其他行业 · AI应用
Perplexity 使用 Amazon Bedrock 上的 Anthropic Claude 3 构建高级搜索引擎
Perplexity 面临提升搜索功能用户体验的挑战，旨在为不断增长的用户群提供个性化和对话式结果。他们利用 Amazon Bedrock 和 Anthropic Claude 3 开发了高级 AI 搜索引擎，显著提升了自然语言处理能力。通过 Amazon SageMaker HyperPod，基础模型训练加速 40%，同时减少了模型输出的幻觉。结果，Perplexity 成功支持超过 1000 万月活用户，提供定制化搜索体验，提升客户满意度和参与度。
月活跃用户数
超过 1000 万
来源披露
训练吞吐量
翻倍
来源披露
硬件相关故障
显著减少
来源披露
01
业务背景
Perplexity 面临提升搜索功能用户体验的挑战，旨在为不断增长的用户群提供个性化和对话式结果。他们利用 Amazon Bedrock 和 Anthropic Claude 3 开发了高级 AI 搜索引擎，显著提升了自然语言处理能力。通过 Amazon SageMaker HyperPod，基础模型训练加速 40%，同时减少了模型输出的幻觉。结果，Perplexity 成功支持超过 1000 万月活用户，提供定制化搜索体验，提升客户满意度和参与度。
02
遇到的问题
传统搜索引擎难以提供个性化、对话式且附带可信来源的搜索结果，Perplexity 需要构建一个替代方案，并为大型语言模型的访问和微调提供可靠基础设施。
03
AI 解决方案
Perplexity 在 AWS 上构建其 AI 搜索引擎，通过 Amazon Bedrock 集成 Anthropic Claude 3 模型，为用户提供个性化和对话式答案；利用 Amazon SageMaker、Amazon EC2 P4de 实例对开源模型进行微调，并使用 Amazon SageMaker HyperPod 实现分布式训练，将训练吞吐量翻倍，显著减少硬件故障，同时借助 Bedrock 内置的内容过滤机制保障安全。
04
实施结果
月活跃用户数：超过 1000 万（未披露）
训练吞吐量：翻倍（提升 100%）
硬件相关故障：显著减少（显著减少）
05
风险与边界
未披露
“On AWS, we have a highly reliable experience with all the pieces of infrastructure that need to come together to make our complex product work.”
Aarash Heydari · Cloud Infrastructure Engineer at Perplexity
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。