Category: Artificial Intelligence

面对在容器化环境中进行 Stable Diffusion WebUI 的部署，容器镜像往往高达几十 GB，在进行模型部署时，往往需要等待 15~20 分钟才能部署一套文生图、图生图的 AI 应用。有时候我们不得不采用提前预置 GPU 实例，以满足实时或近实时推理的需求，这就提升了 Stable Diffusion WebUI 的成本。此方案是通过利用 EFS 共享文件系统来加速 Stable Diffusion WebUI 部署推理。通过实验可以观察到有数倍的部署加速效果，特别适用于企业级客户对文生图推理应用的场景。

MyScale 是一款完全托管于 AWS，支持 SQL 的高效向量数据库。MyScale 的优势在于，它在提供与专用向量数据库相匹敌甚至优于的性能的同时，还支持完整的 SQL 语法。在这篇文章中，我们将阐述 MyScale 是如何借助 AWS 的基础设施，构建出一个稳定且高效的云数据库。

本文介绍了如何使用 SageMaker JumpStart 部署 Llama 2 模型，结合 Gradio 轻松构建生成式 AI 聊天助手。

本文结合 Amazon Transcribe，Amazon Polly，以及 openai 的大语言模型和 D-ID.com 公司的 2D 数字人生成技术，介绍了实现了一个演示用的可语音对话的智能 2D 数字人设计的服务和具体的实现过程。

在本篇文章中，我们基于生成式 AI 行业解决方案指南，针对泛娱乐行业的风格化视频生成，介绍生成式 AI 的使用和参数配置，以及配合传统工具，以协助内容创作，达到一定的创意效果。

本篇将继续下沉到具体行业进行场景以及实施案例的介绍。1）通用场景：基于企业内部知识库例如IT/HR信息的问答2）制造行业：装备维保知识库问答和售后客服 3）金融行业：智能客服和智能报告生成 4）教育行业：面向学生和面向学校的智能问答机器人 5）医疗行业：医疗论文论文信息检索。

在服装销售环节，广东志华软件科技有限公司通过 SageMaker 自建算法实现销售预测，帮助服装企业预测市场趋势，根据预测结果实现智能配货，节省因为缺货导致的调货成本，以及根据预测结果调整营销策略，从而更好地适应市场需求。

本篇主要介绍 LangChain 和开源大语言模型集成，结合亚马逊云科技的云基础服务，构建基于企业知识库的智能搜索问答方案。

游戏行业重度依赖概念设计和美术资源，同时也是对创意和美术内容质量要求最高的行业之一。AI 可能可以带来超越人类自身想象力的一些内容，但抽卡式的创作并不能真正的提升美术管线的生产效率，我们需要使用工具来让 AI 更加精准的生成符合预期的图片。

在前一篇文章中，我们介绍了如何使用 Amazon EC2 Inf2 实例部署大语言模型，有不少用户询问 Inf2 是否支持当下流行的 AIGC 模型，答案是肯定的。在本篇文章中，我们将介绍如何在 SageMaker 环境中使用 Inf2 实例部署 Stable Diffusion 模型。