原创技术云报告。

近半年来，不少人对大车型的前景寄予厚望。 主流观点是，每个行业、每个产品都可以通过大模型“重做”。

“重做”听起来很有想象力，但事实上，大多数大型模型产品都需要较长的训练周期和大量的资源投入，落地变得遥不可及。

今年年初，金山办公宣布All in AI，将LLM能力全面引入产品，并发布基于大语言模型的智能办公助手WPS AI。

与大模型玩家普遍将“重做一遍”作为创新之路相比，WPS AI带来了另一种大模型创新方法论——与其“重做一遍”，不如“重新发现”。

据悉金山办公软件教程，金山办公选择专注于大型模型应用。 WPS国内版和WPS海外版同步推动WPS人工智能研发的落地，让各机型充分发挥自身优势。

正因为如此，WPS AI甚至领先微软的Microsoft 365 Copilot一步，成为国内第一家在办公软件领域应用大语言模型（LLM）并真正交付可用产品的公司。

自今年4月18日首发以来，WPS AI仅用50天就赋能多个核心办公场景，用“金山速度”不断刷新生成式AI的应用边界。

WPS AI是如何实现如此惊人的进化速度的？

生成式AI的背后是大模型服务的支撑

如果您是WPS用户，最近您可能会观察到一些变化：金山文档“智能文档”新功能已经可以帮助您起草、重写、总结、新闻稿、广告文案、教学教案、每周工作报告等文件。 润色、翻译、延续等功能。

此外，它还可以帮助您一键生成幻灯片、一键分析Excel数据、翻译摘要文档、编写自己的日报等。

通过AI大模型，WPS构建更加高效、智能的交互系统，快速释放场景能力，解决用户多样化、碎片化的办公需求。

不可否认，生成式AI本身的能力是惊人的，但生成式AI远远不仅仅是模型和AI。

基本模型只是海上的冰山一角。 为了支撑这冰山一角，冰川底部有多种服务来支撑，比如加速芯片、存储优化、数据库、大数据分析、安全服务等。

不仅如此，每一项支持生成式人工智能的技术和基础设施环境都在经历快速的变化。

以基础模型为例，其开发周期为数月甚至数天。 2019年，最大的预训练模型有3.3亿个参数，但到2023年，大型模型的最大参数已经超过5000亿，这意味着在短短四年的时间里，整个参数迭代已经超过1600次。

与此同时，国内外掀起了一场“百款大战”，从最初出现的Transformer，到去年的GPT3.5、Stable Diffusion，再到如今的GPT4、Llama2、Claude2等车型，包括基础款国内正在开发的型号。 比如百川、ChatGLM等。每种模式都有自己独特的场景和优势。

正如亚马逊云技术首席执行官 Adam Selipsky 所言，没有一个基本模型能够适合所有业务场景。 用户会根据自己的场景选择最适合自己的基础型号。

这一点对于金山Office同样适用。

金山办公AI研发总监刘强在接受采访时表示，一个模型涵盖所有能力的情况很少见。 通常一个功能需要多个模型的配合，需要考虑不同模型之间的不同调用方式。

不过Amazon Bedrock的模型管理可以让不同大型模型的底层API透明统一，减少了很多工作量。

刘强 金山办公室人工智能研发总监

刘强提到的Amazon Bedrock是亚马逊云技术今年4月发布的一款重要的生成式AI产品。

它支持来自 AI21 Labs、Anthropic、Cohere、meta、Stability AI 和 Amazon 等领先人工智能公司的高性能基础模型，并能够轻松安全地进行自定义模型训练。

作为Amazon Bedrock在中国的首批预览用户之一，金山Office可以轻松使用这些高性能基础模型，同时也可以利用自己的数据构建差异化应用。

同时，金山办公正在利用机器学习平台Amazon SageMaker帮助算法科学家快速进行场景实验和算法迭代。

Amazon SageMaker 不仅可以防止算法科学家从头开始构建模型，还可以帮助客户通过 Amazon SageMaker JumpStart 功能快速构建和部署模型，尝试各种开源模型。

可以说，以此类大模型管理为基础服务，生成式AI的应用创新可以达到事半功倍的效果。

生成式人工智能需要高效，但也需要安全、合规

随着大型模型的发展，数据合规性和安全性成为亟待解决的问题。

在生成人工智能领域，数据的获取、处理和利用方式决定了模型的性能和准确性。 数据非法泄露、恶意篡改可能导致训练好的模型产生误导； 非法获取或使用未经授权的数据不仅违法，还可能导致模型偏离其最初目的。

前段时间，OpenAI被指控在训练ChatGPT时使用从互联网上抓取的数据，大规模侵犯了无数人的版权和隐私。 目前，世界各国对大型模型企业的数据安全要求日益提高。

很多企业在构建大型模型时一般也要求私有化部署，即使用私有数据在加密环境下训练模型，以控制相关数据和模型的安全风险。

金山办公AI研发总监刘强表示金山办公软件教程，WPS高度重视数据安全，拥有专业团队和合作伙伴共同打造完整的数据安全体系，可以有效保护各个国家和地区的用户隐私。

正是因为重视安全和合规，金山办公作为一家中国企业才得以成功走出去。 截至2022年底，WPS海外活跃用户超过1亿，WPS Office安装量近4亿。

从亚马逊云技术与金山办公合作的大模型服务来看，Amazon Bedrock在安全合规方面也有很大帮助。

亚马逊云技术解决方案架构师介绍，在开发之初就考虑了安全和隐私保护，帮助客户保护敏感数据：

首先，Amazon Bedrock从服务设计层面确保客户数据和客户相关信息不会被用来进一步训练模型。 所有客户数据均经过加密，只有客户才能访问。

其次，客户可以使用 Amazon Privatelink 在 Amazon Bedrock 和虚拟专用网络 (VPC) 之间建立专用、安全的连接，确保任何数据传输不会暴露在公共网络中。

最后，对于监管需求较高的客户，Amazon Bedrock 符合 HIPAA（健康保险流通与责任法案），并可在 GDPR（欧盟通用数据保护条例）合规标准下使用，让更多客户从生成式 AI 中受益。

不难发现，金山Office也可以利用它来有效提高安全合规工作的效率，保证客户数据的安全，让金山Office在海外充分发挥实力。

构建生成式人工智能需要具有成本效益的基础设施

如前所述，开发生成式人工智能应用是一个充满挑战的系统工程。 它不仅仅是产品和服务的简单拼接。 它需要各种技术和工具来解决挑战，而高性价比的基础设施是其强有力的支撑。 。

早在生成式AI创新之前，金山办公就在积极探索如何利用AI/ML技术赋能业务。 金山办公与亚马逊云技术在数据存储、现代应用开发、AI/ML、芯片等方面都有深度合作。

例如，WPS Office 使用 Amazon S3 高效、经济地实现 PB 级海量数据存储。

通过Amazon S3的智能分层功能，在存储方面实现了40%以上的成本优化效果； 利用亚马逊云技术在美国、日本和印度的节点，最终用户的响应延迟从1秒多降低到500秒。 低于毫秒。

在打造精细化运营方面，金山办公基于机器学习平台Amazon SageMaker服务，构建了从用户识别、用户转化到挽回流失用户的一整套精细化用户运营路径。 它利用人工智能来预测用户购买情况并提高用户转化率。

此外，金山办公还尝试利用亚马逊提供的GPU模型以及专为生成式AI打造的加速芯片（Amazon Inferentia和Amazon Trainium）为海外业务部署开源模型解决方案，并尝试使用加速芯片来减少成本。

总的来说，金山办公通过避免大型模型的重复开发，注重模型开发效率、底层基础设施的调优和高效利用，为AI应用带来了全新的研发方式，值得AI应用开发者借鉴。 想法。

未来，金山办公也将以AIGC（内容创作）、Copilot（智能助手）、Insight（知识洞察）三大战略方向为核心，掀起新一轮办公交互方式的变革。

【关于科技云报道】

专注原创企业级内容的专家——科技云报告。 创办于2015年，是前沿企业IT领域十大媒体之一。 获得工信部权威认可，是可信云、全球云计算大会官方传播媒体之一。 对云计算、大数据、人工智能、区块链等领域进行深度原创报道。