经济观察网记者 陈伊凡 电商巨头亚马逊发布2020财年第一季度财报之后，5月12日，亚马逊云服务举行线上发布会，宣布由西云数据运营的AWS中国区域和光环新网运营的AWS中国区域正式上线其机器学习产品Amazon SageMaker。
发布会上，亚马逊AWS首席云计算企业战略顾问张侠，接受了包括经济观察网在内的媒体采访。对于机器学习服务的重要性，张侠表示，“人工智能和机器学习是云计算中非常重要的应用。它跟数据在一起，会成为下一阶段企业数字化转型的核心推进点。”
布局AI重要一环
机器学习是AI的重要一环。企业和个人能够享受AI便利的背后，是开发者和数据科学家的努力，基于大量的历史数据，通过机器学习，让机器能够识别新的数据输入。
“从电商时代开始，亚马逊就非常关注机器学习。产品推荐、产品搜索、物流配送、送货机器人、智能助理Amazon Echo、无人值守商店Amazon Go等，都有机器学习的身影。”张侠说。
AWS对机器学习的布局，5年前就已经开始。2015年，AWS的机器学习服务首次上线。2016年，AWS又推出针对机器视觉和语音交互的机器学习服务Amazon Rekognition、Amazon Polly、Amazon Lex。这些从亚马逊的实践中提炼出来的AI服务，让开发者可以受益于亚马逊的业务场景。
如今，AWS为开发者和数据科学家提供了三个层次的机器学习技术栈。
机器学习能力强的人，可以用AWS的基础层服务，搭建自己的机器学习框架。AWS支持各种主流的机器学习框架，也提供多种适合机器学习的云主机，性能强大，供开发者选择。
如果不想费时费力做基础工作，可以使用AWS中间层的托管服务，快速、方便地开展机器学习。“我们每个月都为数百万开发者提供服务。他们中大多数人都不是麻省理工的教授，而是没有机器学习背景的普通开发者。”亚马逊AWS机器学习副总裁Swami Sivasubramanian曾表示。
在技术栈的顶层，是针对那些不希望自己去做机器学习服务开发工作的客户提供训练好的人工智能服务。例如，计算机视觉方面的服务，可以识别图像或视频中的对象、人员、文本、场景、活动和不安全或不适宜的内容。个性化推荐服务可以从库存中向消费者推荐多种产品和服务。开发者可以直接调用这些人工智能服务，无需关注服务背后的机器学习模型。
Swami曾表示，要让AWS成为行业机器学习活动的中心。
把机器学习交到建造者手中
Amazon SageMaker 在AWS的AI布局中地位特殊。
“人工智能、机器学习和数据一起，会成为下一阶段企业数字化转型的核心推进点，因此，这些服务非常重要。”张侠说AWS中国希望把机器学习能力交到每一个建造者的手中，让他们应用于企业的业务领域，产生最佳的应用方向。
这次发布的Amazon SageMaker是一项完全托管的服务，可以帮助开发者和数据科学家快速规模化构建、训练和部署机器学习模型。Amazon SageMaker包括很多功能模块，此次全球新发布的工具，如弹性Notebook、实验管理、模型自动创建、模型调试分析，以及模型概念漂移检测等强大功能，都同步提供给中国客户。而且Amazon SageMaker的所有这些工具都封装在首个面向机器学习的集成开发环境Amazon SageMaker Studio中，使用便捷。
在机器学习方面，除了采用英伟达、英特尔和赛灵思的芯片，AWS还推出了自己设计的高性能机器学习推理芯片AWS Inferentia。这款芯片今年已经作为正式的云主机向客户提供，也就是Amazon EC2的Inf1系列产品。
为什么要推出自研芯片？
张侠说，在机器学习的过程中发现，推理阶段对于芯片的需求量非常大。建模、训练的过程刚一开始计算量很大，模型建好后，把模型部署到应用环境，就进入推理阶段。训练好的模型会被反复、经常、大量使用。根据估算，推理和训练的比例大概是9：1。所以AWS希望通过自研芯片创新，把它做得更好。
不论从企业数字化转型还是从技术发展曲线来看，机器学习都是大势所趋。根据Gartner发布的2019年人工智能新技术成熟度曲线，以机器学习所代表的许多人工智能技术正在快速成熟。张侠在与客户的交流中，也印证了Gartner的观点，机器学习基本上已经得到了业界普遍认可和重视，有些采用开源架构，有些提出自己的架构或平台。
但他同时也表示，目前的机器学习存在一些阻力，一个是人工智能、机器学习这些知识，相对来说比较高深，掌握这些人工智能知识的人比较欠缺。另外，怎么样构建、扩展这些人工智能技术的产品，把这些技术真正应用到现实生产工作流程中，整个部署的过程中怎么去解决这些问题。“机器学习确实是准备好要大发展了，但是发展的过程还是需要很多艰苦细致的工作。Amazon SageMaker的目标就是降低这些工作的难度。”
