原標題：AWS CEO Andy Jassy：機器學(xué)習(xí)重塑企業(yè)

2020年12月2日，云計算領(lǐng)域的風向標——亞馬遜re:Invent全球大會首次在線舉辦，這是一場16天的饕餮盛宴。一如往年，AWS CEO Andy Jassy發(fā)表了長達三小時、干貨滿滿的主題演講，闡述其對行業(yè)與客戶需求趨勢的洞察。

AWS CEO Andy Jassy

綜觀這場技術(shù)盛宴，最讓老冀感到興奮的，還是亞馬遜云服務(wù)（AWS）在機器學(xué)習(xí)（ML）領(lǐng)域的最新進展。眾所周知，機器學(xué)習(xí)是人工智能領(lǐng)域最重要的技術(shù)之一，包括89%的人工智能專利申請和40%的人工智能范圍內(nèi)的相關(guān)專利均為機器學(xué)習(xí)范疇。

“去年的re:Invent上，機器學(xué)習(xí)我足足談了75分鐘，今年我不談這么多了。”Andy Jassy說道，“云讓機器學(xué)習(xí)變得可能。越來越多的企業(yè)使用機器學(xué)習(xí)，機器學(xué)習(xí)的幾乎每一個階段都被持續(xù)再造、重塑?！?/p>

在老冀看來，這場轟轟烈烈的重塑，正在改造和拓展機器學(xué)習(xí)的基礎(chǔ)能力、應(yīng)用能力和解決方案能力這三大能力。讓我們仔細看看，AWS是如何做到的。

更多元的基礎(chǔ)能力

對于那些技術(shù)能力超強、希望將人工智能和機器學(xué)習(xí)作為自己核心競爭力的客戶，AWS為他們提供強大的算力、全面的算力選擇、豐富的機器學(xué)習(xí)框架選擇。

AWS可以提供基于英偉達、英特爾、AMD、賽靈思等芯片廠商的最新處理器的強大算力。在這次大會上，AWS還發(fā)布了自己的機器學(xué)習(xí)專用芯片：其中，基于AWS Inferentia芯片的Inf1實例相比Nvidia G4實例，吞吐量提高3倍，且成本降低40%，從而將機器學(xué)習(xí)中“推理”的性價比做到了極致。而另一款芯片AWS Trainium，則是將“訓(xùn)練”做到了極致性價比。

在算力上，客戶既可以選擇AWS的專用芯片，也可以選擇其他廠商的產(chǎn)品。AWS大中華區(qū)云服務(wù)產(chǎn)品管理總經(jīng)理顧凡表示：“我們把所有選擇放在這里，核心目的，一個是看計算有沒有創(chuàng)新，另一個就是量體裁衣，針對你定制化的需求，把量體裁衣做到極致?！?/p>

AWS也是目前唯一一家全面支持Tensorflow、PyTorch、Apache、MXNet四大主流機器學(xué)習(xí)框架的云服務(wù)廠商。不管客戶喜歡或者需要哪個框架，AWS內(nèi)部就會有針對不同框架下的調(diào)優(yōu)團隊，保證把性能調(diào)到最優(yōu)。

針對機器學(xué)習(xí)當中的訓(xùn)練環(huán)節(jié)，AWS還專門開發(fā)了分布式訓(xùn)練（Distributed Training）模式，進一步提升訓(xùn)練的效率。在AWS平臺上，去年采用Tensorflow完成復(fù)雜的Mask-RCNN模型需要28分鐘。今年在采用了分布式訓(xùn)練模式之后，只需要6分鐘即可完成。

同樣在啟用了分布式訓(xùn)練模式之后，過去用PyTorch運行異常復(fù)雜的自然語言處理模型T5-3B，至少需要幾個月的時間才能夠?qū)⑿阅苷{(diào)整到最優(yōu)。如今，這個時間已經(jīng)縮短到了5.9天。

在算力和機器學(xué)習(xí)框架這兩個機器學(xué)習(xí)的基礎(chǔ)能力上，AWS給客戶提供了更多的選擇，也免去了他們的后顧之憂。

更豐富的應(yīng)用能力

那么，企業(yè)如何才能將機器學(xué)習(xí)的基礎(chǔ)能力轉(zhuǎn)化為應(yīng)用？要知道，很多企業(yè)都有數(shù)據(jù)開發(fā)者和數(shù)據(jù)分析師這個群體，他們雖然缺乏機器學(xué)習(xí)的知識、技能和開發(fā)人員，卻不缺少機器學(xué)習(xí)的想法。

這個時候，AWS在2017年發(fā)布的Amazon SageMaker就發(fā)揮了重大作用，它為企業(yè)提供了一個全托管的機器學(xué)習(xí)集成開發(fā)環(huán)境，并為這個開發(fā)環(huán)境不斷增加新功能，從數(shù)據(jù)準備、到模型訓(xùn)練、參數(shù)調(diào)優(yōu)與模型迭代、到模型部署、模型質(zhì)量監(jiān)控，在整個過程中最大限度地提高他們開展機器學(xué)習(xí)的效率，降低他們開展機器學(xué)習(xí)的門檻。老冀認為，Amazon SageMaker就是機器學(xué)習(xí)領(lǐng)域的APP Store。

例如，通過Amazon SageMaker，AWS將機器學(xué)習(xí)能力跟數(shù)據(jù)庫進行嫁接，讓數(shù)據(jù)庫開發(fā)者、數(shù)據(jù)分析師沿用數(shù)據(jù)庫查詢的方式，讓他們的機器學(xué)習(xí)想法落地到業(yè)務(wù)應(yīng)用中。

Amazon Aurora是AWS著名的關(guān)系型數(shù)據(jù)庫服務(wù)，AWS針對Aurora推出了新功能Amazon Aurora ML。數(shù)據(jù)庫開發(fā)者發(fā)起數(shù)據(jù)庫查詢（SQL）時，只要選擇一個機器學(xué)習(xí)模型，就會喚醒機器學(xué)習(xí)服務(wù)，Aurora ML自動將查詢結(jié)果交給機器學(xué)習(xí)模型進行推理，返回結(jié)果。例如，要查詢一個客戶評價是正面還是負面，數(shù)據(jù)庫開發(fā)者只管做數(shù)據(jù)庫查詢、選擇這個模型，返回來的查詢結(jié)果就會自動附加正面或負面判斷。類似地，出海電商想把數(shù)據(jù)庫中的商品信息變成多語種，數(shù)據(jù)庫開發(fā)者只管查詢商品信息、選擇多語種翻譯，返回的結(jié)果就會自動包含商品信息的多語種翻譯。

企業(yè)不懂機器學(xué)習(xí)？沒關(guān)系，他們只要懂數(shù)據(jù)分析，甚至只會提問就行。在這次亞馬遜re:Invent全球大會上，AWS推出了更酷的機器學(xué)習(xí)新功能Amazon QuickSight Q，客戶可以用自然語言對數(shù)據(jù)進行提問，獲得想要的數(shù)據(jù)洞察。例如，直接在查詢框中輸入“我們的同比增長率是多少？”幾秒鐘之內(nèi)就可以得到高度準確的答案。如果按以往的方式，需要在模型中預(yù)先定義增長率、更新模型、處理數(shù)據(jù)，可能需要幾天甚至幾周時間。

Amazon QuickSight Q功能演示

AWS還推出了Amazon Lookout For Metrics，它利用機器學(xué)習(xí)技術(shù)，通過企業(yè)多種數(shù)據(jù)的比對，檢測出數(shù)據(jù)異常。顧凡舉例說，一件商品的售價200元，在某個數(shù)據(jù)源變成了20元。通過Amazon Lookout For Metrics找出這種異常數(shù)據(jù)，意義重大。如果是在線銷售中出現(xiàn)這樣的價格錯誤，有可能給企業(yè)帶來巨大的損失。

此外，AWS還發(fā)布了利用機器學(xué)習(xí)的運維服務(wù)Amazon DevOps Guru，它可以幫助應(yīng)用開發(fā)人員自動檢測運維操作的問題，給出建議補救措施，提高應(yīng)用程序可用性。此前，AWS已經(jīng)推出了Amazon CodeGuru，可以讓開發(fā)人員使用機器學(xué)習(xí)自動進行代碼審核，并且提供指導(dǎo)和建議。

更端到端的解決方案

針對機器學(xué)習(xí)，AWS已經(jīng)發(fā)布了如此豐富的產(chǎn)品，它們都用在哪些領(lǐng)域？實際上，針對不同的行業(yè)、不同的領(lǐng)域、不同的場景，AWS已經(jīng)積累了足夠豐富的解決方案。

在這次的re:Invent大會上，AWS發(fā)布了五項用于工業(yè)領(lǐng)域的機器學(xué)習(xí)服務(wù)，分別是Amazon Monitron、Amazon Lookout for Equipment、AWS Panorama一體機、AWS Panorama SDK和Amazon Lookout for Vision，這也是AWS首次推出開箱即用的工業(yè)領(lǐng)域機器學(xué)習(xí)解決方案。

有了這套解決方案，哪怕你只是一家做鉛筆的傳統(tǒng)制造型企業(yè)，一樣也能夠享受到人工智能的好處。例如，你可以用Amazon Lookout for Equipment為這些已經(jīng)安裝了傳感器的機器設(shè)備建模并進行實施的監(jiān)控，一旦設(shè)備出現(xiàn)問題不僅能夠預(yù)警，還能夠迅速排除故障。你還能夠為那些沒有傳感器的設(shè)備搭載Amazon Monitron，提供由傳感器、網(wǎng)關(guān)和機器學(xué)習(xí)服務(wù)組成的端到端機器監(jiān)控系統(tǒng)。

鉛筆生產(chǎn)出來之后，如何判斷是否正常？只需要上傳30張正常鉛筆的圖像，就能夠建立基礎(chǔ)模型，然后通過Amazon Lookout for Vision對成品進行檢測，發(fā)現(xiàn)產(chǎn)品缺陷和異常。整條生產(chǎn)線的運轉(zhuǎn)狀況如何？工廠可以通過AWS Panorama一體機連接到網(wǎng)絡(luò)中，自動識別攝像頭數(shù)據(jù)流，與工業(yè)攝像頭進行交互，實現(xiàn)對整條生產(chǎn)線的監(jiān)控。

目前已經(jīng)使用AWS工業(yè)領(lǐng)域機器學(xué)習(xí)服務(wù)的客戶和合作伙伴，包括Axis、凌華科技、BP、德勤、Fender芬達、GE 醫(yī)療和西門子交通等等。

在中國，AWS的解決方案同樣應(yīng)用廣泛。前不久，AWS和國內(nèi)軟件公司中科創(chuàng)達一起為施耐德電氣的中國工廠打造了一套工業(yè)視覺整體解決方案。之前，施耐德采用傳統(tǒng)機器視覺進行產(chǎn)品檢測，可是，由于產(chǎn)品良品率高，不良品數(shù)據(jù)積累少，再加上產(chǎn)品換型速度快，傳統(tǒng)機器視覺學(xué)習(xí)力有不逮。

采用了AWS的解決方案之后，生產(chǎn)線只需要提供較少的樣本圖片，就能夠快速完成訓(xùn)練、驗證和交付，并將推理時間從超過50毫秒減少到低于20毫秒，將20%的過檢率降低到了1.5%，將3%的漏檢率直接降到了零。

“我們在做很多合作的時候，并不是給一個產(chǎn)品就可以了，很多情況下我們會開發(fā)能力，跟客戶一起來探索整個應(yīng)用模式，最后把這個項目做成?！盇WS大中華區(qū)機器學(xué)習(xí)產(chǎn)品總監(jiān)代聞表示。

如今，AWS獨具特色的解決方案已經(jīng)在中國的電氣、汽車出行、醫(yī)療服務(wù)、教育、媒體、游戲等各行各業(yè)全面開花。

重塑企業(yè)未來

如今，這個世界已經(jīng)變得越來越快速，企業(yè)也越來越難以保持過去的競爭優(yōu)勢——即使是20年前的財富500強，如今也只剩下50%。

企業(yè)如何才能基業(yè)長青？AWS CEO Andy Jassy認為，企業(yè)必須找到像AWS這樣的技術(shù)合作伙伴，用人工智能和機器學(xué)習(xí)重塑企業(yè)的流程、運營，重塑自己的未來。

例如，在與仍然還在全球肆虐的新冠疫情的賽跑中，美國生物科技公司Moderna與AWS通力合作，把以前需要一年才能完成的工作壓縮到了4個月的時間。

作為亞馬遜的元老級員工，Andy Jassy親身經(jīng)歷了亞馬遜采用機器學(xué)習(xí)重塑電商、云服務(wù)、供應(yīng)鏈等多項業(yè)務(wù)、成長為全球領(lǐng)先科技公司的全過程。如今，他率領(lǐng)的AWS正在重塑未來。

AWS全球機器學(xué)習(xí)副總裁Swami Sivasubramanian

順便提一句，12月9日，AWS全球機器學(xué)習(xí)副總裁Swami Sivasubramanian有一場關(guān)于機器學(xué)習(xí)的主題演講，對AWS在機器學(xué)習(xí)方面的舉措進行了更深入的闡述。感興趣的讀者可以在re:Invent中文官網(wǎng)觀看。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。