自2006年業(yè)務上線，12年來AWS一騎絕塵，甩開微軟和谷歌，在IaaS(Infrastructure as a Service基礎設施即服務)行當成為當之無愧的大哥。同時在云存儲、組網(wǎng)、計算、數(shù)據(jù)庫等方面，AWS也已成為行業(yè)領導者。

據(jù)亞馬遜AWS全球副總裁、大中華區(qū)執(zhí)行董事容永康給出的數(shù)據(jù)，AWS 2018年第二季度的營業(yè)額已經(jīng)增加到61億美金，同比增長49%，年化收入預計超過240億美元。數(shù)百萬活躍客戶大部分都是企業(yè)客戶，分布全球190多個國家。

也許在旁人看來，AWS的確可以高枕無憂了。自有亞馬遜的電商業(yè)務，視頻行業(yè)Netflix和Prime視頻等標桿客戶已經(jīng)讓AWS極具想象空間。當然，AWS并不想止步于此。

無人機物流配送、Amazon Go 無人商店、智能音箱Echo等等這些新奇好玩的商業(yè)創(chuàng)新背后，AWS功勞居功至偉。

亞馬遜首席技術執(zhí)行官沃納·威格爾(Werner Vogels) 稱，大概12年之前，AWS深知云將給軟件開發(fā)帶來翻天覆地的變化，大家都需要全新的工具。而AWS希望與軟件開發(fā)者密切合作，打造出一個現(xiàn)代化的軟件開發(fā)框架。因此，AWS不會給開發(fā)者一個預制好的房子，而是給開發(fā)者一個巨大的工具箱，在里面開發(fā)者可以挑選需要的工具，從而開發(fā)自己的軟件。

時過境遷，在人工智能時代，AWS同樣延續(xù)這一發(fā)展思路。AWS希望將機器學習的能力交付給每一位開發(fā)人員與數(shù)據(jù)科學家。

沃納·威格爾(Werner Vogels)非常自豪于AWS上過去一年機器學習的使用井噴，達到250%的增長率，“而且在全球AWS平臺之上，可以說全球這種機器學習的工作負載十個就有八個是在AWS平臺之上運行的。如果要推動機器學習的普及化的使用，我們就需要做一些改進。因為機器學習需要全新的堆棧?！?/p>

目前，AWS上有框架、TensorFlow、Caffe等等，在此之上，AWS打造了一個叫SageMaker的平臺，讓每一位開發(fā)人員都能夠通過算法獲得機器學習的能力，如果只是用預制的模型，AWS提供有各種各樣的服務。

沃納·威格爾(Werner Vogels) 介紹稱：“我們再來看一下機器學習的流程，首先要選擇數(shù)據(jù)、挑選算法，然后做培訓。培訓就是要調(diào)整算法的參數(shù)，直到你獲得的輸出能夠達到足夠的準確度，就是達到你設定的門檻值。然后你把這個輸出的模型進行部署，把它部署在多個可用區(qū)上，讓模型可用。所有的這些組件我認為都是屬于一些繁雜的工作。其實和機器學習本身并沒有太多關系，80%的你做的工作都是一些所謂的沒有差分性的苦活、累活。所以我們想把這個轉(zhuǎn)過來，80%你們的工作應該是機器學習本身，而一點點只是那些繁雜的工作。SageMaker能夠幫助你解決那些繁重的苦活累活。而你來選擇任何你想用的算法，我們做一鍵式培訓，你來選擇要做算法測試的參數(shù)以及準確門檻值，輸出的是模型，我們提供一鍵式模型部署，然后把它在多個AZ部署，這就是Amazon SageMaker的絕對革命式的機器學習普及化的平臺服務?！?/p>

在過去6個月時間，AWS已經(jīng)開發(fā)了機器學習方面100多個新的功能和新服務。就整體而言，2017年AWS推出的新的服務、新的功能，達到1400多項。單單在2018年第一季度已經(jīng)推了大概400多個。

“AWS有數(shù)以萬計的客戶，在平臺之上使用機器學習。比如在中國，我們有一家客戶是開發(fā)無人車駕駛的，他們開發(fā)了一個非常復雜的，是用的Apache開源的框架來開發(fā)的，就是在AWS平臺之上進行的技術開發(fā)。”據(jù)了解，自動駕駛公司圖森未來、Monmenta等都在使用AWS的服務。

對于自動駕駛領域，雖然去年《華爾街日報》有傳出亞馬遜已經(jīng)專門組建了一個團隊，專注于無人駕駛技術，以幫助零售業(yè)在交通運輸?shù)淖兏镏姓紦?jù)先機。

但AWS全球技術與開發(fā)者布道師團隊負責人Ian Massingham (伊恩·馬幸哈姆)對199IT表示，“對于亞馬遜或者AWS自身來說，我們絕對不會說自己來參與開發(fā)具體的自動駕駛的系統(tǒng)。因為我們是不會有非?？梢曅缘乃^個人方面駕駛的數(shù)據(jù)的收集，我們也拿不到。但是我們有很多客戶，比如圖森，它在美國已經(jīng)完成了250萬英里的自動駕駛卡車的路測。同時我們和寶馬等公司，為他們提供服務，幫助他們來開發(fā)自己的自動駕駛系統(tǒng)。

針對類似于像自動駕駛這樣一些系統(tǒng)開發(fā)的需求來說，AWS提供一個大量數(shù)據(jù)輸入、視頻捕獲、視頻流傳輸?shù)姆铡！拔覀儼阉Q之為Amazon Kinesis Video的服務，什么意思呢？我們可以把大量的視頻流捕獲，然后把它幫你們進行傳輸，并且把它打上時間碼，你以后可以用注釋應用來對它進行注釋。同時還有一個Snowball的服務，它是可以以百態(tài)字節(jié)的體量，來幫助你傳輸大量的數(shù)據(jù)。其實不光是自動駕駛的開發(fā)，對于油氣行業(yè)，對于很多其他的比如安全監(jiān)控方面，都是一種非常好的數(shù)據(jù)傳輸?shù)姆??！盜an Massingham (伊恩·馬幸哈姆)介紹到。

在機器學習、人工智能甚至自動駕駛方面，AWS延續(xù)此前一貫思路，通過給開發(fā)者提供強大的工具庫，通過自有的算法模型以及開源的算法模型，AWS正在搶占AI時代的戰(zhàn)略高地，提供普及化的平臺服務。

在全球化越來越熱的機器學習、人工智能、自動駕駛的掘金浪潮之路上，AWS想做那個通盤贏家——賣水者。