经济网记者陈一凡在电商巨头亚马逊发布2020财年第一季度财报后，5月12日，亚马逊云服务举行线上发布会，宣布云曦数据运营的AWS中国和光环新网运营的AWS中国正式推出其机器学习产品亚马逊SageMaker。
发布会上，亚马逊AWS首席云计算企业战略顾问张夏接受了包括《经济观察报》在内的媒体采访。关于机器学习服务的重要性，张夏说，“人工智能和机器学习是云计算中非常重要的应用。它将和数据一起，成为下一阶段企业数字化转型的核心推动点。”
AI布局的重要一环
机器学习是人工智能的重要组成部分。企业和个人能享受到AI带来的便利背后，是开发者和数据科学家的努力。基于大量的历史数据，机器可以通过机器学习来识别新输入的数据。
“从电商时代开始，亚马逊就非常重视机器学习。商品推荐、商品搜索、物流配送、送货机器人、智能助手亚马逊Echo、无人值守店Amazon Go等。都有机器学习。”张夏说。
AWS机器学习的布局从五年前就开始了。2015年，AWS的机器学习服务首次推出。2016年，AWS推出了面向机器视觉和语音交互的机器学习服务Amazon Rekognition、Amazon Polly和Amazon Lex。这些从亚马逊实践中提炼出来的AI服务，让开发者从亚马逊的商业场景中受益。
如今，AWS为开发者和数据科学家提供了三个级别的机器学习技术栈。
机器学习能力强的人可以通过使用AWS的基础服务来构建自己的机器学习框架。AWS支持各种主流的机器学习框架，也提供了多种适合机器学习的性能强大的云主机供开发者选择。
如果不想花时间和精力做基础工作，可以使用AWS中间层的托管服务，快速方便地进行机器学习。“我们每月为数百万开发者提供服务。他们大多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曾经说过。
在技术栈的顶端，它为不想自己做机器学习服务开发的客户提供经过训练的人工智能服务。例如，计算机视觉服务可以识别图像或视频中的对象、人、文本、场景、活动以及不安全或不适当的内容。个性化推荐服务可以从库存中向消费者推荐各种产品和服务。开发者可以直接调用这些人工智能服务，而无需关注服务背后的机器学习模型。
Swami曾表示，AWS应该是行业中机器学习活动的中心。
把机器学习交到建设者手中
亚马逊SageMaker在AWS的AI布局中有着特殊的地位。
“人工智能、机器学习和数据，一起将成为下一阶段企业数字化转型的核心推动点。因此，这些服务非常重要。”张夏表示，AWS中国希望把机器学习能力放到每一个建设者手中，让他们应用到企业的业务领域，产生最佳的应用方向。
此次发布的亚马逊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、大规模地构建、训练和部署机器学习模型。亚马逊SageMaker包含了很多功能模块。全球最新发布的弹性笔记本、实验管理、自动模型创建、模型调试分析、模型概念漂移检测等工具同步提供给中国客户。而且亚马逊SageMaker的这些工具都打包在亚马逊SageMaker Studio中，这是第一个机器学习的集成开发环境，简单易用。
在机器学习方面，除了英伟达、英特尔、Xilinx的芯片外，AWS也推出了自己的高性能机器学习推理芯片AWS Inferentia。这款芯片今年已经作为官方云主机提供给客户，也就是亚马逊EC2的Inf1系列产品。
为什么要推出自研芯片？
张夏表示，在机器学习的过程中，发现推理阶段对芯片的需求非常大。建模和训练的过程，一开始就需要大量的计算。模型建好之后，部署到应用环境，就进入推理阶段了。一个训练有素的模型会被反复、经常、大量地使用。据估计，推理和训练的比例约为9: 1。所以AWS希望通过自研芯片创新让它变得更好。
无论从企业的数字化转型，还是从技术发展的曲线来看，机器学习都是大势所趋。根据Gartner 2019年发布的人工智能新技术成熟度曲线，以机器学习为代表的多项人工智能技术正在快速走向成熟。在与客户的交流中，张夏也证实了Gartner的观点。机器学习已经得到了业界的普遍认可和重视。他们有的采用开源架构，有的提出自己的架构或平台。
不过，他也表示，目前机器学习存在一些障碍。一个是人工智能和机器学习的知识，比较高级，掌握这些人工智能知识的人比较缺乏。此外，如何构建和扩展这些人工智能产品，将这些技术应用到真实的生产工作流程中，以及如何在整个部署过程中解决这些问题。“机器学习确实已经做好了大发展的准备，但是发展的过程还是需要大量艰苦细致的工作。亚马逊SageMaker的目标是降低这些工作的难度。”
