亚马逊云科技通过云技术帮助企业跨越AI门槛

面对海量数据、复杂业务你该怎么办？当前的最优解当然就是通过AI来搞定了。

IDC报告显示，到2023年，AI系统支出将达到979亿美元，与2019年相比会有2.5倍的增幅。另据Gartner分析，到2024年，75%的企业将把机器学习技术真正用于生产，为业务所赋能。

从这两份报告可以看出，机器学习和大数据正在对企业业务产生越来越大的作用，更多的企业也希望能够通过融合大数据和机器学习来提供业务产出，以充分发挥数据的价值。机器学习技术有三大依赖因素：算力、算法、数据。大数据技术所提供的能力是机器学习建模所需要的必然基础，同时，机器学习也能够为大数据技术提供更高的智能，为商业业务产生价值。从用户逻辑来看，大数据技术和机器学习技术本身就是互为因果的。

通过技术推动大数据与机器学习融合

亚马逊云科技大中华区产品部总经理陈晓建表示，亚马逊云科技将通过解决以下三个问题帮助用户实现大数据和机器学习融合。

第一：数据和机器学习分而治之，数据及技术孤岛制约敏捷迭代。

第二：数据处理能力不足。在生产制造企业，机器学习帮助客户对产品售后维修需求进行预测，由被动响应变为主动规划。但由于不具备足够的大数据处理能力，模型开发成功后 ，不能够有效收集处理海量的运营数据，致使预测不准确，无法达到预期业务目标。

第三：据分析人员参与度低。现实情况经常是，模型在实验环节效果良好，但实际使用中却不尽人意，实验环境只是对真实环境的简单模拟，生产环境要复杂得多。

“云、数、智”统一的融合架构

一个好的、合理的大数据和机器学习融合架构，必须要建立一个统一融合的数据底座，包括数据质量、权限、开发、可视化。在这基础之上会有大数据和AI两个独立的技术，但它们并不孤立，必须要实现高效、充分、双向互动，只有这样才能形成双向循环，真正实现数据融合。

据陈晓建介绍，要实现上述目标必须要做三项工作，分别是：打造统一融合的治理底座；为机器学习提供生产级的数据处理能力；通过数据分析，统一技术和业务的价值。

通过统一融合的数据底座，可以避免大数据和AI为了同样的底座而出现的重复工作量及复杂度，同时还降低资源成本。

有了统一的数据共享之后，能够建立一个统一的数据采集、存储和质量权衡的标准，并让数据在不同系统间流动。另外，还需要统一开发和流程编排，从数据采集的时刻开始到最后算法落地并服务于业务，端到端的开发流程编排必须都是统一的。

第二个关键工作是为机器学习提供生产级的数据处理能力。因为一个算法要从实验向实践，最关键的一步是数据处理能力，因为只有具备海量的数据处理能力，才能够把算法真正打磨成对业务可用的生产级别算法。

最后，是要通过智能数据分析，统一技术和业务的价值。这也意味着研发和业务并不是两个独立割裂的，他们之间应该是合作关系。AI机器学习能够丰富智能分析的场景，通过AI和机器学习可以更好发挥数据的价值。

中国企业正在与机器学习密切融合

谈到中国企业与机器学习的结合，亚马逊云科技大中华区产品部机器学习产品高级经理张洋表示：目前，中国各个行业都在积极应用亚马逊云科技机器学习服务进行创新，从新兴行业如游戏、出行、新媒体，到传统行业医疗健康、教育、工业制造、零售、金融服务等，涵盖各类规模的大型公司和初创企业，客户群体体量大、多样化。

在场景应用上也是多达数十种。在互联网行业，Amazon SageMaker广泛地用于推荐系统的计算广告中。Joyme使用Amazon SageMaker识别直播间中的内容，为客户进行直播推荐。观众可以在App中直接通过标签筛选展示才艺的主播。计算广告的场景中，FreeWheel 通过Amazon SageMaker构建机器学习平台预测未来某个时刻广告库存，显著提升了模型开发/部署效率。

传统制造业领域，耐德电气选择亚马逊云科技机器学习服务在中国构建智能工业视觉质量检测解决方案“云-边协同AI工业视觉检测平台”。该解决方案显著提高了生产线的检测效率，将误检率降低0.5%以内，并实现了零漏检率。

医疗行业，比如Alapha Fold（一种蛋白质结构预测工具）出来之后也第一时间迁移到亚马逊云科技平台上，这类客户主要一些新药推荐，直接可以在这平台上看到蛋白质生成，做比较方便的判断。其他医疗行业客户包括吉利德、辉瑞等，都在使用我们的机器学习服务加速落地创新举措，改善制造运营与研发流程。

在教育方面，从K12教育到科研院所的项目，大家都把Amazon SageMaker作为后端的工具，有时候用它内置一些算法进行科学研究。超过十万客户选择了机器学习服务，提升业务创新和重塑能力，实现产品和服务优化，打造了全新客户体验。

总的来看，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，凭借在人工智能/机器学习领域20多年深厚的技术积累，亚马逊云科技也在不断迭代、创新机器学习服务组合，秉承“化繁为简，授人以渔”的理念，以期把机器学习的能力交到每一位构建者手中，助力其将机器学习由实验转为规模化落地生产实践，加速人工智能和机器学习的普惠。

亚马逊云科技帮助中小企业跨越AI门槛

2022年，我们看到受疫情影响中小企业发展面临很大的挑战，如何才能帮助企业有效降低成本呢？

陈晓建表示：亚马逊云科技从工具，资源和赋能三个方面帮助中小企业也能通过数据的智能融合，以最小的投入挖掘数据价值来发展业务。主要表现在三个层面。

第一是工具，正如前文所述，亚马逊云科技有着丰富的AI工具可供使用，能够帮助中小企业快速搭建算法平台，既降低了使用门槛，又降低了运营成本。

第二是资源。亚马逊云科技有包括数据实验室、机器学习解决方案实验室及大数据和机器学习专业服务团队在内的三个主要的数据和人工智能团队，来帮助中小企业客户快速实施数据治理和人工智能模型建模等工作，能够快速度帮助企业客户完成数据价值的深度挖掘和业务价值的提升。

第三是赋能。亚马逊云科技不仅仅只为客户提供云服务，同时也有专业的培训和认证团队，帮助用户提升自己团队的专业技能。还有很多课程是作为免费的服务提供给用户。可以帮用户在大数据和机器学习方面锻炼自己的能力。

福布斯此前曾指出，成为数据驱动型组织可以让企业平均增加20%的收入，同时成本减少30%。企业发展到一定程度，转型为数据驱动型组织将是企业发展的大势所趋。成为数据驱动型组织能够提升业务价值，实现减本增效，引领产品创新。

机器学习和人工智能曾经是遥不可及的尖端技术，而随着云平台的不断演进也让其逐渐走进了大众化视野，开始广泛服务于各行各业。新技术正在快速迭代来降低数智融合的门槛，并将在未来很长一段时间里为企业发展推波助澜。