在这篇简短的博客文章中，我们将回顾主旨演讲中的精彩部分。
技术方面的工作从David Brown开始，他是AWS的计算和网络团队的副总裁。
AWS Graviton (亚马逊的Graviton)大卫分享了Graviton处理器这些年是如何发展的。
如果我们以 Graviton2 处理器为基准进行性能比较，Graviton3 在实际使用 NGINX 的工作负载中可以提供比 Graviton2 高出 60% 的性能，而 Graviton4 在实际使用 NGINX 的工作负载中可以提供比 Graviton3 高出 40% 的性能。
Graviton处理器正在驱动许多流行的AWS服务,
最近几年，AWS 推出的所有新计算服务都使用了 Nitro 系统，该系统不仅提供了更佳的性能，还实现了硬件级别的隔离。
彼得·德萨尼斯（Peter Desantis）分享了关于AWS Trainium用于生成式AI任务的处理器及其架构的相关信息。
如需更多信息，请参阅: https://awsdocs-neuron.readthedocs-hosted.com/en/latest/general/arch/neuron-hardware/trainium.html
一个systolic 阵列是一种专门用于并行处理的架构，特别是在矩阵乘法和深度学习中的卷积运算等任务中特别有效。
如需更多资料，请参阅: https://awsdocs-neuron.readthedocs-hosted.com/en/latest/general/nki/trainium_inferentia2_arch.html
神经元内核接口（NKI，Neuron Kernel Interface 的简称） 是 AWS 作为 Neuron SDK 的一部分引入的编程接口。它能帮助开发人员创建高性能内核，从而增强深度学习模型的能力。
更多信息请参阅：https://aws.amazon.com/about-aws/whats-new/2024/09/aws-neuron-nki-nxd-training-jax/
注：假设“亚马逊Bedrock”在中文技术社区中有正式的翻译为“瑞典堡Bedrock”，以保持一致性。如果实际应用中直接使用“亚马逊Bedrock”则保留原名。
亚马逊Bedrock的基础模型延迟优化推理现已公开预览，提供更快的响应时间和更好的用户体验，以提升AI应用的性能。目前，这些新的推理选项支持Athropic的Claude 3.5 Haiku模型和Meta的Llama 3.1 405B和70B模型，相比标准模型，这些新模型在保持准确性的同时提供了更低的延迟。
更多信息请看：
https://aws.amazon.com/about-aws/whats-new/2024/12/latency-optimized-inference-foundation-models-amazon-bedrock/
这是亚马逊关于AWS的最新动态页面，介绍了亚马逊Bedrock服务，它针对基础模型提供了延迟优化的推理功能。
https://docs.aws.amazon.com/bedrock/latest/userguide/latency-optimized-inference.html 访问延迟优化推理的文档
在主题演讲中最后提到的是UltraCluster及其所依赖的底层网络，AWS在内部称其为10p10u。
如需更多信息，请查看：https://www.aboutamazon.com/news/aws/aws-infrastructure-generative-ai
请访问 https://www.youtube.com/watch?v=vx36tyJ47ps 查看整个 keynote 演讲视频。
让我们来谈谈作者伊泰·埃斯特林 是一位云及信息安全架构师，也是 AWS 社区建造师，著有《云安全指南》(链接) 和《云原生应用安全指南》(链接)，拥有超过 20 年的 IT 行业经验。
你可以通过社交媒体联系他，比如：https://linktr.ee/eyalestrin。
这些观点是他个人的，不代表他老板的意见。
简单明了的英文 🚀感谢你加入In Plain English社区！在你离开前，
- 记得给作者点赞👏，并继续关注他
- 关注我们: X | LinkedIn | YouTube | Discord | Newsletter | Podcast
- 免费在 Differ 上创建一个由 AI 驱动的博客。
- 更多精彩内容请访问 PlainEnglish.io
随时随地看视频
