在国内外云计算市场，亚马逊云服务（AWS）无疑是最强王者，而随着云计算的不断成熟，以及企业数字化转型的脚步加快，以机器学习为代表的许多人工智能技术也迎来的新的风口。根据IDC的数据，当前40%的企业数字化转型项目都会运用人工智能。
AWS宣布在AWS中国（宁夏）和（北京）区域正式上线一件人工智能利器——Amazon SageMaker。Amazon SageMaker 是一项完全托管的服务，可以帮助开发者和数据科学家快速构建、训练和部署机器学习 （ML） 模型。这意味着AWS在中国地区的发布节奏已经加快，也显示了对中国市场的重视。
“人工智能和机器学习是云计算中非常重要的应用。它跟数据在一起，会成为下一阶段企业数字化转型的核心推进点。”AWS首席云计算企业战略顾问张侠博士表示。
机器学习迎来黄金发展期，AWS有何布局？
当前，全球各地的公司，从初创公司到大型企业，部署机器学习应用程序几乎是普遍的重中之重。“数以万计的公司， 几乎涉及每一个行业和细分市场，开始将机器学习应用于其工作负载，从数据中获得更多价值，获得洞察，提升业务。我们正在开启机器学习的黄金时代，以前阻碍机器学习在现实世界应用的许多限制开始消失。”在张侠看来，几乎所有行业都在机器学习的影响范围之内，而且许多风口正在汇集在一起，使得部署机器学习变得前所未有的简单。
值得一提的是，亚马逊是探索和应用机器学习技术的佼佼者。20多年来，它在人工智能和机器学习方面进行了大量的投入，在线零售的个性化产品推荐、运营中心机器人、无人机送货、Amazon Alexa语音助理、Amazon GO无人值守超市誉满全球，这些都依靠人工智能和机器学习技术的支持。
在AWS交付了广泛而深入的机器学习服务后，亚马逊率先使用这些服务并且提供反馈意见。这些意见加上AWS其它机器学习客户的反馈意见，推动着AWS不断创新，促使AWS的机器学习服务组合日益强大，日益受客户欢迎。
同时，AWS在计算、存储、数据库和数据分析等方面广博深厚的能力，它们优异的安全性、可靠性、可扩展性和成本效率都可以支撑AWS机器学习服务。张侠介绍，AWS提供的机器学习解决方案是一个包括三层的服务堆栈。如下图所示，Amazon SageMaker是其中间层。在这一层，主要通过Amazon SageMaker这一完全托管的服务，完全消除了机器学习过程中的繁重工作，让开发高质量模型变得更加轻松。
此外，AWS也根据不同类型客户的需求，提供了全面的机器学习解决方案。
在三层服务堆栈的底层，为想要自己构建算法或开发新框架的客户提供灵活选择，客户可以选择使用TensorFlow、PyTorch、Apache MXNet、Chainer、Gluon、Horovod 和 Keras等机器学习框架。在这一层，AWS 专注于性能、灵活性，降低成本，以便任何用户都可以使用最新的基础设施，对多种框架进行试验。
在三层服务堆栈的顶层，AWS提供了训练好的人工智能服务，这些服务主要解决与人类认知相关的典型问题。例如，计算机视觉方面的服务，可以识别图像或视频中的对象、人员、文本、场景、活动和不安全或不适宜的内容。客户可以直接在其应用中调用AWS提供的这些人工智能服务，而无需关注服务背后的机器学习模型。
在三层服务堆栈的中层就是Amazon SageMaker，也是最重要的一层。对一些有技术背景的企业专业客户，可以利用Amazon SageMaker为企业找到这些人工智能、机器学习所带来的一些创新点、突破点，推出新产品、新服务的点，使得企业能够自己全方位的把握这些机器学习的工具、手段、方法，而为自己所用。
化繁为简，Amazon SageMaker让机器学习没有门槛
众所周知，机器学习的实施是一项非常复杂的工作，涉及大量试错，并且需要专业技能。由于没有集成化的工具用于整个机器学习的工作流，机器学习模型的传统开发方式是复杂、繁复和昂贵的。
张侠表示，制约人工智能广泛应用的因素有三个方面：一是掌握人工智能专业知识的人才不足；二是构建和扩展人工智能的技术产品有难度；三是在生产经营中部署人工智能应用费时且成本高。最终导致缺乏低成本、易使用、可扩展的人工智能产品和服务。
而Amazon SageMaker的出现，正是为了帮助企业解决这些挑战。Amazon SageMaker是一个工具集，提供了用于机器学习的所有组件，贯穿整个机器学习的工作流程，从而以更少的努力、更低的成本、更快地将机器学习模型投入生产。Amazon SageMaker 完全消除了机器学习过程中的繁重工作，让开发高质量模型变得更加轻松。
Amazon SageMaker通过预置的Notebook、针对PB级数据集优化的常用算法，以及自动模型调优，Amazon SageMaker大大降低了模型构建和训练的难度。并且，Amazon SageMaker显著简化和加快了模型训练过程，可以通过自动提供和管理基础设施来训练模型和运行推理。同时，AWS 最近宣布了多项重要功能和高级特性，让客户能够更轻松地构建、训练、调优和部署机器学习模型。
Amazon SageMaker提供了强大的功能，如弹性笔记本、实验管理、自动模型创建、调试与分析，以及模型概念漂移检测，等等。这些功能封装在首个面向机器学习的集成开发环境Amazon SageMaker Studio中。集成开发环境 （IDE） 当前是IT界一个重要的概念。同时，AWS还在不断地为它增加新功能，仅仅在2019年就增加了50多个新功能。Amazon SageMaker不仅功能非常强大，而且易于使用。
备受中国客户及合作伙伴期待
当前，全球使用AWS机器学习服务的客户数以万计，其中也有不少中国客户。例如大宇无限、虎牙、嘉谊互娱、华来科技等，他们都选择Amazon SageMaker大规模构建、训练和部署机器学习模型。
大宇无限是一家移动app开发的初创企业，主要为中东、东南亚和拉丁美洲等新兴市场提供移动短视频服务。此前，在大宇无限的产品中实现视频内容的个性化在线推荐，对其开发团队来说是一个巨大的挑战。构建机器学习系统的整个流程极为复杂，需要大量的开发人员耗费很长的时间才有可能完成。
“Amazon SageMaker的出现，帮助大宇无限实现了从0到1的突破。不仅及大地简化了整个机器学习系统的构建、训练和部署的流程，而且SageMaker的很多算法已经深度优化。对大宇无限来说，可以直接做好训练数据的准备，然后调用接口、设置参数，几个命令就可以直接部署上线。”大宇无限机器学习技术总监苏映滨表示，现在仅用了三个月的时间就从零完成了整个系统的建设并承受了实际用户访问的压力。
AWS合作伙伴网络 （APN） 成员也对Amazon SageMaker在中国区域上线表示欢迎。伊克罗德是AWS的核心级咨询合作伙伴，也是一家云原生的云咨询服务公司，通过AWS跟第三方的机构认可的云托管服务商，其基于AWS的解决方案极大地减少了用户的开发时间与运营费用。
“对我们来说，SageMaker是一个兼具效能和效力以及成本优化的人工智能的平台。” 伊克罗德产品经理陈昶佑表示，Amazon SageMaker是伊克罗德整个平台的基础。尤其是对于有AI技术团队的公司来说，它更像是简便的人工智能开发平台，高效能的算法不仅帮助我们去节省我们的开发时间，也节省了成本。同时，我们也能透过高效能的算法去帮助客户建立让客户非常具有信心的解决方案。
陈昶佑强调，通过SageMaker，伊克罗德可以更有效率的加速客户商业创新的进程，为客户提供AI技术上的专业支持，帮客户量身打造真正属于他的专属的AI的运用，加速场景的落地。
作为全球云计算的开创者和引领者，AWS借助云计算的东风站上了机器学习的风口，与此同时，又借助云计算，正在推动机器学习这一风口。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，并推动更多企业加快数字化转型。
? ? ? ?责任编辑：tzh