資料來源：維基百科
三大雲端巨頭成形，瘋狂尋找AI應用
幾十年前，大學的人工智慧課程多半討論透過辨識大量數據中的型態與趨勢來尋找答案，即便許多公司建立龐大的資料庫，但人工智慧只有在 GPU 和AI晶片與複雜演算法運作下才能發揮功效，因此，當前的雲端業者正在根據下面三種模式形成策略：收集數據、提供演算法與數據集，以及相關的運算硬體，區別在於雲製造商如何打包這三者並將其提供給客戶。但也有例外，例如 Meta 的 Llama 2 大語言模型，可透過 Microsoft 的 Azure 和Amazon的 AWS 獲得，不過Meta的大型語言模型似乎並未形成潮流，真正發酵時機點是生成式人工智慧的出現，讓三家業者成為人工智慧雲端的主流，Google、Microsoft、Amazon。而面對Microsoft的進逼，Google與Amazon的做法大不相同。
Google：著重長期的商業模式調整
微軟OpenAI的出現情況讓Google嚇了一跳，作為回應，公司提前宣布將其名為 PaLM 的大型語言模型商業化到其搜尋、地圖、影像與其他數位產品中。爾後，Google於 5 月份發布了 PaLM-2，目前該產品正在整合到其搜尋產品和 Workspace 應用程式中，該公司還將其各個人工智慧部門（包括 DeepMind 與Brain）合併為一個部門。此外，在看到社會對微軟與 OpenAI 的恐慌與抵制後，Google開始重視安全和道德，並將其人工智慧工作主要視為實驗性的技術。但與微軟一樣，公司正在積極探索最新模型PaLM-2的使用，希望利用它來產生長期收入。該公司還在訓練名為 Gemini 的新模型，該模型由 DeepMind 開發，有機會成為該公司下一代人工智慧與雲端產品的基礎。
Google雲端著重商業模式調整（資料來源：spaculus）
即便公司的 PaLM-2 尚未達到微軟 GPT-4 的商業化程度，但可以透過 Vertex AI 產品在Google 雲端上向某些客戶提供服務，Google Cloud 因其能夠根據特定需求定制模型的能力而受到開發人員的喜愛—透過使用 PaLM-2 只需幾行程式碼即可建立基本應用程式。公司也提到 Duet，讓使用者在 Workspace 中提高工作效率，一如 Microsoft 365 的 Co-pilot 功能一樣。Google還透過其「Built with AI」模型採用開放式方法，讓該模型允許公司與第三方雲端服務商上合作，以在 Google Cloud 上部署各種軟體。與過去不同，Google不再著重搜尋引擎與廣告收入，而是開始提升各種數位產品，加上雲端的綜合型運用，希望長期調整能夠調整公司的商業模式，而非單押特定業務作為獲利來源。
Amazon：運算Everywhere
有別於Google，Amazon正在採取另一種方法，在模型和硬件等各個層面提供靈活性，以便在 AWS 上運行人工智慧，這就像典型的亞馬遜購物體驗—放棄選擇的人工智能，選擇所需的計算，然後在結賬時付款。Amazon正在透過最近的 EC2 P5 加大運算力道，其中 20,000 個 Nvidia H100 GPU 可以整合進集群中，從而提供高達 20 exaflops（每秒浮點運算次數） 的性能，使用者能夠部署並擴展到數十億或數兆參數的機器學習模型中，這種運算能力能強化雲端按需付費的黏著度，一如該公司聲稱的：「雲端供業者有個重要驅動因素：觸手可及的計算可用性。它是有彈性的，是按需付費的。你啟動它們，訓練，付費，一但關閉它們，你就不再付費了」。
第二個是AWS 最近推出了一個名為「代理」的新概念，它將獨立數據鏈接到大型語言模型來回答問題，基礎模型可以通過鏈接到外部數據庫來提供更有用的答案，AWS 在最近於紐約舉行的 AWS 大會上宣布了眾多雲端中人工智慧功能，而「代理」正是其中之一。Amazon的堅持是，隨著人工智慧的成熟，模型的重要性將降低，重要的是雲端提供商滿足客戶需求的價值和能力，哪裡有雲，哪裡就能運算，人工智慧主要則是強化雲端的加值。