“机器学习正在不断向纵深发展，2024年将有75％的公司从试生产过渡到生产。”2021年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在亚马逊云科技人工智能与机器学习媒体沟通会上表示。
顾凡同时表示，目前，我们看到越来越多的企业在机器学习和人工智能层面上投入了更多的资金。 IDC预测，到2023年，AI支出将比2019年增长2.5倍。机器学习项目正从试点到生产迅速发展。Gartner预测，到2024年，将有75％的公司从试生产过渡到生产。机器学习对于建立现代企业至关重要。
据悉，5月11日，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，亚马逊云科技宣布通过与光环新网(300383,股吧)和西云数据的紧密合作在中国区域进一步落地多项人工智能与机器学习的新服务和功能，丰富了其针对不同企业需求而打造的人工智能与机器学习 （AI/ML）工具集。
亚马逊云科技针对不同需求的客户在机器学习技术堆栈三个层面提供广泛而深入的机器学习服务，包括顶层-人工智能服务、中间层-机器学习服务以及底层-框架和基础架构。
在人工智能（AI）服务层面，亚马逊云科技在北京区域推出了Amazon Personalize，客户无需具备机器学习专业知识，即可方便、快速地构建个性化推荐系统；在中间层，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；在算力层面，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，并使每次推断的成本最高降低45%。
顾凡表示，“Amazon SageMaker落地中国区域一年以来，我们见证了中国各个行业各种类型客户积极应用亚马逊云科技服务进行机器学习创新，我们希望通过将更多服务落地到中国区域，并坚持‘授人以鱼不如授人以渔’，甚至更进一步‘扶上马，送一程’的方式，帮助客户更快应用机器学习技术，把机器学习的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。”
目前，全球数以十万计的客户选择亚马逊云科技运行机器学习工作负载。在中国，亚马逊云科技机器学习服务得到医疗健康、教育、出行、工业智能、游戏、新媒体等各个行业客户的青睐，益体康、晶泰科技、新世纪医疗、LEMONBOX、有道乐读、叽里呱啦、全美在线、首汽约车、德比软件、Momenta、图森未来、行者AI、天和荣、中科创达(300496,股吧)、华来科技、大宇无限、陕西科技大学、易点天下、淄博热力等一批企业和机构的广泛采用，在各行各业实现了丰富多样的人工智能应用创新。
“生产中运行机器学习模型的推理占据了机器学习应用程序的总体开发和运行基础架构成本的绝大部分，甚至高达90%。”顾凡表示，机器学习从业者正在构建越来越复杂的模型，这些模型在生产中的运行成本有时会高得令人望而却步。
基于亚马逊设计的首款定制机器学习芯片Inferentia。它与成本最低的基于 GPU 的实例相比，可以提高多达30%的吞吐量，并使每次推断的成本最多降低45%。亚马逊Alexa团队将其高度复杂的“文本转语音”模型迁移到了Inferentia，该模型生成了类似于人的语音。
目前，亚马逊Alexa团队在Inf1实例上合成了80％的Alexa语音响应，从而节省了30％的成本。与基于GPU的实例相比，Inferentia的响应延迟降低了25％。更快的Alexa语音响应可提供更好的用户体验，并允许在Alexa语音上进行更多创新。
据了解，基于高性能机器学习推理芯片Amazon Inferentia的Amazon EC2 Inf1实例已落地中国区域。在机器学习底层的框架和基础架构层面，亚马逊云科技全面提供基于各家芯片供应商的最新技术选项，提供从小到大多种配置，支持市面上流行的各种机器学习框架和算法。同时，为了不断给客户提供更好性价比的算力，亚马逊云科技自主设计芯片，推出了高性能机器学习推理芯片Amazon Inferentia。基于Amazon Inferentia的Amazon EC2 Inf1实例落地北京区域和宁夏区域，让中国区域客户又多一种云端高性能和更低成本机器学习推理的算力选择。
值得关注的是，无需具备机器学习专业知识，客户即可通过Amazon Personalize构建个性化推荐系统。
在人工智能服务层面，针对没有机器学习专业知识和能力的客户，亚马逊云科技提供开箱即用的人工智能服务。Amazon Personalize，一项用于构建个性化推荐系统的完全托管型机器学习服务，已在北京区域上线。开发人员无需具备机器学习专业知识，即可通过该服务训练、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，可用于产品推荐、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。
此外，打造包罗万象的AI/ML工具集，七项新功能让Amazon SageMaker更强大。作为亚马逊云科技机器学习服务层面的核心产品，Amazon SageMaker是业界首个面向机器学习开发者的集成开发环境，它消除机器学习过程中的繁重工作，使客户能专注于自身的业务和应用创新，在提高客户工作效率的同时还大幅降低机器学习的总体拥有成本。去年12月在亚马逊云科技全球大会re:Invent 2020上刚刚亮相的七项 Amazon SageMaker新功能，近期已经在北京区域和宁夏区域落地。
根据过去一年的经验，亚马逊云科技针对企业应用机器学习提出如下四点建议。
一是企业要找到一个适合机器学习的场景作为切入点。先突破创新业务，再改造核心业务。
二是避免重复造轮子，利用平台能力。让数据科学家，开发人员专注于自己的应用和业务创新。
三是拒绝闭门造车，数据科学家要业务化，学习业务。
四是跟真心诚意赋能的厂商合作， 牢牢把握住企业对数据和算法模型的所有权。
在媒体沟通会上， 淄博市热力集团有限责任公司董事长、党委书记汪德刚表示，“多年来，淄博热力利用信息化手段改造传统供热，致力于成为行业标准的制定者和行业发展的引领者。通过与亚马逊云科技合作，借助机器学习能力创新，建成了基于机器学习和大数据分析的智能供热平台，帮助我们从传统供热向产业智能化方向转型，在满足用户需求的同时实现节能减排，建立绿色能源生态系统。未来，希望我们能借助先进的云技术持续创新，推动国内热力行业的数字化、智能化转型。”
上海音智达信息技术有限公司CEO孙晓臻表示，“我们为亚洲地区数以百计的跨国企业及本土客户提供数据服务，拥有丰富的数据分析与业务实施经验，在生命科学、快消品、汽车、零售、电子消费产品、金融、保险、以及运输行业拥有众多实践和成功案例。但是，我们在机器学习方面的算法和人才储备远远不能够满足客户需求。亚马逊云科技丰富的机器学习服务大幅提升了音智达的技术开发和服务能力，助力我们打造了覆盖不同行业和场景的解决方案，实现了业务发展和持续创新。”
如今，各种规模、各种类型的企业和机构，都在积极探索人工智能和机器学习技术的应用并希望能尽快发挥实际效应。为满足不同客户的创新需求，亚马逊凭借在人工智能/机器学习领域20多年深厚的技术积累，提供了广泛而深入的、并且不断迭代创新的机器学习服务组合。
