“你知道，即便是砂紙這樣久經考驗的產品，我們也在利用機器學習不斷改進，同時推動其它一些領域包括醫療保健在內的創新。”3M企業系統研究實驗室技術總監David Frazee說道，“隨著我們計劃將機器學習擴充套件到3M的更多領域，我們的資料和模型快速增長，每年翻倍。”

實際上，不止是傳統的砂紙產品，日新月異的整車廠也在關注機器學習的驅動力。“寶馬集團正在推動汽車行業的數字化和創新，”寶馬集團IT部門高階副總裁兼資訊長Alexander Buresch強調，“我們正在將資料作為工作方式的核心。我們期待與AWS合作，加強雙方的人才交流和融合，從而不斷提高汽車廠商的創新標準，為全球客戶提供令人振奮的新體驗。”

機器學習（ML）到底有多火？從全球主要行業的頭部公司，到國內IT應用落地領先的創新企業，ML正在呈現出飛速發展的態勢。除了寶馬集團、3M公司、英威達等生產製造型企業，湯森路透、德勤、Snowflake、Databricks、MongoDB、Intuit、DeNA和iFood等全球金融資訊、資料資訊和網際網路行業的使用者，都在著手透過機器學習來完善的自己的商業模式和流程。

但是除了這些IT科技應用領先的企業，還有更多企業正在遭遇機器學習落地的難題，甚至有些公司只見其效卻難窺門徑。

破圈兒行動

“機器學習是我們這一代人能遇到最具顛覆性的技術之一，目前已經有超過10萬客戶在使用AWS的機器學習服務，很多客戶已經將機器學習用於其核心業務。”在12月9日舉行的2020亞馬遜re:Invent大會上，AWS全球機器學習副總裁 Swami 發表了機器學習和人工智慧的主題演講，同時展示了AWS關於人工智慧與機器學習的最新全景藍圖，AWS對機器學習的雄躍然紙上，10萬客戶只是AWS角逐機器學習領域的一個起點。

AWS大中華區雲服務產品管理總經理顧凡做了說明，“亞馬遜利用機器學習技術已經有20多年時間，這是AWS機器學習服務的深厚源泉。”他指出，從2016年開始AWS就在不斷髮力機器學習，並在雲上提供機器學習服務。

這一階段是一個厚積薄發的過程，AWS在2016年只發布了三個AI服務，2017年開始加速，“最近三年，新增的機器學習服務和功能已經超過200個，為全球人工智慧工作者豐富了他們急需的工具集，”顧凡總結道。

在疫情之後全球網際網路資訊化服務風雲突起的當下，行業使用者對於機器學習的需求出現了更多變化，因此，面對機器學習目前的行業需求變化、應用難點，以及當下嚴重缺乏人才的處境，AWS著重透過技術創新，為機器學習帶來了四大破圈舉措。

破圈行動之一，是推出開箱即用的解決方案，向工業製造業破圈兒。AWS釋出了多項用於工業領域的機器學習服務。針對沒有建立感測器網路的客戶，AWS提供由感測器、閘道器和機器學習服務組成的端到端機器監控系統，檢測異常並預測何時需要維護工業裝置。面向已經擁有感測器、但不希望自己構建機器學習模型的客戶，AWS可以為其構建模型並返回預測結果，檢測異常裝置行為。AWS還推出計算機視覺一體機解決方案，用於改善工業運營和工作場所安全。將一體機連線到工業場所的網路中，就可以自動識別攝像頭資料流，與工業攝像頭進行互動。AWS還向工業相機制造商提供機器視覺軟體開發套件，這樣新出廠的工業相機自帶AWS的計算機視覺功能。AWS還推出一個產品質量異常檢測解決方案，透過機器學習技術，每小時可以處理數千張影象，發現產品缺陷和異常。客戶可以將攝像頭影象批次或實時傳送到AWS上，由AWS相應的服務找出機器部件裂紋、面板表面凹痕、不規則形狀或產品顏色錯誤等。

破圈行動之三，是將機器學習拓展到資料開發者和資料分析師，網路一大群人。這兩個群體人數比機器學習開發人員多，但沒有機器學習的知識和技能，優勢則是不缺乏機器學習的想法。AWS將機器學習能力跟資料庫進行嫁接，可以讓上述兩個群體沿用資料庫查詢的方式，幫助其機器學習的想法落地到業務應用中。

夯實核心使用者

破圈的同時，AWS非常注重核心使用者群，利用其機器學習開發平臺，牢牢抓住機器學習開發者。Amazon SageMaker是面向機器學習開發者的一個整合開發環境，是一項全託管的服務。如今SageMaker的功能仍處在快速迭代之中，僅在近一年來就交付了50多項新功能。此次AWS再次釋出9項新功能，目的就是針對已經應用機器學習的企業，在“武學境界“上再升一級。

近年來，懂懂和很多傳統企業交流。在以往的實地走訪中，發現不少開始接觸或逐漸落地機器學習的行業使用者，在應用中都會遇到這樣或那樣的問題和難點，雖然原因和狀況紛繁複雜，但是其中主要的問題大多集中在這五個方面，分別是：使用者對於資料的訓練和推理，期待簡便的工具和管理方式；使用者面對複雜的工作流，期望能夠自定義和自動化；使用者面對模型的偏差，期待能夠提前預測並作出解釋；使用者面對有限的預算，期待更加快速和更高效益比；使用者面對端到端的管理需求，期待跨平臺、跨場景解決方案。

AWS SageMaker的九項功能，緊緊圍繞這些工作展開，包括資料特徵提取器、資料特徵儲存庫、自動化工作流、模型偏差檢測、模型訓練過程剖析、拆解大型複雜深度學習模型進行分散式訓練、邊緣端模型質量監控和管理、快捷起步工具等等。

如果對於這些陌生的名詞有些茫然，不妨看一下在眾多企業應對機器學習的難題時，這“九種武器”庖丁解牛、克敵制勝的一兩個經典案例。

聯想作為國內使用者最為熟悉的PC個人電腦製造商，在平板電腦、智慧手機、PC和各種智慧物聯網裝置方面都有著巨大的機器學習應用需求。"對於聯想而言，我們不僅僅是一家硬體供應商，還致力於成為客戶值得信賴的合作伙伴，改變客戶使用裝置的體驗，實現客戶的業務目標，”聯想個人電腦和智慧裝置部門雲與軟體副總裁Igor Bergman表示，“聯想的裝置智智慧功能就是使用Amazon SageMaker來增強機器學習能力的一個極好例證。以往，生產線對於診斷個人電腦問題、提前預測潛在系統故障，以及減少宕機時間等有著很高需求，透過聯想裝置智慧，IT管理員可以主動診斷這些問題，避免問題發生，並且大幅提高員工的工作效率。之前，聯已經結合Amazon SageMaker，極大地提高了裝置預測模型的效果。未來幾周內，聯想將進一步採用Amazon SageMaker邊緣端模型管理功能，進一步提高機器學習模型的準確性。”

Igor Bergman指出，Edge Manager的採用將有助於消除模型部署後進行最佳化、監控和持續改進所需的人工工作。“基於此，預計我們的模型將比其它同類機器學習平臺執行得更快，消耗的記憶體更少。隨著我們將人工智慧擴充套件到聯想整個服務組合中的新應用，我們將繼續採用高效能的機器學習管道，在雲端和數百萬邊緣裝置上靈活擴充套件。這正是聯想選擇Amazon SageMaker平臺的原因。”

湯森路透，全球領先的商業資訊服務提供商，為全球法律、稅務、會計和合規專業人員提供高度專業化的資訊軟體和工具。其面臨的巨大挑戰顯而易見，就是紛繁複雜的海量資訊，以及如何從這些資訊中挖掘出“真金白銀”。

目前，湯森路透開發了一個內部管理平臺，利用AWS用於在雲端和邊緣構建、訓練及部署Amazon SageMaker來大規模應用機器學習，目的是幫助開發人員和資料科學家在完全受管理和安全的環境中，從實時和歷史資料中快速獲得新的洞察。“湯森路透為客戶提供所需的情報、技術和專業知識，以解決他們最棘手的監管、法律和合規挑戰。”湯森路透架構和開發副總裁Justin Wright強調，“我們正在利用AWS全面的雲服務來開發有洞察力的新產品和服務，以幫助客戶在複雜領域重塑高效的工作和運營方式。”

目前，湯森路透使用Amazon SageMaker在一個訓練完成後自動關閉GPU例項，並利用Amazon EC2競價例項（與按需例項價格相比，最高可享受90%的折扣），降低機器學習模型推理的成本。可以看到，基於AWS豐富服務和深厚的技術，價值AWS託管服務的專業知識，正在幫助湯森路透擺脫管理和運營基礎設施的繁重工作，專注於自身的核心業務。

可以說，正是Amazon SageMaker的豐富功能，讓機器學習的核心使用者鍾情於AWS。Amazon SageMaker在推出後短短三年時間內，其已經有幾萬家客戶在使用，包括前面提到的多家知名企業，以及阿斯利康、Avis、拜耳、Capital One、達美樂比薩、富達投資、GE醫療、摩根大通、Intuit、Lyft、國家橄欖球聯盟、T-Mobile、Vanguard等等。而在過去一年，Amazon SageMaker已經交付了50多項新功能。在此基礎上，這“九種武器”的加持將會使得開發人員和資料科學家更容易準備、構建、訓練、部署和管理機器學習模型，從做到提速、增效、降本。

在中國市場有三個優勢

賦能更多行業應用和落地機器學習的技術能力，是亞馬遜AWS目前及未來的一個商業重點。

這背後的原因，是AI巨大的行業落地勢能。面對數字經濟的發展機遇，多個國家和地區已將人工智慧列為優先發展的國家戰略。

那麼，在雲服務及機器學習方面均具備領跑優勢的AWS，將如何在中國市場深化自身的價值和作用？

“其實如果歸納總結一下我們的幾個核心優勢，大致是這三個方面：寬度和深度、開放的態度、與客戶配合的模式。”AWS大中華區雲服務產品管理總經理顧凡對於本土化方面的三個優勢做了一番分析。

所謂服務的寬度和深度，包含了技術的積累，以及行業應用的覆蓋和推進。“我們團隊也在負責中國市場對於機器學習的服務（技術）引入，尤其是Amazon SageMaker。”顧凡以SageMaker Studio這個端到端的IT環境為例，國內市場正是全球六大區域首發的一個，“全球AWS有非常多的覆蓋區域，這六個區域中SageMaker Studio是我們第一個引入到國內市場，目的也很清晰，既然要做到服務的深度和廣度，那麼面對國內缺乏奇蹟學習人才的現狀，就需要透過這種平臺化的工具迅速提升生產力，索要要第一個引入進來。”

對於開放的態度，在顧凡看來，無論行業使用者在數字化過程中對於雲的需求，還是機器學習方面的需求，技術提供商的“終極目標”是要幫他們產生價值。“因為客戶並不希望被繫結，所以開放是我們一直堅持的策略和方法。”這一點，懂懂在和很多企業交流中也深有體會，企業應用雲計算和AI技術是基於商業發展的考量，他們不希望從IaaS到SaaS都被一家平臺捆綁，而是希望面對一個提供開放的SaaS生態，堅守價值底層以及釋放雲計算ABC一體化能力的服務商。

至於與客戶配合的模式，顧凡用了一個形象的比喻，授人以魚不如授人以漁，而在此之上，他還強調了“扶上馬送一程”的姿態。“想要真正跟中國市場結合，不僅需要幫助客戶在本地市場成長，還要幫助客戶出海面向海外市場；同時還要幫助外資企業進中國市場，這三類客戶我們都要幫扶。”這句話的背後，可以看到對於機器學習的應用落地，AWS在“交鑰匙”的基礎上，還會在更多的業務場景與客戶形成更為長效的合作關係，這才是加深機器學習落地的另一個關鍵。

所以，這三個優勢也可以作為AWS在本土化方面幫助行業應用落地的三個“願景”，而基於這三個願景，才有了AWS透過推出更完善的機器學習服務和產品（如四大破圈舉措以及“九種武器”新功能），幫助行業使用者實現全新商業格局的基礎。

透過re:Invent大會，懂懂深刻感受到機器學習時代的到來。所有的企業都應該儘快擁抱機器學習，勇於試錯和實踐，真正感受機器學習的魅力。也許，感悟這個魅力的過程是五年，也許是十年，正如Swami在演講中坦承的：“我15年前研究生畢業，有幸進入AWS開始雲計算事業。可以毫無不誇張地說，目前雲計算釋放出巨大的力量，幫助各種創業公司和成熟企業取得了巨大的成功。如今——機器學習正處於同樣的階段。”

—————————————————————————————————

多年財經媒體經歷，業內資深分析人士，圈中好友眾多，資訊豐富，觀點獨到。

釋出各大自媒體平臺，覆蓋百萬讀者。