当前位置: 首页 > news >正文

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。


http://www.cnnetsun.cn/news/139509.html

相关文章:

  • 英特尔酷睿Ultra第三代,如何推动AI PC规模化落地?
  • 15、密码学编程问题与解决方案
  • 【花雕学编程】Arduino BLDC 之基础差速转向小车(串口控制)
  • 【毕业设计】基于springboot+Android的研学旅行服务平台APP小程序设计(源码+文档+远程调试,全bao定制等)
  • 应用——管道与文件描述符
  • 【总结】【数据结构】【OS】【计组】【计网】
  • 小程序毕设项目:基于springboot的智能学习小程序(源码+文档,讲解、调试运行,定制等)
  • 小程序毕设项目:基于springboot+微信小程序的大学生餐厅点餐系统小程序(源码+文档,讲解、调试运行,定制等)
  • Flutter 与 AI 深度集成:用 Gemini 打造智能应用的实战指南(2025 版)
  • 零基础IM开发入门:什么是IM聊天系统的端到端加密?
  • MyBatis批量插入从5分钟优化到3秒,我做了这3件事
  • AI搜索文献:高效精准的学术资源获取与研究支持工具
  • 2025 年主流网络安全威胁盘点:常见风险与对应防御方案全解析
  • 万字长文读懂跨站脚本攻击(XSS)全解析(附 Java 代码示例、漏洞分析及修复技巧)
  • 文献评阅期末作业写作指南与实践技巧探讨
  • 学术诚信文献考核:基于文献分析的学术诚信考核机制构建与实践路径研究
  • 【Leetcode】1786. Number of Restricted Paths From First to Last Node
  • 給自學者的覺醒:我後悔太晚擁抱類型註解,它讓我的Side Project完成速度快了3倍
  • 【康复效率提升300%的秘密】:深度解析医疗Agent自主调参机制
  • htop入门指南:5分钟掌握Linux系统监控
  • 【论文精读(六)】PointCNN:点云也能用卷积?揭秘神奇的 X-Transformation (NeurIPS 2018)
  • 传统热部署VS快马AI:效率提升300%的对比实验
  • 用htop源码快速构建自定义监控工具
  • YOLOv11 改进 - C2PSA | C2PSA融合CPIASA跨范式交互与对齐自注意力机制(ACM MM2025): 交互对齐机制破解特征融合难题,提升小目标与遮挡目标判别力
  • MySQL-MVCC协议(转载IT秀才的文章)
  • 用Groovy快速构建REST API原型:1小时搞定
  • 做 PPT 最难的不是内容,而是模板:10 个免费又好用的 PPT 模板网站整理
  • 需求波动剧烈怎么办?:用多Agent协同预测应对不确定性
  • SD模型实战:用快马平台5分钟搭建AI艺术生成器
  • 游戏 AI 训练资源稀缺预警:2024年最值得收藏的5个开源框架推荐