AWS持续发力机器学习服务，中国市场服务领域“全面开花”

【猎云网北京】12月17日报道

12月9日，在亚马逊云服务（AWS）举办的年度盛会——AWS re:Invent上还在继续，本次大会为期三周，本周AWS发布了五项机器学习服务，分别是Amazon Monitron、Amazon Lookout for Equipment、AWS Panorama Appliance、AWS Panorama SDK和Amazon Lookout for Vision。

据悉，这五项全新的机器学习服务共同帮助工业和制造业客户在其生产过程中嵌入智能能力，以提高运营效率，改善质量控制、信息安全和工作场所安全。这些服务代表了现有最全面的从云端到边缘的工业机器学习服务套件，通过结合先进的机器学习、传感器分析和计算机视觉功能，解决工业客户面临的常见技术挑战。

具体谈到用于工业领域的机器学习服务，Amazon Monitron和Amazon Lookout for Equipment通过机器学习支持预测性维护、AWS Panorama通过计算机视觉改善工业运营和工作场所安全、Amazon Lookout for Vision可以低成本自动、快速、准确地对图像和视频进行视觉异常检测。

“工业和制造业客户需要持续应对来自股东、客户、政府和竞争对手的压力，要求他们降低成本，提高质量并保持合规性。这些组织希望利用云和机器学习来实现流程自动化并增强整个运营流程中的人员能力，但是构建这些系统可能出错率高、复杂、耗时且昂贵，” AWS全球机器学习副总裁Swami Sivasubramanian说，“AWS推出的这五项针对工业用途的全新机器学习服务，这些服务易于安装、部署、快速启动和运行，并将云和边缘相连，将助力工业客户打造未来智慧工厂。”

在Swami发表的关于机器学习和人工智能的主题演讲中，他提到，机器学习是我们这一代人能遇到最具颠覆性的技术之一，目前已经有超过10万客户在使用AWS的机器学习服务，很多客户已经将机器学习用于其核心业务。

AWS发力机器学习服务

大会期间，AWS大中华区云服务产品管理总经理顾凡接受了媒体的群访，他表示，“亚马逊利用机器学习技术已经有20多年时间，这是AWS机器学习服务的深厚源泉。”

事实上，AWS从2016年开始就在不断发力机器学习，并在云上提供机器学习服务。2016年AWS在AI ML上发力，发布了三个AI服务。到2017年，AWS加速发展，“最近三年，新增的机器学习服务和功能已经超过200个。”顾凡总结道。

AWS大中华区云服务产品管理总经理顾凡

“AWS的开发组成是微服务的体系，每个产品其实都是在独立运转。而我们追求的是三层并重，推动机器学习服务不断向前发展。”顾凡总结了AWS在机器学习的三个层面，分别是，底层的基础设施包括开源社区、产品服务以及AI服务。

顾凡就产品服务中的AmazonSageMaker举例，Amazon SageMaker机器学习平台服务于2017年11月正是推出，SageMaker推出的三年时间，已经成为机器学习领域最受欢迎的服务之一，使用客户达上万家，包括3M、ADP、阿斯利康、Avis、拜耳等。

“SageMaker一直都在不停的迭代，它也是AWS历史当中增长最快的其中一个服务。”顾凡表示，就今年一整年而言，SageMaker还在继续迭代，12个月内SageMaker就发了接近50个新的功能，不断延展服务的宽度和深度。

据了解，Amazon SageMaker是一项完全托管的服务，可以帮助机器学习开发者和数据科学家快速构建、训练和部署模型。Amazon SageMaker完全消除了机器学习过程中各个步骤的繁重工作，让开发高质量模型变得更加轻松。

此外，顾凡还总结了AWS机器学习服务的三个特点。其一，通过技术持续性的更新迭代，不断延展服务的宽度和深度。其二，AWS在云计算以及在机器学习领域里面始终抱着一个开放的心态。其三，AWS在机器学习服务客户的过程中，帮助客户建立起使用能力，用产品原型的方式帮助客户解决业务难题。

AWS在中国市场“全面开花”

目前，AWS在中国已经服务了工业、医疗、媒体、汽车、零售等行业领域。“比如在汽车领域，我们和首汽约车有合作；医疗行业中益体康就是通过AWS的平台去实现一些一些机器学习方面的模型构建；在教育领域的客户有ATA全美在线、媒体行业中的大宇无限、虎牙直播等都和AWS有合作。”在采访现场，顾凡举了几个合作案例。“现在AWS服务的行业领域是一个全面开花的情况。”

在采访中，顾凡强调，在机器学习上，中国发展并不一定慢于美国，甚至在某些方面领先于美国。其次，在新基建和5G的背景下，大量的数据会在其中产生，而这些数据都是机器学习的重要材料。其三，中国有其独特的应用场景。中国作为制造业大国，智能制造会产生很多场景，而这些场景会逐渐演变成业务线。其四在于中国的国家政策对机器学习的大力支持。

“这些中国特色也会让整个机器学习和AI生态系统里面的参与者会有非常多的机会。”顾凡说道。

谈及AWS在中国的本土化表现，顾凡回应到，AWS中国团队会负责把机器学习的很多服务引入中国市场要，比如中国也是Amazon SageMaker全球六大区域首发的其中一个。

其次，顾凡提到，AWS在和国内企业合作的同时，也会根据中国较特色的市场环境而作出事实的调整。“AWS与首汽合作的合作案例就十分典型。首汽有大量的数据，而他们就希望用机器学习的方法高效的分析数据，而这些数据当中存在大量的噪音问题，我们的团队就需要进去帮助他们快速的工程化。”顾凡表示，这也应证了AWS在机器学习服务中跟客户配合的模式，我们将工具给到客户，除了教会客户使用外，我们会帮助客户把产品原型做出来。

关于未来，顾凡表示，AWS能够发挥最大的价值，和新基建、大数据、人工智能抑或是5G和边缘侧的结合，最重要的还是在于AWS利用现有的工具寻找到合适的合作伙伴，拉动需求端。“新基建的背景下，AWS更为脚踏实地的去发现谁能带动需求，创造应用的需求，然后AWS和其达成合作，实现场景落地，再进一步拉动需求。”