雲運算與生成式 AI（Generative AI）的急速發展，顛覆了人們的學習、工作、生活以至娛樂模式。而 AWS 亦致力透過高效數據處理與人工智能分析，提升賽事的公平性、觀賞體驗及運動數據管理。

自 2018 年起，AWS 與 Formula 1（一級方程式賽車，F1）展開緊密合作，透過人工智能及雲運算，解決賽車運動最核心的問題 ── 如何有效處理龐大的賽事數據，並提升賽車迷的觀賽體驗。

F1 賽車每場比賽都會產生海量數據，包含車輛性能、賽道條件、車手操作數據等，AWS 透過數據湖（Data Lake）技術整合所有資訊，並運用機器學習（Machine Learning，ML），發掘車迷最關心的問題。

Amazon 早前宣布推出全新基礎模型 Amazon Nova Sonic，將語音理解與語音生成統一於單一的模型中，使 AI 應用程式中的語音對話更貼近真人交流。該模型透過 Amazon Bedrock 上的 API 提供，可簡化語音應用開發流程，例如客戶服務通話自動化，以及涵蓋旅遊、教育、醫療、娛樂等領域的跨行業 AI agents。

若要讓語音 AI 創造更多實際價值，必須能夠理解人類對話的微妙與複雜性。對話中，文字本身承載著意義，不過若缺乏聲音語境為它賦予深度，僅憑文字往往難以傳達完整資訊。如何表達與表達甚麼同樣重要，甚至更為關鍵。從過去直到現在，透過 AI 實現這一點仍是重大挑戰。

傳統語音應用開發須協調多個模型，例如將語音轉為文字的語音識別模型、理解並生成回覆的大語言模型（LLM）、將文字再轉為音檔的文本轉語音模型。這種分散的方法不僅增加了開發的複雜性，同時也難以保留自然對話中至關重要的聲學情境和細微差別，如語氣、語調韻律和說話風格等。

50 年前，Bill Gates 與 Paul Allen 抱著開創科技，讓所有人都能創造更多科技的理念創立 Microsoft。踏入 50 周年，相比回顧過去成就，Microsoft 更專注於探討未來 50 年的發展可能。

「如果說我在 Microsoft 工作期間學到了甚麼，那便是我們的未來並非由我們已經建立的東西決定，而是由我們賦能他人去建立的東西所決定。」Microsoft 主席兼 CEO Satya Nadella 指出，Microsoft 一直致力將創新科技普及化，例如推出 GitHub Copilot，將 AI 賦能予全球開發者。

自動化 AI 代理與合作模式：

生成式 AI 的商業化應用正不斷擴展，從智能客服、市場推廣到市場分析，生成式 AI 正逐步成為驅動商業模式變革的核心技術之一。過去數月間，各大科技公司爭相推出新的大模型，如 Google 的 Gemini 2.5、OpenAI 的 o3、Meta 的 Llama 3.3、X（前 Twitter）的 Grok 3、Anthropic 的 Claude 3.7、Amazon 的 Nova Premier、Microsoft 的 Phi-4，還有話題王 DeepSeek 的 R1 和 V3 等。

阿里雲亦不甘後人，近日宣佈推出端到端多模態 AI 模型 Qwen2.5-Omni-7B，展現多模態生成能力及高效能應用場景。

Qwen2.5-Omni-7B 專為全模態感知設計，能處理文本、圖像、音檔及影片等多模態輸入，並實時生成自然語言對答，適用於手機、筆記本電腦等終端設備的部署。儘管僅採用輕量級的 7B 參數，Qwen2.5-Omni-7B 的應用前景仍相當廣泛，包括即時語音導航協助視障者辨識周邊環境、分析影片中的食材提供烹飪指導，以及創建理解客戶需求的智能客服對話體驗。

面對全球經濟下行和港人北上消費等行為變化的雙重挑戰，本地零售業急需創新突破，而生成式 AI 等創新科技，也許正是帶來突破的機遇。有見及此，AWS 上周四在港舉辦零售行業論壇，探討雲端和生成式 AI 科技的最新應用案例與未來趨勢。

提及線上零售，Amazon 可謂鼻組級平台。其電子書平台很早期便已利用 AI 針對用戶的個人喜好及購物記錄，推薦相關產品並取得空前成功。隨著技術及業務拓展，現時 AWS 多款方案亦透過生成式 AI 的應用方式，聚焦客戶為本、產品為本、員工為本及資訊科技為基礎四大範疇，為零售及消費品業務革新體驗。

AWS 全球消費品、餐飲及零售業務發展部門主管 Justin Honaman 形容，生成式 AI 為採購和合約管理，帶來了革命性的改變。企業可利用文字模型分析 PDF 或 Word 格式的合約，快速完成價格核對、付款條款及合約條款的合規檢查，既能提高效率，更有助減少人工操作的失誤可能性，令企業能專注於核心業務。