AWS副总裁Swami：AWS用机器学习驱动企业创新

小提示：您能找到这篇{AWS副总裁Swami：AWS用机器学习驱动企业创新}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的AWS副总裁Swami：AWS用机器学习驱动企业创新内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

< ">为什么各行各业的客户，都喜欢选择亚马逊云服务（AWS）的机器学习服务？

< ">在近日召开的AWS re:Invent 2020上，AWS全球机器学习副总裁Swami Sivasubramanian（以下简称Swami）针对人工智能与机器学习话题发表了长达数小时的演讲，同时也揭晓了上述问题的答案。

< ">机器学习：实现人工智能的重要途径

< ">如果要评选出当下最炙手可热的IT技术，恐怕大多数人脑海里第一时间想到的都是AI人工智能。

< ">1956年，美国麻省理工学院教授约翰麦卡锡在达特矛斯会议上首次提出了“Artificial Intelligence”（人工智能，简称AI）这一术语，这也被人们普遍视为人工智能正式诞生的标志。

< ">然而当时许多人没有想到的是，在相当漫长的一段时间里，由于数据缺乏、算力不足等种种原因，人工智能的落地与应三鹿奶粉现象危机公关用遇到了严重的瓶颈。不少学者甚至认为，人工智能所描绘的美妙前景只不过是镜中花，水中月，永远也难以成为现实。

< ">不过，随着近年来云计算、大数据等新兴技术的快速崛起，各种数据量开始呈现出几何级数的飞速增长，算力也获得了极大的提升，这也成为了驱动人工智能技术发展的巨大推动力。而作为实现人工智能的重要途径，Machine Learning（机器学习，简称ML）技术正是在这种背景之下得到了快速发展。

< ">俗话说“工欲善其事，必先利其器”，通过分析和设计各种算法，机器学习服务可以让计算机从海量的数据中自动学习并寻找规律，从而极大地加速人工智能在各个行业领域的应用与落地，因此深受广大开发者喜爱。这也是业内人士在谈论人工智能话题时，往往都会将云计算、大数据、机器学习也一并带入的原因。

< ">AWS：机器学习领域的佼佼者

< ">在众多的机器学习服务提供商中，AWS无疑是最令人瞩目的佼佼者之一。

< ">从几年前刚刚开始推出AI SaaS的机器学习服务，到2017年正式发布大受好评的Amazon SageMaker，AWS近年来在机器学习领域的进展可以说是突飞猛进。

< ">“在过去的三年里，AWS每年都交付了200多项机器学习功能。其中光是在2020年，AWS就新增了250多项机器学习功能。对于人工智能技术来说，这些机器学习功能非常重要，AWS真正释放了人工智能技术的能力。”AWS大中华区云服务产品管理总经理顾凡表示，“目前全球已经有超过10万家客户在使用AWS的机器学习服务。这些客户覆盖了各行各业，无论是金融、医疗、媒体、汽车、制造还是零售、体育行业，都在使用我们的机器学习。”

< ">Swami指出，AWS的机器学习为客户提供了非常丰富的功能与服务，越来越多的行业客户都使用AWS提供的这些工具，在各种应用场景更好地开展自身的业务。譬如通过使用AWS提供的机器学习模型，客户可以将训练时间从过去的几天变成几个小时，节省大量的时间精力，并且大幅缩短部署时间，更快地开展创新。

< ">AWS机器学习服务的特点

< ">为什么这么多行业客户都对AWS的机器学习服务青睐有加？Swami认为，主要是因为AWS的机器学习服务具备以下几个特点：

< ">1、服务的宽度和深度。针对机器学习，AWS的态度一直是“Right tools for the right job”，意思就是用合适的工具做合适的事，一把钥匙开一把锁。针对客户想要运行什么样的工作，在什么样的场景下，应该选择工具箱中什么样的工具，AWS都能为其提供最适合的服务和解决方案。这也是AWS机器学习服务在宽度和深度上的一大优势。

< ">2、开放的心态。在云计算、人工智能、机器学习领域，AWS始终抱着开放合作的心态，包括AWS提供的很多工具都是非常开放的，可以同客户的整个运行环境做到非常好的集成与兼容。

< ">3、AWS与客户配合的模式。将“以客户为中心”作为企业文化的AWS，在服务客户的时候始终遵循两大原则：一是授人以鱼不如授人以渔，AWS为客户提供工具的同时，更希望能教会客户使用工具，从而真正建立起自己的能力；二是在工程方面出现差距、产品原型实现困难等客户需要帮助的时候，AWS也会助力客户快速解决技术和业务难题。

< ">机器学习驱动企业创新

< ">在AWS re:Invent 2020的主题演讲中，Swami重点提到了四大主题：

< ">1、关于机器学习的坚实基础

< ">这个基础包括两件事情：一是机器学习的框架，二是机器学习所依赖的底层算力的基础架构，也就是各种各样的CPU、GPU。AWS的愿景，是将机器学习作为一项工具交到所有企业的手中，而不是仅仅掌握在几家大企业手里。为此AWS会对机器学习的框架做全部的支撑和优化，并不遗余力的将这个选择权留给客户。

< ">2、创造机器学习的成功捷径

< ">对于很多客户来说，就算底层架构非常扎实，那也不一定能把机器学习完全用起来。企业仍然需要在Amazon SageMaker这样一个强大的、端到端的、高度集成案例的环境下，才能实现应用的快速落地。在机器学习的实例方面，各种计算、存储、成本的需求永远有无数种组合，AWS会通过Amazon SageMaker的不断迭代，将机器学习工作流里的每一个步骤的易用性做到极致。

< ">3、让更多的人加入到机器学习赋能

< ">众所周知，Amazon SageMaker可以为数据科学家、数据开发工程师或者机器学习开发工程师提供极大的助力，但是事实上，真正想要使用机器学习的人远比这些人群更加庞大。这些人群也许不希望学习机器学习的艰深技术，但这并不代表他们用不到，因此AWS一直在努力让机器学习服务为更多的人赋能。

< ">4、端到端解决客户的实际业务问题

< ">随着技术的不断演进，机器学习的场景也在不断拓宽。无论是工业制造的场景，还是边缘的场景，AWS机器学习服务都可以为其提供端到端打包的一体化解决方案。

< ">“在过去的几年中，机器学习已经走了很长的一段路，技术壁垒已经极大的降低，这使得开发者能够快速应用机器学习，来解决他们最有挑战性的问题和争取最大的机会。”Swami表示，“尤其是在新冠疫情之下，我们的客户更加需要快速回应这个不断变化的世界，他们应用机器学习创造新的方式和客户互动，重新思考工作和学习的方式以及自动化商业流程，以便更快地回应客户的需求。譬如医疗行业可以用机器学习来追踪疾病，寻找新的方法来治疗和照顾病人，加速疫苗的研发等等。他们之所以能够做到这一点，是因为他们的模型建造者能够充分利用机延安网站建设器学习的潜力，自由地去发明这些技术。这也是AWS团队的热情所在，是我们不断驱动创新，日复一日推出新功能的原因。”