在國內外云計算市場，亞馬遜云服務（AWS）無疑是最強王者，而隨著云計算的不斷成熟，以及企業數字化轉型的腳步加快，以機器學習為代表的許多人工智能技術也迎來的新的風口。根據IDC的數據，當前40%的企業數字化轉型項目都會運用人工智能。

AWS宣布在AWS中國（寧夏）和（北京）區域正式上線一件人工智能利器——Amazon SageMaker。Amazon SageMaker 是一項完全托管的服務，可以幫助開發者和數據科學家快速構建、訓練和部署機器學習 （ML） 模型。這意味著AWS在中國地區的發布節奏已經加快，也顯示了對中國市場的重視。

“人工智能和機器學習是云計算中非常重要的應用。它跟數據在一起，會成為下一階段企業數字化轉型的核心推進點。”AWS首席云計算企業戰略顧問張俠博士表示。

機器學習迎來黃金發展期，AWS有何布局？

當前，全球各地的公司，從初創公司到大型企業，部署機器學習應用程序幾乎是普遍的重中之重。“數以萬計的公司， 幾乎涉及每一個行業和細分市場，開始將機器學習應用于其工作負載，從數據中獲得更多價值，獲得洞察，提升業務。我們正在開啟機器學習的黃金時代，以前阻礙機器學習在現實世界應用的許多限制開始消失。”在張俠看來，幾乎所有行業都在機器學習的影響范圍之內，而且許多風口正在匯集在一起，使得部署機器學習變得前所未有的簡單。

值得一提的是，亞馬遜是探索和應用機器學習技術的佼佼者。20多年來，它在人工智能和機器學習方面進行了大量的投入，在線零售的個性化產品推薦、運營中心機器人、無人機送貨、Amazon Alexa語音助理、Amazon GO無人值守超市譽滿全球，這些都依靠人工智能和機器學習技術的支持。

在AWS交付了廣泛而深入的機器學習服務后，亞馬遜率先使用這些服務并且提供反饋意見。這些意見加上AWS其它機器學習客戶的反饋意見，推動著AWS不斷創新，促使AWS的機器學習服務組合日益強大，日益受客戶歡迎。

同時，AWS在計算、存儲、數據庫和數據分析等方面廣博深厚的能力，它們優異的安全性、可靠性、可擴展性和成本效率都可以支撐AWS機器學習服務。張俠介紹，AWS提供的機器學習解決方案是一個包括三層的服務堆棧。如下圖所示，Amazon SageMaker是其中間層。在這一層，主要通過Amazon SageMaker這一完全托管的服務，完全消除了機器學習過程中的繁重工作，讓開發高質量模型變得更加輕松。

此外，AWS也根據不同類型客戶的需求，提供了全面的機器學習解決方案。

在三層服務堆棧的底層，為想要自己構建算法或開發新框架的客戶提供靈活選擇，客戶可以選擇使用TensorFlow、PyTorch、Apache MXNet、Chainer、Gluon、Horovod 和 Keras等機器學習框架。在這一層，AWS 專注于性能、靈活性，降低成本，以便任何用戶都可以使用最新的基礎設施，對多種框架進行試驗。

在三層服務堆棧的頂層，AWS提供了訓練好的人工智能服務，這些服務主要解決與人類認知相關的典型問題。例如，計算機視覺方面的服務，可以識別圖像或視頻中的對象、人員、文本、場景、活動和不安全或不適宜的內容。客戶可以直接在其應用中調用AWS提供的這些人工智能服務，而無需關注服務背后的機器學習模型。

在三層服務堆棧的中層就是Amazon SageMaker，也是最重要的一層。對一些有技術背景的企業專業客戶，可以利用Amazon SageMaker為企業找到這些人工智能、機器學習所帶來的一些創新點、突破點，推出新產品、新服務的點，使得企業能夠自己全方位的把握這些機器學習的工具、手段、方法，而為自己所用。

化繁為簡，Amazon SageMaker讓機器學習沒有門檻

眾所周知，機器學習的實施是一項非常復雜的工作，涉及大量試錯，并且需要專業技能。由于沒有集成化的工具用于整個機器學習的工作流，機器學習模型的傳統開發方式是復雜、繁復和昂貴的。

張俠表示，制約人工智能廣泛應用的因素有三個方面：一是掌握人工智能專業知識的人才不足；二是構建和擴展人工智能的技術產品有難度；三是在生產經營中部署人工智能應用費時且成本高。最終導致缺乏低成本、易使用、可擴展的人工智能產品和服務。

而Amazon SageMaker的出現，正是為了幫助企業解決這些挑戰。Amazon SageMaker是一個工具集，提供了用于機器學習的所有組件，貫穿整個機器學習的工作流程，從而以更少的努力、更低的成本、更快地將機器學習模型投入生產。Amazon SageMaker 完全消除了機器學習過程中的繁重工作，讓開發高質量模型變得更加輕松。

Amazon SageMaker通過預置的Notebook、針對PB級數據集優化的常用算法，以及自動模型調優，Amazon SageMaker大大降低了模型構建和訓練的難度。并且，Amazon SageMaker顯著簡化和加快了模型訓練過程，可以通過自動提供和管理基礎設施來訓練模型和運行推理。同時，AWS 最近宣布了多項重要功能和高級特性，讓客戶能夠更輕松地構建、訓練、調優和部署機器學習模型。

Amazon SageMaker提供了強大的功能，如彈性筆記本、實驗管理、自動模型創建、調試與分析，以及模型概念漂移檢測，等等。這些功能封裝在首個面向機器學習的集成開發環境Amazon SageMaker Studio中。集成開發環境 （IDE） 當前是IT界一個重要的概念。同時，AWS還在不斷地為它增加新功能，僅僅在2019年就增加了50多個新功能。Amazon SageMaker不僅功能非常強大，而且易于使用。

備受中國客戶及合作伙伴期待

當前，全球使用AWS機器學習服務的客戶數以萬計，其中也有不少中國客戶。例如大宇無限、虎牙、嘉誼互娛、華來科技等，他們都選擇Amazon SageMaker大規模構建、訓練和部署機器學習模型。

大宇無限是一家移動app開發的初創企業，主要為中東、東南亞和拉丁美洲等新興市場提供移動短視頻服務。此前，在大宇無限的產品中實現視頻內容的個性化在線推薦，對其開發團隊來說是一個巨大的挑戰。構建機器學習系統的整個流程極為復雜，需要大量的開發人員耗費很長的時間才有可能完成。

“Amazon SageMaker的出現，幫助大宇無限實現了從0到1的突破。不僅及大地簡化了整個機器學習系統的構建、訓練和部署的流程，而且SageMaker的很多算法已經深度優化。對大宇無限來說，可以直接做好訓練數據的準備，然后調用接口、設置參數，幾個命令就可以直接部署上線。”大宇無限機器學習技術總監蘇映濱表示，現在僅用了三個月的時間就從零完成了整個系統的建設并承受了實際用戶訪問的壓力。

AWS合作伙伴網絡 （APN） 成員也對Amazon SageMaker在中國區域上線表示歡迎。伊克羅德是AWS的核心級咨詢合作伙伴，也是一家云原生的云咨詢服務公司，通過AWS跟第三方的機構認可的云托管服務商，其基于AWS的解決方案極大地減少了用戶的開發時間與運營費用。

“對我們來說，SageMaker是一個兼具效能和效力以及成本優化的人工智能的平臺。” 伊克羅德產品經理陳昶佑表示，Amazon SageMaker是伊克羅德整個平臺的基礎。尤其是對于有AI技術團隊的公司來說，它更像是簡便的人工智能開發平臺，高效能的算法不僅幫助我們去節省我們的開發時間，也節省了成本。同時，我們也能透過高效能的算法去幫助客戶建立讓客戶非常具有信心的解決方案。

陳昶佑強調，通過SageMaker，伊克羅德可以更有效率的加速客戶商業創新的進程，為客戶提供AI技術上的專業支持，幫客戶量身打造真正屬于他的專屬的AI的運用，加速場景的落地。

作為全球云計算的開創者和引領者，AWS借助云計算的東風站上了機器學習的風口，與此同時，又借助云計算，正在推動機器學習這一風口。張俠預測，隨著AWS機器學習一系列主要工具在中國落地，包括互聯網公司、醫療衛生行業以及傳統制造企業均可以受益，并推動更多企業加快數字化轉型。
責任編輯：tzh