落地中国一年，Amazon SageMaker授人以渔赋能AI

毋庸置疑，机器学习正在塑造企业全新的工作方式，赋能、预测、自动化、智能化正在不断地向纵深发展。同时，也在改变着普通人的购物、娱乐等生活生活。

中国的人工智能和机器学习需求巨大，行业场景和数据丰富，Amazon SageMaker赋能中国用户，机器学习应用如雨后春笋般发展。

在完全托管的机器学习服务Amazon SageMaker落地中国区域一周年之际，5月11日，亚马逊云科技大中华区云服务产品管理总经理顾凡表示，“授人以鱼不如授人以渔”，亚马逊云科技在提供人工智能服务，快速迭代、快速开发、规模化的产生数据模型的工具Amazon SageMaker，以及丰富的算力服务的基础上，帮助中国客户更快应用机器学习技术，把机器学习能力交到每一位构建者手中，加速人工智能和机器学习的普惠。

“亚马逊+机器学习”等于客户体验的提升

IDC的数据显示，到2023年，人工智能系统支出会达到979亿美元，相比2019年增长2.5倍。

Gartner数据显示，75%的企业在2024年底会把机器学习从试点转向生产系统。

实践表明，机器学习构建的模型，只有在经过大量数据的不断训练，经过反复迭代，才能真正转变成服务，改变客户体验，提升效率。

20年前亚马逊就开始了机器学习之旅。目前，可以说，亚马逊公司运营的背后到处都有机器学习的身影。

在购物体验方面，2003年亚马逊的数据科学家第一次在业界发表了基于物品的协同过滤算法，这一物品推荐算法在随后20年来，对电商的物品推荐等产生巨大的影响。

在视频领域，亚马逊Prime Video采用深度学习的模型，用过去20年客户的历史观影数据，训练一个核心模型，并用过去一到两周内客户观影记录对这些核心模型做校正，最终用这个模型推理出未来一周客户会观看什么电影。

而大家所熟知的Amazon Go，对客户购物体验带来革命性的提升。客户进入超市，只管选择物品，出门之后手机上会收到帐单。Amazon Go背后的机器学习算法在时间和空间上能够把一个物品和一个准确的客户ID连接，保证不算错帐。

在物流优化方面，亚马逊真正用机器学习解决产品需求预测，在亚马逊网站上去点购买按键之前，很多货已经布置到了距离用户最近的仓库。

在亚马逊的配送中心，Amazon Robotics可以可以做到机器人推着货找人，快速提升人员在配货方面的效率。

在语音智能方面，大家比较熟悉的是Alexa和Echo，其中Alexa是一个智能语音操作系统，Echo则是一个智能音箱。今天Alexa和Echo已经扩展到了80多个国家，支持14种语言，开发人员开发了9万多个技能，APP Store当中有超过9万多种各种各样通过语音就可以互动的应用，在这背后就是机器学习使用的最佳案例。

顾凡说，亚马逊利用机器学习的核心理念，就是亚马逊+机器学习等于客户体验的提升。亚马逊云科技的所有技术、服务也在赋能给亚马逊自己。今天亚马逊云科技的服务已经超过200多种，计算、存储、网络、数据库、分析、IoT、AI/ML和安全等，丰富多彩。

覆盖三层的AI服务

客户选择亚马逊云科技机器学习的一个很重要的原因是，亚马逊把AI/ML普惠作为核心使命，为不同需求的客户，提供不同的工具与服务。

在上层，亚马逊云科技提供开箱即用的服务。将已经训练好的模型，提供给用户，用户只需喂给模型客户数据，就会得到推理的结果。

今年4月，亚马逊云科技推出了其用于构建个性化推荐系统的完全托管型机器学习服务——Amazon Personalize，开发人员无需具备机器学习专业知识，可用它训练、调整和部署自己定制的机器学习模型，构建个性化推荐系统，用于产品推荐、个性化营销、个性化搜索和定制化直销等广泛的个性化推荐场景。

在中层，提供市场需求量最大的Amazon SageMaker。今年，亚马逊云科技将Amazon SageMaker在re:Invent 2020上亮相的包括Data Wranger、Feature Store、Pipelines等七项新功能在北京区域和宁夏区域上线，让客户可以更轻松地构建端到端的机器学习管道。

Amazon SageMaker到现在为止已经有20多个工具，横跨整个机器学习开发生命周期，能够帮助数据科学家效率提升10倍，降低机器学习总体应用成本高达54%，

在底层的算力层面，亚马逊云科技在北京区域和宁夏区域推出了Amazon EC2 Inf1实例。该实例基于亚马逊云科技自研机器学习推理芯片Amazon Inferentia，与当前成本最低的基于GPU的实例相比，可以提高多达30%的吞吐量，并使每次推理的成本最高降低45%。

据介绍，从2016年到2020年，亚马逊云科技加快了在人工智能和机器学习方面服务、开发和迭代的速度，仅仅去年一年就新增了250多项机器学习的功能。

在应用最多的机器学习框架方面，92%的TensorFlow用户在云上的工作负载都运行在亚马逊科技上，91%的PyTorch在云上的工作负载都跑在亚马逊云科技，在云上面进行机器学习已经是非常成熟的选择。

据介绍，在全球有数以十万计的客户在使用亚马逊的云科技的机器学习服务。山东淄博市热力集团有限责任公司利用亚马逊云科技丰富的AL/ML技术和服务，快速构建、训练和部署机器学习模型，实现了精准供热，可以根据气象、工控数据、建筑物维护结构等信息计算出最佳的供热模式，并给出具体的操作指令，既让用户室温始终保持人体最佳舒适温度，又做到尽可能节约成本。

同样，借助强大的合作伙伴网络，通过合作伙伴网络成员如音智达等，构建行业机器学习模型，帮忙更多客户解决行业算法模型构建难题并落地行业解决方案。