文章來源於量子位
電商鼻祖、零售巨頭亞馬遜，標籤該增加一個了。
從2022 Q1最新財報來看，雲端計算業務已成了亞馬遜主要增長和盈利來源：
一季度營業收入同比增長37%到達184.4億美元；營業利潤同比增長57%為65.2億美元；利潤率35.3%，比上季度的29.8和去年同期30.8%都高出一截。
要知道，全球雲端計算市場上亞馬遜本就是龐然大物，公有云市場佔有率38.9%，超過後三名之和。
大體量還高增速，讓坊間甚至出現了“增長神話”這樣的提法。
Gartner 2020-2021年IaaS公有云市場佔有率資料
換一個角度看，亞馬遜雲科技在Gartner®釋出的Magic Quadrant™ for Cloud AI Developer Services報告中也位列領導者象限。
要論“增長神話”背後靠的什麼，創新是不得不提的。
特別是近年來，雲端計算作為向AI提供大算力和大資料儲存傳輸能力的基礎設施，也開始向與AI深度融合。
跳出雲端計算範圍，在國內全部AI開發平臺應用市場上亞馬遜雲科技也被評為創新力第一。
弗若斯特沙利文&頭豹研究院
《2021年中國AI開發平臺市場報告》
亞馬遜雲科技的這一面，在國內一直以來易於被忽視，只是由於雲端計算並不直接與消費者大眾接觸，而是在日常生活方方面面的背後提供著支援。
這次財務資料的變化將作為一個醒目的標誌，將成為市場對亞馬遜認知翻轉的起點。
一直以來，亞馬遜雲科技在中國推動新技術落地、幫助中企出海和外企本地化、促進傳統行業數字化智慧化轉型的這一面，也將被更多人看到。
新技術落地
要說當下談落地談得最火熱的行業，智慧汽車肯定是其中之一，但光自動駕駛一個環節想要落地就困難重重。
根據美國蘭德公司的研究，自動駕駛演算法想要達到人類司機水平至少需要累計177億公里的駕駛資料來完善演算法。
先不提達到人類水平這麼沒邊的事，按照現在最受認可的SAE自動駕駛分級標準，達到L3級別也要2000萬公里路測里程。
上千萬公里路測產生的資料規模要達到EB級，也就是常見的TB乘上1024再乘一個1024。
更頭疼的是，不同環節需要的資料格式還不統一，比如資料匯入時需要的是S3/NFS格式，資料預處理需要HDFS格式，AI訓練又需要NFS格式，後面還有模擬、模型驗證….
來自中國計算機學會高效能運算專業委員會
《資料密集型超算技術白皮書》
智慧汽車行業裡面眾多的創業公司，人力物力都有限，要想自建IT系統就基本幹不了別的事了，一方面是自建的規模難以跟上快速發展的業務腳步，一方面是運營維護又要牽扯一大堆精力。
為了專注於核心技術研發，遷移至第三方雲端計算服務就成了自然的選擇。
採用亞馬遜雲科技機器學習平臺的國內自動駕駛公司還有Momenta、智加科技等，全球範圍更是有Aurora、Mobileye、圖森未來等。
給每一位客戶單獨提供雲端計算資源並不是亞馬遜雲科技的全部考量。
積累了大量行業經驗後，亞馬遜雲科技21年12月推出兩款針對性的新服務：解決資料收集問題的Amazon IoT FleetWise和行業解決方案Amazon for Automotive。
還面向零機器學習經驗群體推出Amazon SageMaker Canvas無程式碼機器學習平臺。
Amazon SageMaker Canvas將機器學習模型的諸多步驟視覺化為可互動的 UI，讓業務、人力、財務等部門人員不寫一行程式碼就能快速生成機器學習預測模型，解決工作中的問題。
目前寶馬已經在整個價值鏈中採用 AI，使其能夠為客戶、產品、員工和流程創造附加價值。Amazon SageMaker Canvas 可以推動AI/ML 擴充套件到整個寶馬集團。藉助 SageMaker Canvas，其商業使用者無需編寫任何程式碼即可輕鬆探索和構建 ML 模型以做出準確的預測。Amazon SageMaker 還能夠讓寶馬的中央資料科學團隊進行協作，並在將商業使用者建立的模型釋出到生產之前對其進行評估。
中企出海、外企本地化
AI與資料分析如今不只是前沿產業的專利，在更廣大的消費和網際網路產業同樣有用武之地。
其中智慧製造和數字經濟出海都在資本與政策的雙重紅利下，前景廣闊。
出海企業面臨的煩惱與自動駕駛行業相比又多出幾個，需要全球統一的基礎設施架構，面對跨境支付帶來的風險，還要滿足各國日益嚴格的資料安全合規要求。
由此一來，亞馬遜雲科技因其自身定位原因，尤其受想要出海發展的中國企業以及想要在中國落地的外企青睞。
在艾瑞諮詢包含出海業務的中國公有云市場份額統計中，亞馬遜雲科技排名第二。
中企出海的例子如OPPO，其智慧手機海外出貨量佔比已超過一半，可穿戴智慧裝置市場也在開發中。
OPPO的AI小布助手月活過億，如何降低AI推理成本、提升AI推理效率就是關鍵。
除了自己想辦法優化演算法以外，還能請一個外援就是專用推理晶片。
OPPO最終選擇將小布助手部署在Amazon EC2 Inf1例項上，採用亞馬遜雲科技自研Inferentia推理晶片，比上一代基於GPU的例項單次推理成本最高可降低70%。
小布助手在Q&A以及閒聊兩個場景下整體推理節省高達35%左右，端到端延遲降低多達25%。
遷移至新晶片工作量也不大，配合上Amazon Neuron開發工具包只需要最少的的程式碼更改即可。
外企本地化方面的代表是Daniel Wellington，這是一個來自歐洲的鐘表和珠寶製造商。
進入全球市場後他們發現一個普遍問題，就是本部與全球消費者之間有時差。
比如客戶報修或申請退貨而負責稽核的人還在深夜，就得等第二天再說了，消費體驗很不好。
後來他們基於Amazon Rekognition影像識別API建立了自動化流程，基於影像識別的退貨速度比以往快了15倍。
從這個小案例還可以看出雲端計算更大的發展空間。
與自身具備AI技術需要計算資源的少數企業相比，更多企業自身需要的是基於現有AI能力來定製適合自己的業務流程。
在這方面，除了上面提到的Amazon Rekognition以外，亞馬遜雲科技還提供了一系列相關產品。
Amazon Personalize，預置了推薦系統必要的基礎設施、演算法，提供API介面，能快速構建個性化推薦應用，樂天瑪特超市用它使客戶從未購買過的產品數量增加了40%。
Amazon Connect，為聯絡中心帶來AI座席排程、風險欺詐檢測、情緒分析等能力，比傳統聯絡中心解決方案最高能節省80%的成本。
Amazon Lex，將Alexa語音助手同款技術開放出來，可構建、部署和管理定製化的語音聊天機器人，還能原生整合Amazon Connect構建的聯絡中心。
使用這些產品無需專業AI知識，僅靠傳統軟體開發人員便可快速構建AI應用。
但是，那些連傳統IT開發能力都不足的企業又該如何？
傳統行業智慧化轉型
數字化轉型、智慧化升級是近年來的熱詞。
根據權威市場研究機構IDC預測，到2024年AI將成為所有企業不可或缺的組成部分。
隨著工業製造、物流、能源、交通、農業等越來越多的傳統行業智慧化轉型需求迸發，屆時有25%的AI投入會以結果即服務 (Outcomes-as-a-Service) 的形式規模化推動創新。
對於製造業來說，一個AI重要的用武之地是需求預測。
尤其是反覆無常的疫情，讓製造業的客戶需求、上下游供應鏈都出現了前所未有的波動。
富士康與Amazon Machine Learning Solutions Lab合作，用Amazon Forecast時間序列預測服務為旗下一座工廠開發了一個端到端的需求預測模型。
這套解決方案將預測準確率提升了8%，每年將為該工廠節約55.3萬美元。
同樣能提供端到端AI能力的還有Amazon Monitron，基礎用法是監測工業裝置的異常，更高階的是在裝置出現真正問題之前就通過機器學習及時發現。
專業說法叫“預測性維護”，一方面可以防止因某個裝置意外停機影響整個生產線的運轉、以及可能出現的安全問題，另一方面在故障前及時維護也能增加單個裝置的使用壽命。
這套方案已用於樂器製造商Fender與通用電氣旗下天然氣發電供應商GE Gas Power等多個行業客戶。
雲數智一體，是這個時代的答案
看過前面的那麼多各行各業的案例，不難總結出兩個規律。
第一，從高新科技到網際網路、消費再到更傳統的行業，都離不開雲端計算、AI和資料分析的緊密結合。
資料常被比喻為“數字石油”，是這個時代最重要的生產要素。需要AI演算法從海量資料中挖掘出更多價值，AI演算法又需要雲端計算提供大量算力。
這就是全球雲端計算市場規模在15年間從0成長到2021年的7050億美元規模的主要邏輯。
第二，離技術越遠的行業在智慧化升級中產生的需求越大，也越需要完整、端到端的解決方案。
如此一來，大資料、人工智慧、雲端計算的一體化發展便是這個時代的答案。
於是這一段時間我們看到，各地原有的大資料中心紛紛升級改建成智慧計算中心，AI演算法起家的公司如商湯開始自建算力供應體系，而云計算公司都在自研AI晶片與發展AI技術。
而在這眾多玩家之中，用綜合性解決方案、全面的AI/ML工具、MLops方法論及服務來降低AI使用門檻，正是亞馬遜雲科技的優勢所在，也是“增長神話”背後的動力。
就亞馬遜雲科技在國內市場的表現來看，其技術體系也沒有出現水土不服的問題，反倒成了中企出海和外企紮根的連線點。
上面說到的那麼多雲服務，其實也只是這個技術體系中的冰山一角。
每年亞馬遜雲科技都會上新幾千項服務，其中AI相關的服務也有250+。
如此數量，讓相關從業者都有種“你慢點出，我學不過來了”的感覺。
好在亞馬遜雲科技每年會通過INNOVATE大會的形式把近期動向集中梳理、呈現。
據悉今年的INNOVATE大會正是以“人工智慧新引擎”為主題，免費報名、線上參會。
要想了解亞馬遜雲科技在AI技術這一面的，不妨下週去看看。
點選連結，報名參會
https://www.awsevents.cn/inno...
參考資料：
[1]https://ir.aboutamazon.com/ne...
[2]https://www.gartner.com/en/do...
[3]https://www.idc.com/research/...
[4]《2021年中國AI開發平臺市場報告》
[5]https://www.iresearch.com.cn/...
[6]https://www.amazonaws.cn/cust...
[7]https://aws.amazon.com/cn/ec2...
[8]https://aws.amazon.com/cn/rek...
[9]https://aws.amazon.com/cn/for...
[10]https://www.iresearch.com.cn/...