“機器學習正在不斷向縱深發展，2024年將有75％的公司從試生產過渡到生產?！?021年5月11日，亞馬遜云科技大中華區云服務產品管理總經理顧凡在亞馬遜云科技人工智能與機器學習媒體溝通會上表示。

顧凡同時表示，目前，我們看到越來越多的企業在機器學習和人工智能層面上投入了更多的資金。 IDC預測，到2023年，AI支出將比2019年增長2.5倍。機器學習項目正從試點到生產迅速發展。Gartner預測，到2024年，將有75％的公司從試生產過渡到生產。機器學習對于建立現代企業至關重要。

據悉，5月11日，在完全托管的機器學習服務Amazon SageMaker落地中國區域一周年之際，亞馬遜云科技宣布通過與光環新網和西云數據的緊密合作在中國區域進一步落地多項人工智能與機器學習的新服務和功能，豐富了其針對不同企業需求而打造的人工智能與機器學習 （AI/ML）工具集。

亞馬遜云科技針對不同需求的客戶在機器學習技術堆棧三個層面提供廣泛而深入的機器學習服務，包括頂層-人工智能服務、中間層-機器學習服務以及底層-框架和基礎架構。

在人工智能（AI）服務層面，亞馬遜云科技在北京區域推出了Amazon Personalize，客戶無需具備機器學習專業知識，即可方便、快速地構建個性化推薦系統；在中間層，將Amazon SageMaker在re:Invent 2020上亮相的包括Data Wranger、Feature Store、Pipelines等七項新功能在北京區域和寧夏區域上線，讓客戶可以更輕松地構建端到端的機器學習管道；在算力層面，亞馬遜云科技在北京區域和寧夏區域推出了Amazon EC2 Inf1實例，該實例基于亞馬遜云科技自研機器學習推理芯片Amazon Inferentia，與當前成本最低的基于GPU的實例相比，可以提高多達30%的吞吐量，并使每次推斷的成本最高降低45%。

顧凡表示，“Amazon SageMaker落地中國區域一年以來，我們見證了中國各個行業各種類型客戶積極應用亞馬遜云科技服務進行機器學習創新，我們希望通過將更多服務落地到中國區域，并堅持‘授人以魚不如授人以漁’，甚至更進一步‘扶上馬，送一程’的方式，幫助客戶更快應用機器學習技術，把機器學習的能力交到每一位構建者手中，加速人工智能和機器學習的普惠?！?/p>

目前，全球數以十萬計的客戶選擇亞馬遜云科技運行機器學習工作負載。在中國，亞馬遜云科技機器學習服務得到醫療健康、教育、出行、工業智能、游戲、新媒體等各個行業客戶的青睞，益體康、晶泰科技、新世紀醫療、LEMONBOX、有道樂讀、嘰里呱啦、全美在線、首汽約車、德比軟件、Momenta、圖森未來、行者AI、天和榮、中科創達、華來科技、大宇無限、陜西科技大學、易點天下、淄博熱力等一批企業和機構的廣泛采用，在各行各業實現了豐富多樣的人工智能應用創新。

“生產中運行機器學習模型的推理占據了機器學習應用程序的總體開發和運行基礎架構成本的絕大部分，甚至高達90%?！鳖櫡脖硎?，機器學習從業者正在構建越來越復雜的模型，這些模型在生產中的運行成本有時會高得令人望而卻步。

基于亞馬遜設計的首款定制機器學習芯片Inferentia。它與成本最低的基于 GPU 的實例相比，可以提高多達30%的吞吐量，并使每次推斷的成本最多降低45%。亞馬遜Alexa團隊將其高度復雜的“文本轉語音”模型遷移到了Inferentia，該模型生成了類似于人的語音。

目前，亞馬遜Alexa團隊在Inf1實例上合成了80％的Alexa語音響應，從而節省了30％的成本。與基于GPU的實例相比，Inferentia的響應延遲降低了25％。更快的Alexa語音響應可提供更好的用戶體驗，并允許在Alexa語音上進行更多創新。

據了解，基于高性能機器學習推理芯片Amazon Inferentia的Amazon EC2 Inf1實例已落地中國區域。在機器學習底層的框架和基礎架構層面，亞馬遜云科技全面提供基于各家芯片供應商的最新技術選項，提供從小到大多種配置，支持市面上流行的各種機器學習框架和算法。同時，為了不斷給客戶提供更好性價比的算力，亞馬遜云科技自主設計芯片，推出了高性能機器學習推理芯片Amazon Inferentia?；贏mazon Inferentia的Amazon EC2 Inf1實例落地北京區域和寧夏區域，讓中國區域客戶又多一種云端高性能和更低成本機器學習推理的算力選擇。

值得關注的是，無需具備機器學習專業知識，客戶即可通過Amazon Personalize構建個性化推薦系統。

在人工智能服務層面，針對沒有機器學習專業知識和能力的客戶，亞馬遜云科技提供開箱即用的人工智能服務。Amazon Personalize，一項用于構建個性化推薦系統的完全托管型機器學習服務，已在北京區域上線。開發人員無需具備機器學習專業知識，即可通過該服務訓練、調整和部署自己定制的機器學習模型，構建個性化推薦系統，可用于產品推薦、個性化營銷、個性化搜索和定制化直銷等廣泛的個性化推薦場景。

此外，打造包羅萬象的AI/ML工具集，七項新功能讓Amazon SageMaker更強大。作為亞馬遜云科技機器學習服務層面的核心產品，Amazon SageMaker是業界首個面向機器學習開發者的集成開發環境，它消除機器學習過程中的繁重工作，使客戶能專注于自身的業務和應用創新，在提高客戶工作效率的同時還大幅降低機器學習的總體擁有成本。去年12月在亞馬遜云科技全球大會re:Invent 2020上剛剛亮相的七項 Amazon SageMaker新功能，近期已經在北京區域和寧夏區域落地。

根據過去一年的經驗，亞馬遜云科技針對企業應用機器學習提出如下四點建議。

一是企業要找到一個適合機器學習的場景作為切入點。先突破創新業務，再改造核心業務。

二是避免重復造輪子，利用平臺能力。讓數據科學家，開發人員專注于自己的應用和業務創新。

三是拒絕閉門造車，數據科學家要業務化，學習業務。

四是跟真心誠意賦能的廠商合作， 牢牢把握住企業對數據和算法模型的所有權。

在媒體溝通會上， 淄博市熱力集團有限責任公司董事長、黨委書記汪德剛表示，“多年來，淄博熱力利用信息化手段改造傳統供熱，致力于成為行業標準的制定者和行業發展的引領者。通過與亞馬遜云科技合作，借助機器學習能力創新，建成了基于機器學習和大數據分析的智能供熱平臺，幫助我們從傳統供熱向產業智能化方向轉型，在滿足用戶需求的同時實現節能減排，建立綠色能源生態系統。未來，希望我們能借助先進的云技術持續創新，推動國內熱力行業的數字化、智能化轉型?！?/p>

上海音智達信息技術有限公司CEO孫曉臻表示，“我們為亞洲地區數以百計的跨國企業及本土客戶提供數據服務，擁有豐富的數據分析與業務實施經驗，在生命科學、快消品、汽車、零售、電子消費產品、金融、保險、以及運輸行業擁有眾多實踐和成功案例。但是，我們在機器學習方面的算法和人才儲備遠遠不能夠滿足客戶需求。亞馬遜云科技豐富的機器學習服務大幅提升了音智達的技術開發和服務能力，助力我們打造了覆蓋不同行業和場景的解決方案，實現了業務發展和持續創新?！?/p>

如今，各種規模、各種類型的企業和機構，都在積極探索人工智能和機器學習技術的應用并希望能盡快發揮實際效應。為滿足不同客戶的創新需求，亞馬遜憑借在人工智能/機器學習領域20多年深厚的技術積累，提供了廣泛而深入的、并且不斷迭代創新的機器學習服務組合。

責任編輯：Rachel