作为亚马逊公司旗下云计算服务平台,AWS也已经推出上线14年,我们很难用一句话说清AWS能够在云计算领域持续增长和创新的秘诀。近来,机器学习成为AWS内部一项极其重要的业务,我们或许能够从中总结出AWS在云计算上一些打法。

在AWS披露的一项数据中,自 2016年推出3项机器学习服务以来的5年间,AWS已经累计推出776+的机器学习服务和功能。按照2019年的数据,新推出248项机器学习服务和功能后,机器学习在当年新推出服务和功能的总量(2345项)中的比例超过10%。

在机器学习上提供的服务越来越深入

当中国云服务商纷纷进军产业界,并逐步确定差异化发展方向的时候,远在美国的全球云计算巨头AWS却在疯狂为它的机器学习服务背书。

在不久前的“亚马逊re:Invent 2020大会”上,AWS CEO Andy Jassy 在主题演讲中调侃道:“2019年,我用75分钟来讲机器学习,但2020年我想换种方式。”而接下来,无论是他自己的阐述还是客户证言,在他长达3小时的演讲中,“机器学习”被提及的次数超过75次。

云计算的发展,为机器学习提供了蓬勃发展的土壤。亚马逊副总裁兼CTO Werner Vogels 博士在“2021将改变世界的八大技术趋势”的预测中提到,机器学习在2020年已经成为主流,未来三年内世界产生的数据比过去30年还要多,而与机器学习模型相结合,使用数据摄取和聚合工具,成为各行各业处理信息的唯一实际方法。

认准了机器学习的方向之后,AWS已经对机器学习的未来做出了趋势性判断,在机器学习上所提供的服务越来越深入。

从2016年-2020年的五年间,AWS在机器学习上推出的服务数量增长最快的是2017-2018年,这期间,机器学习服务从2017年的60项,增加155项至215项,此后AWS的机器学习服务每年以“200+”的增量发展。

截止目前,AWS的机器学习服务已经形成了“上-中-下”三个层次的服务框架:

AWS机器学习服务框架图

第一层,AI 服务,这类服务包含了视觉、音频-文字互转、聊天机器人等即拿即用的服务;

第二层,Amazon SageMaker服务,这类服务可以帮助使用者自动标记数据,并提供了SageMaker studio集成开发环境,是一个全托管的机器学习平台;

第三层,机器学习框架和基础设施,这类服务包含了可供使用者选择的多种机器学习框架,以及包含算力芯片、服务器等的基础设施。

“我们的机器学习解决方案,能够快速进行数据的模拟,挖掘数据价值。改变数据管理体系,可以把计算和分析融入所有的业务当中。”Andy Jassy 在演讲中说。

这正是AWS的高明之处,它将机器学习抽象为了一项通用服务,是数据湖、数据仓库、数据智能这些当下热门服务的必备工具。不强调行业属性、不强调使用场景,只强调“机器学习”作为一项服务对IT和业务效率的提升。至于用到哪儿、用到什么行业什么场景,客户说了算。

同时,机器学习也可以是更加普惠和易用的。在Andy Jassy的观念中,机器学习不应该是只被机器学习方面的专业人士来训练、调优、建构和部署,而应该是“Expand machine learning to more builders(让机器学习为更多构建者服务)”,这些“builders”包含了不是很懂机器学习的数据分析师、IT业务人员等。

事实也证明,AWS推出的机器学习服务中的SageMaker也已经成为AWS历史上增长最快的服务。目前,全球已经有超过10万的客户在使用AWS的机器学习和人工智能服务。

不同客户需求,促成AWS不断创新

不要尝试从AWS的口中获得更详细的关于产品创新的方案,在钛媒体APP对AWS不同人员的多次采访中,“如何保持创新”这个问题的答案永远是“以客户为中心”。实际上,不同客户所产生的对机器学习的需求,也确实促成了AWS在机器学习领域的不断创新。

AWS大中华区云服务产品管理总经理顾凡举了一个SageMaker的例子:“客户说你们去年发布的这些东西都挺好的,但是确实是在机器学习当中有一块硬骨头还是没啃,就是怎么快速地把原始数据转化成模型所需要的核心特征,把这个步骤加快。”

在这样的一些需求下,AWS推出了机器学习服务AWS Data Wrangler,该工具是机器学习的特征工厂。这里的“特征(function)”是机器学习中的术语,机器学习建模需要进行函数运算,数据“特征”输入函数后,就可以输出“标签(label)”。机器学习工具会根据标签来识别数据是猫、是狗还是其他。在原来的机器学习工具中,客户需要自己将不同的数据源打通,抓取数据然后格式化,把数据特征跑出才能进入后续流程。

而在使用了AWS Data Wrangler之后,无论是单一特征还是复合特征,Data Wrangler都可以将这些快速转换出来。并且在SageMaker Studio中,能够可视化地看到整个转换流程,方便进行流程干预。

另一方面,在机器学习框架上,目前大部分机器学习平台都倾向于只支持Tensorflow。但在对客户的调研中,AWS发现,其实对于一些专业做机器学习的人来说,他们希望能够自主选择使用哪种机器学习框架。

“AWS支持所有主流机器学习框架……我们有好几个团队,一个团队是优化Tensorflow,另外一个团队是优化PyTorch,还有一个团队是专注于MXNet,这就是为什么客户能够获得所有这些框架的最优性能。”Andy Jassy在演讲中谈到。

客户对工具这种需求,让AWS的服务具备了一定的柔性和兼容性,不止是机器学习产品线,在其他产品线也是如此。

Amazon Aurora是AWS的一款云原生的、兼容MySQL和PostgreSQL的关系数据库,主要使用场景是专有云,使用成本是其它商用数据库成本的十分之一。在Severless(无服务器计算)使用场景不断增加的情况下,有客户提出能不能让Aurora支持Severless,于是AWS推出了Aurora Severless V2,来满足以上需求。

Andy Jassy坦言:“这样做了之后,会有一些在用Aurora的客户迁到Aurora Severless,这样一定程度上看起来会给AWS带来一些收入的下降,但恰恰这就是AWS做产品不一样的思路。我们会听客户的声音,Aurora Severless一定程度上冲击了自己Aurora的生意,但这是客户需要的,我们相信长期下去,我们会帮客户更好地做到云上成本的节省,它会把更多的费用拿过去做创新。”

做SaaS,也做边缘硬件

中国云计算服务商在发展中的“边界”感很强,在创立的初期为了争夺合作伙伴生态,都发表过类似“不做SaaS”的言论,但随着产业互联网的深入推进,SaaS已经成为各家云计算服务商都在向客户提供的服务。

但对于AWS来说,如果客户有强烈的需求,AWS是不给自己设限的。既然客户需要且AWS能够提供,那就可以依此进行创新。如果这项服务与合作伙伴提供的服务产生冲突,那么可以平等竞争,选择权交给客户。

我们上文提到,AWS的机器学习服务有一个“上-中-下”的服务框架,最上层的AI 服务中就包括一些为了降低机器学习使用门槛而推出的SaaS服务。AWS表示,随着机器学习技术被各个行业广泛采用,在机器学习上的应用也会越来越多。

前不久,AWS与黑莓(BlackBerry)宣布推出了智能汽车数据平台IVY,该平台能够让汽车制造企业把数据的收集、分析进行自动化,从而提供个性化的驾驶及搭乘体验。

最近,在工业领域,AWS也针对性推出了五项机器学习服务,其中Amazon Monitron、Amazon Lookout for Equipment可以让工业企业通过机器学习进行预测性维护、AWS Panorama Appliance、AWS Panorama SDK则可以通过计算机视觉改善工业运营和工作场所安全,Amazon Lookout for Vision则可以低成本、快速、准确地对图像和视频进行视觉异常监测。

值得一提的是,AWS Panorama一体机其实是AWS自主设计的、部署在边缘的硬件设备。AWS全球副总裁 Swami Sivasubramanian告诉钛媒体APP,在客户已有本地摄像头的情况下,将它连接到工业场所的网络中,就可以自动识别摄像头数据流,与工业摄像头进行交互。

既提供SaaS服务,在必要情况下也提供一些硬件设备。所以在对服务部署模式的界定上,AWS采取了更为开放的态度,不给创新设限。反过来讲,在一些概念比较热的时候,AWS也极少跟风。

“我们有两个原则,一个原则是授人以鱼不如授人以渔,我们更多希望帮助客户把能力建立起来,给他工具、教会他使用工具;第二是真正在工程方面有差距、客户需要帮助的时候,我们会帮他快速把业务难题用产品原型的方式实现出来。”AWS大中华区云服务产品管理总经理顾凡在总结时表示。

数据显示,AWS在 2011年发布了包含机器学习服务在内的80 多项重要服务和功能;2012年发布了近 160 项;2016 年发布了 1017 项;2019 年发布了 2345项。

这么多的服务,AWS如何保证创新的真正落地呢?

“我们的产品至少有90%以上完全是根据客户的需求开发成产品的。如果你看我们推出一款产品,首先你要相信一定在社会上、在全球范围内有很多客户有这种需求。”AWS大中华区首席云计算企业战略顾问张侠说。

同时,一项产品上线,并不是要求让所有客户都用起来。“每一次re:Invent发布的时候,我们的客户会非常兴奋,因为他是带着需求看大会发布的。无论从新用户还是老用户来讲,创新无法落地的问题是不存在的。”

关注中国IDC圈官方微信:idc-quan 我们将定期推送IDC产业最新资讯

查看心情排 行你看到此篇文章的感受是:


  • 支持

  • 高兴

  • 震惊

  • 愤怒

  • 无聊

  • 无奈

  • 谎言

  • 枪稿

  • 不解

  • 标题党
2023-07-24 16:26:35
市场情报 亚马逊云科技人工智能与机器学习技术助力科学家绘制完整的脑部地图
艾伦研究所数据和技术主管Shoaib Mufti带领团队与亚马逊云科技合作,将利用这张脑图创建全球大的脑细胞开源数据库。这是人类首次对关于哺乳动物大脑结构和功能的大规模数据 <详情>
2023-02-28 16:09:00
市场情报 SaaS乘风起—以模块化链接整个数字系统
企业数智化贯穿于研发、生产、销售、售后等产业全链条,为企业运营赋能,提升数据要素转化率,优化生产服务流程,加速企业生态布局,增强核心竞争力! <详情>
2022-12-06 11:10:00
云资讯 亚马逊云科技推出八项Amazon SageMaker全新功能
2022年12月5日 ,亚马逊云科技在2022 re:Invent全球大会上宣布,为端到端机器学习服务Amazon SageMaker 推出八项新功能。 <详情>
2022-09-05 11:47:04
云资讯 亚马逊云科技推动AI/ML创新三大驱动力 加速人工智能与机器学习的规模化落地
亚马逊云科技通过三大AI/ML创新驱动力——处理海量多样化数据、加速推动产业规模化落地以及赋能更多AI开发者,加速推动各行业创新。 <详情>