图灵汇官网

亚马逊云服务（AWS）如何成为全球云计算领域的领导者？它在云计算领域是否有自己独特的方法论？

作为亚马逊公司的云计算服务平台，AWS已经运营了14年。要简述其在云计算领域持续增长和创新的原因并不容易。近年来，机器学习成为AWS的重要业务之一，这为我们揭示了AWS在云计算领域的一些关键策略。

根据AWS公布的数据，从2016年推出三项机器学习服务至今的五年间，AWS已累计推出超过776项机器学习服务和功能。2019年，新推出的248项机器学习服务和功能占当年总推出服务和功能数（2345项）的比例超过10%。

机器学习服务日益丰富

当中国云服务商纷纷转向产业市场，并逐渐确立差异化发展方向时，位于美国的全球云计算巨头AWS却在大力推广其机器学习服务。

在最近的“亚马逊re:Invent 2020大会”上，AWS CEO Andy Jassy在主题演讲中提到：“2019年我花了75分钟讲解机器学习，但2020年我想换一种方式。”随后，无论是在他的发言还是客户证言中，“机器学习”一词被反复提及超过75次。

云计算的发展为机器学习提供了肥沃的土壤。亚马逊副总裁兼CTO Werner Vogels博士在“2021年将改变世界的八大技术趋势”预测中指出，机器学习在2020年已成为主流，未来三年内产生的数据量将超过过去三十年，而结合机器学习模型和数据采集与聚合工具，将成为各行业处理信息的唯一可行方法。

认识到机器学习的重要性后，AWS对未来的发展方向进行了预判，其机器学习服务逐渐变得更加全面和深入。

从2016年至2020年的五年间，AWS在机器学习领域推出的服务数量增长最快的阶段是2017年至2018年。在这段时间里，机器学习服务从2017年的60项增加到215项，此后每年新增服务数量均超过200项。

截至目前，AWS的机器学习服务已经形成了“上-中-下”三层服务体系：

三层服务体系

AWS的机器学习服务框架图 - 第一层：AI服务，包括视觉识别、语音文字转换、聊天机器人等即用型服务； - 第二层：Amazon SageMaker服务，提供数据自动标注和集成开发环境，是一个全托管的机器学习平台； - 第三层：机器学习框架和基础设施，涵盖多种机器学习框架及计算资源。

“我们的机器学习解决方案能快速模拟数据，挖掘数据价值，改变数据管理体系，将计算和分析融入所有业务流程。”Andy Jassy在演讲中提到。

这正是AWS的聪明之处，它将机器学习抽象为一项通用服务，成为数据湖、数据仓库、数据智能等热门服务不可或缺的工具。它不强调行业属性和应用场景，而是突出机器学习作为服务对IT和业务效率的提升。至于应用在哪个行业或场景，完全由客户决定。

此外，机器学习也变得越来越普及和易用。在Andy Jassy看来，机器学习不应仅限于机器学习专家，而应扩展到更多开发者手中。这些开发者可能包括不懂机器学习的数据分析师和IT业务人员。

事实上，AWS推出的SageMaker已经成为其历史上增长最快的服务之一。目前，全球已有超过10万名客户在使用AWS的机器学习和人工智能服务。

客户需求驱动创新

AWS很少透露具体的产品创新计划，但在多次采访中，其回答始终是“以客户为中心”。实际上，不同客户对机器学习的不同需求确实推动了AWS在该领域的不断创新。

AWS大中华区云服务产品管理总经理顾凡举了一个SageMaker的例子：“客户反馈，去年发布的产品都很不错，但在机器学习领域还有一块硬骨头没有解决，那就是如何快速将原始数据转化为所需的特征数据。”

在这样的需求背景下，AWS推出了机器学习服务AWS Data Wrangler，这是一种特征工厂工具。特征是机器学习中的术语，指代输入函数的数据。在传统的机器学习工具中，客户需要自行连接不同的数据源，抓取数据并格式化，才能继续后续流程。

而使用AWS Data Wrangler后，无论是单一特征还是复合特征，都能迅速转换。此外，在SageMaker Studio中，用户可以直观地看到转换过程，便于进行流程干预。

另一方面，在机器学习框架方面，尽管大多数平台倾向于只支持TensorFlow，但AWS通过调研发现，一些专业机器学习人员更希望自主选择框架。

“AWS支持所有主流机器学习框架……我们有多个团队，分别优化TensorFlow、PyTorch和MXNet，这就是为什么客户能够获得这些框架的最佳性能。”Andy Jassy在演讲中提到。

客户需求使AWS的服务更具灵活性和兼容性，不仅在机器学习领域，其他产品线也是如此。

Amazon Aurora是AWS的一款云原生关系数据库，兼容MySQL和PostgreSQL，主要用于专有云环境，成本仅为其他商用数据库的十分之一。随着无服务器计算需求的增长，有客户提出能否让Aurora支持无服务器模式，于是AWS推出了Aurora无服务器V2版本，以满足这一需求。

AWS大中华区首席云计算企业战略顾问张侠坦言：“这样做可能会导致部分现有Aurora用户转向Aurora无服务器，短期内可能影响收入，但从长远来看，这符合客户需求，有助于帮助客户节约云上成本，为更多创新项目腾出资金。”

提供SaaS服务，也提供边缘硬件

中国云计算服务商在发展过程中通常有较强的“边界”意识，在初创期曾声称“不做SaaS”。然而，随着产业互联网的推进，SaaS已成为各服务商提供的标准服务之一。

对于AWS而言，如果客户需求明确且AWS有能力提供相应服务，它不会自我设限。如果这项服务与合作伙伴提供的服务产生冲突，则通过平等竞争，由客户自行选择。

我们之前提到，AWS的机器学习服务形成了“上-中-下”三层结构，其中底层AI服务中包括了一些旨在降低机器学习使用门槛的SaaS服务。AWS表示，随着机器学习技术在各行各业的广泛应用，相关服务的需求也在不断增加。

最近，AWS与黑莓合作推出了智能汽车数据平台IVY，该平台能够自动收集和分析汽车数据，从而提供个性化的驾驶体验。

在工业领域，AWS也针对性地推出了五项机器学习服务，包括Amazon Monitron和Amazon Lookout for Equipment，这些服务可用于预测性维护；Amazon Panorama Appliance和SDK则利用计算机视觉改善工业运营和工作场所安全；Amazon Lookout for Vision则可以低成本、高效地进行图像和视频异常检测。

值得注意的是，AWS Panorama一体机实际上是AWS自主研发的边缘计算硬件设备。AWS全球副总裁Swami Sivasubramanian告诉钛媒体APP，在客户已有本地摄像头的情况下，只需将其连接到工业网络中，即可实现摄像头数据流的自动识别与交互。

因此，AWS既提供SaaS服务，又在必要时提供硬件设备。在服务部署形式上，AWS采取更加开放的态度，不限制创新。

“我们有两个原则：一是授人以鱼不如授人以渔，我们更希望帮助客户掌握技能，给予工具并教会他们使用工具；二是当客户在工程技术上有需求时，我们会迅速帮助他们用产品原型解决问题。”AWS大中华区云服务产品管理总经理顾凡总结道。

数据显示，2011年AWS发布了80多项重要服务和功能；2012年发布了近160项；2016年发布了1017项；2019年发布了2345项。

面对如此众多的服务，AWS如何确保创新真正落地？

“我们的产品至少90%以上都是根据客户需求开发的。如果你看到我们推出的新产品，首先要相信全球范围内有很多客户有这种需求。”AWS大中华区首席云计算企业战略顾问张侠说。

同时，一项产品上线，并不要求所有客户都立即使用。“每次re:Invent大会发布新产品时，客户都非常兴奋，因为他们带着需求而来。无论是新用户还是老用户，都不会存在创新无法落地的问题。”