【獵云網北京】5月14日報道

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。

今天，我們看到越來越多的企業在機器學習或人工智能層面上投入了更多的資金。 IDC預測，到2023年AI支出將達到$ 97.9B，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。

2021年5月11日，在完全托管的機器學習服務AmazonSageMaker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。

提高30%吞吐量，每次推斷成本最高降低45%

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AmazonPersonalize，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AmazonSageMaker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。

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%。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。使用Amazon Inferentia后，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%。

亞馬遜云科技大中華區云服務產品管理總經理顧凡表示，“AmazonSageMaker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。”

目前，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。

比如，山東淄博市熱力集團有限責任公司利用亞馬遜云科技豐富的AL/ML技術和服務，構建、訓練和部署機器學習模型，實現了精準供熱，可以根據氣象、工控數據、建筑物維護結構等信息計算出最佳的供熱模式，并給出具體的操作指令，既讓用戶室溫始終保持人體最佳舒適溫度，又做到盡可能節約成本。

“多年來，淄博熱力利用信息化手段改造傳統供熱，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。”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。

上海音智達信息技術有限公司是亞馬遜云科技合作伙伴網絡成員之一，提供圍繞人工智能和大數據技術的預測性分析及商務智能解決方案的技術專家服務，幫助客戶實現數字化轉型。

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。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。”

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四點建議。

1、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。

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

3、拒絕閉門造車，數據科學家要業務化，學習業務。

4、跟真心誠意賦能的廠商合作， 牢牢把握住你對數據和算法模型的所有權

機器學習服務組合

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。

首先，無需具備機器學習專業知識，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。

其次，亞馬遜云科技打造包羅萬象的AI/ML工具集，七項新功能讓AmazonSageMaker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AmazonSageMaker新功能，近期已經在北京區域和寧夏區域落地。

1．Amazon SageMaker Data Wranger，簡化機器學習的數據準備工作。通過該功能，客戶可以將各種數據存儲中的數據一鍵導入。Amazon SageMakerData Wrangler內置了300多個數據轉換器，讓客戶無需編寫任何代碼，就可以對機器學習用到的特征進行規范化、轉換和組合。

2．Amazon SageMakerFeature Store，一個完全托管且專門構建的特征存儲庫，用于存儲、更新、檢索和共享機器學習特征。客戶可以在其中存儲和訪問特征，以便更輕松地在各個團隊中對其進行命名、共享和重復使用。

3．Amazon SageMaker Pipelines是業界首個針對機器學習專門構建、易于使用的持續集成和持續交付服務，通過編排和自動化提高機器學習工作的效率。借助該服務，用戶可以大規模地創建、自動化和管理端到端機器學習工作流。

4．Amazon SageMaker Clarify讓機器學習開發人員可以更好地掌控其訓練數據和模型，從而識別和限制偏差并解釋做出相關預測的原因。

5．Amazon SageMaker Distributed training libraries為訓練大型深度學習模型和數據集提供了易用的方法，與現有分布式訓練實現相比，以最高快 40% 的速度完成分布式訓練，并且幫助用戶減少手動實施數據并行和模型并行策略所需時間。

6. Amazon SageMaker Model Monitor幫助客戶時刻保持機器學習模型的準確性，它能夠自動檢測生產環境中部署的模型，并在檢測到不準確的預測時發出警報，從而幫助客戶維護高質量的機器學習模型。

7．Amazon SageMaker Debugger，可以通過實時捕獲訓練指標，自動識別機器學習訓練任務中正在出現的復雜問題，例如梯度值變得過大或過小等。它可以實時監控系資源（例如GPU、CPU、網絡和內存等）的利用率，幫助用戶提高資源利用率，對訓練過程中的資源瓶頸進行告警，讓開發者及時調度資源，快速采取糾正措施，減少時間和成本浪費。

這背后，是基于高性能機器學習推理芯片Amazon Inferentia的研發。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。

此外，亞馬遜云科技的人工智能與機器學習服務，還受益于亞馬遜云科技在計算、存儲、數據庫和數據分析等方面廣博深厚的能力，以及它們優異的安全性、可靠性、可擴展性和成本效率，這些服務無縫集成、有效支撐，賦能更多組織和個人進行數字化轉型和創新。