亚马逊Forge：定制AI无需巨资！跨境抢占先机！

在2025年，全球人工智能领域正以前所未有的速度发展，大型语言模型（LLMs）的竞争日趋白热化。各大科技巨头纷纷投入巨资，研发更强大的AI模型，而这些模型的“跑分”成绩，即在各类基准测试排行榜上的表现，似乎成了衡量其先进性的主要标尺。然而，在这场激烈的“跑分”竞赛中，一家全球性技术巨头——亚马逊，却发出了不同的声音。

亚马逊的AI高级副总裁罗希特·普拉萨德认为，对于那些痴迷于模型基准测试的人而言，或许应该换个角度思考问题。他指出，许多模型基准测试结果并不能真正反映AI在“真实世界效用”中的表现。普拉萨德在2025年AWS re:Invent大会的发布前曾表示：“我关注的是真实世界的效用。这些基准测试都不真实。真正有效的基准测试，要求所有参与者使用相同的训练数据，并且评估数据集完全独立。但目前的情况并非如此。评估结果坦率地说有些嘈杂，并不能展现这些模型的真实力量。”

这种观点无疑是反潮流的。当其他AI实验室都在急于炫耀其新模型如何迅速攀升排行榜时，亚马逊的这一立场显得尤为突出。当然，对于亚马逊来说，这种说法在一定程度上也颇为“方便”，因为其旗舰模型Nova的上一版本在LMArena排行榜上曾位列第79名。然而，如果亚马逊能够讲述一个关于AI进步的不同故事，那么仅仅驳斥基准测试的重要性，也并非没有道理。普拉萨德强调：“这些基准测试并没有展现出这些模型的真正力量。”

在2025年AWS re:Invent大会上，亚马逊推出的核心产品是Nova Forge服务。亚马逊宣称，这项服务能够让企业以过去难以想象的方式训练定制化AI模型，而无需投入数十亿美元的巨额资金。Forge所要解决的问题是真实存在的。目前，大多数企业在尝试定制AI模型时，往往面临三种不尽如人意的选择：第一，对封闭模型进行微调，但这通常只能在边缘进行，难以实现深度定制；第二，基于开源模型进行训练，但这可能缺乏原始训练数据，并存在能力退化（即AI在学习新数据时，可能遗忘原有通用技能）的风险；第三，从零开始构建模型，但这意味着巨大的成本投入。

Forge提供了一种全新的路径：它允许用户访问亚马逊Nova模型在预训练、中训练和后训练阶段的“检查点”。普拉萨德解释说，企业可以在模型“学习能力最高”的早期阶段，注入其专有数据，而不是仅仅在后期调整模型的行为。这种深度定制的能力，使得AI模型能够更好地理解和融入企业的特定业务逻辑。

普拉萨德表示：“我们所做的，是让AI和前沿模型开发变得民主化，使得您的特定用例仅需过去一小部分的成本即可实现。” Forge的诞生，源于亚马逊内部团队的实际需求——他们希望能够将自身的领域专业知识注入到基础模型中，而无需从头开始构建。普拉萨德坦言：“我们打造Forge，正是因为我们的内部团队需要Forge。”这与亚马逊惯有的发展模式如出一辙：AWS（亚马逊云科技）最初便是为支持亚马逊自身的零售业务而构建的基础设施，随后才发展成为公司重要的利润引擎。

知名社交媒体平台Reddit便是Forge服务的早期使用者之一。该平台利用Forge构建了定制化的安全模型，其训练数据源自Reddit社区长达23年的内容审核积累。Reddit的首席技术官克里斯·斯洛表示：“我从未见过类似的技术。我们有一位杰出的工程师，他对此着迷不已。”

斯洛透露，Reddit在2025年近期运行了一个持续预训练任务，进展“令人鼓舞”。他们的目标是，用一个高度专业化的“Reddit专家模型”来取代目前多个独立的定制安全模型。这个专家模型能够深入理解社区内容审核的细微之处，包括各地子版块中那条出了名主观的规则：“别当混蛋”（Don’t be a jerk）。斯洛认为：“拥有一个专家模型，它将能够理解社区的文化，并对‘混蛋’的含义有一个相当准确的认识。”

这正是亚马逊希望开发者们关注的重点：不是AI的原始智力分数，而是其可控性和专业化能力。当被问及Nova模型在基准测试中并非顶尖是否重要时，斯洛直言不讳：“在这种背景下，最重要的是模型的‘Reddit专业性’。” 这恰恰是亚马逊希望开发者们关注的思路：不是原始的智商得分，而是可控性和专业化。

亚马逊通过Forge做出了一个经过深思熟虑的判断：模型竞赛已趋于商品化，而它可以通过成为企业构建解决特定业务问题的专业AI的平台来取得成功。这是一种非常“亚马逊云科技”式的世界观：基础设施重于智能，定制化重于原始能力。这种策略也让亚马逊能够巧妙地避开与OpenAI和Anthropic等公司的直接竞争，尽管它曾一度希望在模型层面与它们一较高下。

对于中国跨境行业的从业者而言，亚马逊的这一战略转变，无疑提供了新的思考维度和发展机遇。在当前全球贸易环境下，中国跨境电商、服务提供商等面临着前所未有的挑战与机遇。通用型AI模型虽然强大，但在处理特定市场文化差异、法规细则、消费者行为习惯等高度细分的场景时，往往力不从心。

试想一下，一个中国跨境电商企业，通过Forge训练出一个专属的AI模型，该模型能够：

• 精准洞察市场：
   深度学习企业在欧洲、北美或东南亚等特定市场积累的用户评论、销售数据、营销活动反馈，从而预测流行趋势、优化商品推荐，甚至生成符合当地文化风俗的广告文案。
• 本地化客户服务：
   训练出能够理解特定小语种方言、掌握当地客服习惯、处理复杂退换货流程的智能客服，大大提升用户满意度，降低人工成本。
• 供应链优化：
   融合企业在不同国家的物流数据、海关政策、季节性需求等信息，预测库存风险、优化仓储布局、提高清关效率。
• 合规性管理：
   学习并更新全球各地的贸易法规、隐私政策（如欧洲GDPR），帮助企业规避潜在的法律风险。
• 内容本地化：
   针对不同国家和地区的社交媒体平台特点，生成更具吸引力、传播力的短视频脚本、直播文案和产品描述，避免文化误解。

这些高度定制化的AI模型，正是中国跨境企业在激烈的国际竞争中建立差异化优势的关键。它们不仅能够显著提升运营效率，更重要的是，能够让企业在纷繁复杂的全球市场中，拥有一个真正理解自身业务、持续学习进步的“智能大脑”。这不仅仅是技术的进步，更是企业核心竞争力的提升。

Forge的成功与否，当然取决于开发者们的采纳程度。亚马逊坚称，目前普遍理解的模型竞赛并不重要。如果这个判断最终被证明是正确的，那么竞争的焦点将转移到一个更安静、更难以被“刷榜”的维度：AI模型是否真正能够提供真实世界的效用。对于中国跨境行业而言，这意味着AI应用将从追求通用大模型的高性能，转向深挖行业细分领域、实现精准赋能的“专家型”模型。

国内相关从业人员应密切关注此类技术动态，并思考如何利用这些先进的定制化AI能力，将自身在某个特定领域积累的宝贵数据和运营经验，转化为企业在全球市场中不可复制的竞争优势。

新媒网（公号: 新媒网跨境发布），是一个专业的跨境电商、游戏、支付、贸易和广告社区平台，为百万跨境人传递最新的海外淘金精准资讯情报。

本文来源：新媒网 https://nmedialink.com/posts/amazon-forge-cb-ai-no-billions.html