彻底改变知识管理:大众汽车与 AWS 的 AI 原型之旅

我们很高兴与大家分享大众汽车集团(汽车行业的创新者和欧洲最大的汽车制造商)的历程,他们利用生成式人工智能、Amazon Bedrock 和 Amazon Kendra 设计了基于检索增强生成 (RAG) 的解决方案,让用户更轻松地访问内部信息,从而增强了知识管理。该解决方案可有效处理包含文本和图像的文档,从而显著增强了大众汽车集团在其生产领域的知识管理能力。

来源:亚马逊云科技 _机器学习

今天,我们很高兴与大家分享大众汽车集团(汽车行业的创新者和欧洲最大的汽车制造商)的历程。大众汽车集团利用生成式人工智能、Amazon Bedrock 和 Amazon Kendra 设计了基于检索增强生成 (RAG) 的解决方案,让用户更轻松地访问内部信息,从而增强了知识管理。该解决方案可有效处理包含文本和图像的文档,大大增强了大众汽车集团在生产领域的知识管理能力。

VW 生成式 AI Amazon Bedrock Amazon Kendra

挑战

挑战

VW 与 AWS Industries 原型设计和客户工程团队 (AWSI-PACE) 合作,探索如何通过构建原型来改善生产领域的知识管理,该原型使用 Amazon Bedrock 的高级功能,特别是 Anthropic 的 Claude 3 模型,从私人文档(例如包含文本和图像的 PDF)中提取和分析信息。主要的技术挑战是在多模式设置中有效地检索和处理数据,以从化学合规性私人文档中提供全面而准确的信息。

PACE 是一个多学科快速原型设计团队,专注于提供功能齐全的初始产品,以实现业务评估、确定可行性、业务价值和生产路径。使用 PACE-Way(一种基于 Amazon 的开发方法),团队在最多 6 周的时间内开发了一个时间限制原型,其中包括一个具有前端和 UX 的全栈解决方案,并由数据科学等专业知识支持,可根据大众汽车的需求量身定制。

架构概述

架构概述

RAG 系统的核心组件

RAG 系统的核心组件
  • Amazon Simple Storage Service (Amazon S3):Amazon S3 用作源数据的主要存储。它还用于托管静态网站组件,确保高耐用性和可用性。
  • Amazon Simple Storage Service (Amazon S3): Amazon CloudFront AWS Lambda