本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
采用分层方法进行生成式 AI 开发
为了构建强大且可扩展的生成式 AI 平台，组织需要一个全面的环境，在保持控制和安全的同时实现创新。本策略文档推荐了一个由四个基本层组成的企业就绪型环境，如下图所示。
以下各层在成功采用生成式人工智能并在整个企业中扩展方面都起着至关重要的作用：
-
数据和计算基础设施 — 可靠的基础设施为开发、训练和部署生成式 AI 应用程序提供了基础。该层可确保组织拥有必要的计算资源和数据管理能力，以支持各种用例，从小型实验到大规模生产部署。对于亚马逊弹性计算云 (Amazon EC2)，可以考虑AWS Trainium
使用、、、AWS Inferentia 、弹性结构适配器UltraClusters 、 ML 容量块AWS 、Nitro 系统和 Neuron。AWS -
经批准的基础模型和工具 — 该层允许您的组织访问经过批准的预训练模型，同时保持安全性和合规性。团队可以尝试不同的模型，评估其有效性，并为特定用例选择最合适的模型。您可以使用 Amazon Bedrock 来建立护栏、构建代理、自定义模型或导入自己的自定义模型。
-
安全与治理 — 该层可帮助您确保生成式 AI 应用程序符合组织政策、合规性要求、法律和隐私要求以及道德准则。在这一层中，您可以在所有生成式 AI 计划中实施一致的安全控制和治理机制。
-
可重复的应用模式 — 该层通过为常见的生成式 AI 用例提供标准化模板和最佳实践，加速开发并提高一致性。提供可重复的模式有助于防止重复工作，并能够快速扩展成功的解决方案。可重复模式的示例包括智能文档处理、检索增强生成 (RAG)、基于聊天的助手和代理工作流程。
这种分层方法具有以下主要优点：
-
它清楚地区分了生成式人工智能实现的不同方面。
-
它促进了所有生成式人工智能计划的一致安全性和治理。
-
它可以帮助您构建可扩展的基础架构，使其能够随着组织需求而增长。
-
它对加速开发的方法进行了标准化。
-
它通过行之有效的模式和实践来降低风险。
通过实施这四个层面，组织可以为其生成式人工智能计划奠定坚实的基础，同时保持适应新要求和机会的灵活性。
