Ukpong认为：“首先，企业需要全面拥抱云技术，迁移上云是第一步;第二，企业需要确保数据在统一的数据湖仓中，从而可以高效地利用算力来驾驭数据;最后，寻找潜在的生成式AI技术的应用场景并进行开发概念验证(POC)。”
他还告诉21世纪经济报道记者，部分企业在云技术采纳方面非常慢，但是现在他们面临着来自不同利益相关者和股东的压力，要求在生成式AI方面有所作为，而企业开启生成式AI之旅，就意味着需要上云。
因此，生成式AI也成为云计算市场的新驱动力。生成式AI需要云端计算，云计算也因为生成式AI重塑服务业态，随着大模型进入云端，模型即服务(MaaS)备受关注。
对此，Forrester副总裁兼首席分析师戴鲲接受21世纪经济报道记者采访时表示：“生成式AI整体竞争将进一步白热化，在从炒作回归价值的商业落地进程中加速市场融合。模型即服务本身不会带来规模化收入增长和服务方式的改变，但会有效推动企业在底层基础设施，诸如计算、存储、网络、数据库、数据湖仓等领域的投入，为厂商以及各行业企业进行客户交互、内部运营，以及生态构建注入新的思路。”
“三层架构”和全面竞赛
根据Forrester分析，2022年全球云计算厂商在公有云基础设施领域的市场份额前四位是Amazon Web Services(AWS)、Microsoft Azure、Google Cloud和Alibaba Cloud。
其中，亚马逊云科技(AWS)排名第一，在云基础设施上领跑。亚马逊云科技也继续贡献高利润，2023年运营利润达到了246.31亿美元，亚马逊的营业利润为368.52亿美元。
而值得注意的是，随着生成式AI的崛起，看似默默无闻的亚马逊自2023年以来频频出击。去年40亿美元投资OpenAI劲敌Anthropic后，近日继续向Anthropic追加投资27.5亿美元，决心可见一斑。
对于大模型的选择，Uwem Ukpong表示，亚马逊云科技和多家大模型进行合作，包括AI21 Labs、Anthropic、Cohere、Meta、Stability AI、Mistral AI等的基础模型，以及自家的Amazon Titan基础模型。
作为全球云厂商龙头，亚马逊云科技提出了基于生成式AI的三层服务架构。Uwem Ukpong告诉记者，第一层是生成式AI云基础设施，过去五年，亚马逊云科技持续加大在自研芯片方面的投入，比如Amazon Trainium和Amazon Inferentia芯片可以提供在云上训练模型和运行推理的最低成本。除此之外，在GPU方面，NVIDIA多款先进算力均率先在亚马逊云科技落地。
第二层是模型，基于Amazon Bedrock云托管服务，企业可以通过API访问从文本到图像的一系列强大的基础模型;第三层就是生成式AI驱动的应用程序，目前已经推出Amazon Q这一AI助手，可以根据客户业务进行定制，专用于办公场景需要。
可以看到，亚马逊云正从底层基建往上层应用拓展，Uwem Ukpong还指出，2024年亚马逊云科技的布局重点就在Amazon Q和Amazon Bedrock。两者均和生成式AI息息相关，是亚马逊云科技发力AI的重要支点。
与此同时，亚马逊云科技也面临着激烈竞争，排在第二的微软云，在生成式AI风生水起，奋力追赶。微软早早押注OpenAI，继130亿美元投资OpenAI之后，微软又投资了Mistral AI。可见头部厂商也在不断投资AI大模型企业，增加手中的筹码。据悉，Azure在2023年第四季度扩大了对OpenAI最新模型的支持，包括GPT-4 Turbo、GPT-4 with Vision和Dall-E 3，并且提供了微调能力，而AI也推动了Azure的业绩增长。
前三强中的谷歌云也不甘示弱，推出AI大模型Gemini后迅速迭代，在生成式AI的助力之下，谷歌云在2023年第四季度就开始呈现新的增长势头。对于云市场而言，一场关于生成式AI的全面竞赛已经开启。
生成式AI的关键一战
当前的云计算厂商，正在面临激烈的竞争，从今年的花式降价信息也能看出白热化程度。一直以来，云厂商的差异化竞争愈演愈烈，以往大家主要拼基础设施，或者进行单点突破。
但是目前来看，“一招鲜吃遍天”的时代已经过去了。对于大厂而言，如果只做云，或者只做大模型、只做芯片都会存在短板。事实上，全球巨头们都已经在这些领域有所布局，云和大模型不必多言，芯片的竞赛也更加凶猛。比如谷歌TPU的研发已久，已经推出第五代芯片TPUv5e，用于大模型训练和推理;微软也发布了首款自研AI芯片Azure Maia 100 AI芯片和Cobalt 100 CPU。
大家的共识是，至少要涉足，才能有更多可能性，或者说企业需要懂这个领域，才能更好地开展系统性的AI业务。拓展大模型也好、芯片也好，并非要做成主营业务，但是为长远计不能没有这些产品线，尤其是对大厂来说，需要标配这些要素。
从云基础设施扩展到芯片和大模型的过程中，新的战场已经开启，在生成式AI的征程上，云厂商也有各自路径。戴鲲向记者分析道：“AWS、Azure和GCP在生成式AI发展策略上从AI硬件基础设施投资、AI软件基础设施服务规划、AI基础模型开发、ModelOps服务编排、应用开发赋能、解决方案侧重、模型生态构建、关联开发与应用服务协同、商业投资方式等诸多领域都各有差异。”
Uwem Ukpong告诉记者：“亚马逊云科技一个最大的差异化是具有广泛的模型选择。我们把更多的LLM放到Amazon Bedrock上，为客户提供丰富的自由选择的空间，包括目前Anthropic发布的最新Claude 3模型。”
他还补充道，一方面亚马逊云科技拥有自研芯片的技术，Anthropic选择亚马逊云科技作为其主要云服务提供商，并使用Amazon Trainium和Amazon Inferentia芯片进行训练和部署未来的基础模型。所以可以直接从Anthropic获得很多一手的反馈，用于芯片技术的完善。另一方面，亚马逊云科技在大模型上既有外部的合作伙伴，还有Amazon Titan基础模型，应用范围广泛。
海外大厂在加速推进生成式AI的同时，国内的云厂商如阿里云、华为云、腾讯云、百度智能云等也在迅速抓住AI红利。此前阿里云就发布了基于通义千问的行业大模型;华为云自研了盘古大模型系列;腾讯推出了混元大模型;百度智能云基于千帆大模型平台，推出了7款大模型应用产品，包含百度智能云曦灵数字人平台、百度智能云客悦智能客服平台、百度Comate代码助手等，各家都在持续迭代和应用中。
谈及中国厂商，戴鲲表示：“中国的云厂商虽然受到高性能GPU芯片可用性、高质量数据可用性、社区生态与创新协同意识不足、创新长期主义认知壁垒、产研高技术人才短缺、整体宏观经济不利影响等多方面因素的制约，在生成式AI的模型核心性能、AI治理、面向AI的数据管理、服务协同编排等多方面总体而言存在差距，但部分领先企业在行业大模型针对包括客户服务、数字人、现代知识管理等特定业务场景的应用落地层面上与国际市场保持同步。”
✋热门推荐