AWS加速机器学习技术落地，瞄准企业人工智能应用需求

“我们非常清醒地意识到随着中国的经济发展，中国市场已成为最重要的市场之一，也是我们最重要的市场。” 近日，亚马逊AWS计算企业战略顾问张侠告诉界面新闻记者。

在5月，AWS宣布旗下机器学习工具Amazon SageMaker以及多项配套服务正式在AWS中国（宁夏）和（北京）区域上线，成为AWS全球24个运营区域中先期发布该功能的两个主要大区。张侠指出，对于AWS重要产品，在中国地区的发布节奏已经非常快，显示了对中国市场的重视。

机器学习是人工智能（AI） 的一种，它挖掘数据，识别其中的模式用于分析预测。在亚马逊内部，机器学习受到高度重视，广泛用于其电商部门的商品推荐、仓储管理等用途。作为支撑亚马逊互联网服务的核心基础设施，云计算部门AWS则可利用机器学习进行业务需求预测，以进行负载均衡和调整。而对于亚马逊无人便利店Amazon GO而言，数百个摄像头组成的分析网络结合机器学习算法后，就可以轻松自动完成人脸识别、购物、结账等一系列操作。

作为人工智能技术应用的巨头，亚马逊乐于向外界展示其机器学习技术领先性并向外输出，认为技术最终应落地解决实际问题，其中Amazon SageMaker作为AWS机器学习服务的核心产品，可加速用户对机器学习的学习、建模、发展、实验整个过程。张侠介绍称，自2017年推出至今，Amazon SageMaker把合作企业的总体拥有成本降低了54%，把开发效率提升了10倍以上。

根据AWS展示介绍，在海外，包括美国体育赛事联盟国家美式橄榄球联盟（NFL）、一级方程式赛车（F1）等专业体育赛事联盟，美国航空航天局、西门子等公司机构，均使用了亚马逊的机器学习技术，进行业务创新。

随着人工智能带动企业数字化转型走向高潮，拥有“ABC”，即AI人工智能、 Big Data大数据、Cloud云三大技术成为主流云厂商的共识，各大厂商在比拼技术能力上不遗余力。张侠分析，在机器学习领域，关键因素包括数据、计算算力以及算法。具体来说，就是需要依靠大数据平台、云计算和一些深度学习框架结合在一起。基于AWS在云计算领域的前期优势，当云计算整个和机器学习一体化后，AWS可以提供最广泛、深入的解决方案。

对于尚不具备完整AI团队的企业而言，AWS可以提供相对简便和领先的工具。此前在AWS年度re:Invent大会上，AWS AI产品市场负责人Joel Minnick在接受界面新闻记者专访时表示，过去两年AWS在发展 AI时比较关注基础架构的部分，而现在则更关注客户在运行AI的整体体验。他表示，基于SageMaker等一系列机器学习产品，亚马逊可以让客户在使用机器学习时更加简便。

“构建一个机器学习平台不仅需要非常专业的人，而且投入的人力、资金和时间都非常大，所以对于我们来说去实现这样的功能是不太现实的。”互联网初创企业大宇无限机器学习负责人苏映滨向界面新闻记者表示，大宇无限由豌豆荚海外事业部拆分成立，主要面向新兴市场，旗下主力产品Snaptube的月活用户已经突破1亿，同时还在近期还推出了短视频应用Zapee。

苏映滨举例称，基于旗下Snaptube提供的搜索和下载功能，并随之产生视频聚合需求后，面对面对海量的数据与海量的用户，需要精准的个性化内容推荐系统。对初创企业而言，要构建一个满足海量用户有千万级视频的推荐，以及相匹配的机器学习平台，在人力和时间相当有限的情况下，是一项非常大的挑战。引入SageMaker作为机器学习的平台框架后，会大大降低实际业务的复杂度和运维成本。对于机器学习技术的落地，最终还是要解决降低成本、提高效率的问题。

张侠预测，随着AWS机器学习一系列主要工具在中国落地，包括互联网公司、医疗卫生行业以及传统制造企业均可以受益，并为后者勾勒出一些数字化转型的合理方向。比如在家电业流行的智能家电产品，机器学习技术可以提供语音对话等功能应用领域的业务创新。在线教育则可聚焦于包括人工智能自动判卷评分等方向；医疗行业则可从医疗大数据分析、基因识别、医学影像识别等方面着手。