作為亞馬遜旗下的云計(jì)算服務(wù)平臺(tái)，AWS 如今已邁入第 11 個(gè)年頭，成為年化收入 140 億美元，卻仍然保有 43% 年增長(zhǎng)的龐然大物。

在亞馬遜 AWS 全球副總裁、大中華區(qū)執(zhí)行董事容永康看來(lái)，AWS 取得今天的成績(jī)是一個(gè)水到渠成的過(guò)程。當(dāng)其他企業(yè)還在討論亞馬遜提出的新概念的可行性時(shí)，公司就已積累了大量?jī)?nèi)部測(cè)試經(jīng)驗(yàn)，當(dāng)一項(xiàng)技術(shù)達(dá)到一定的成熟度，AWS 則順理成章地將相關(guān)資源開(kāi)放給客戶。

從一個(gè)眾人眼中的公有云平臺(tái)，到被公認(rèn)為企業(yè)轉(zhuǎn)型與創(chuàng)新所需的技術(shù)平臺(tái)，亞馬遜的技術(shù)儲(chǔ)備，就是 AWS 提供云服務(wù)的底氣。與谷歌、微軟以軟件即服務(wù)（SaaS）起家，逐漸下移到平臺(tái)即服務(wù)（PaaS）和基礎(chǔ)設(shè)施即服務(wù)（IaaS）的路線不同，亞馬遜一開(kāi)始就提供基礎(chǔ)設(shè)施，在此基礎(chǔ)上，為滿足不同開(kāi)發(fā)者的需求，進(jìn)一步提供平臺(tái)與軟件。如今，AWS 提供超過(guò) 90 個(gè)大類的服務(wù)，擁有數(shù)百萬(wàn)月活躍用戶，涵蓋了不同的企業(yè)類型與企業(yè)規(guī)模。

7 月 27 日，2017 AWS 技術(shù)峰會(huì)北京站在國(guó)家會(huì)議中心舉行，會(huì)上，容永康與亞馬遜首席技術(shù)執(zhí)行官 Werner Vogels 對(duì) AWS 的業(yè)務(wù)進(jìn)行了梳理，眾多 AWS 的客戶和合作伙伴也分享了他們使用 AWS 云服務(wù)的經(jīng)驗(yàn)。人工智能作為一個(gè)對(duì)云計(jì)算有巨大需求的領(lǐng)域，作為 AWS 眼中未來(lái)十年的大趨勢(shì)之一和近期投入大量資源的方向，也引發(fā)了廣泛的關(guān)注和討論。AWS 為人工智能領(lǐng)域提供了哪些產(chǎn)品？其優(yōu)勢(shì)體現(xiàn)在哪些方面？機(jī)器之能在采訪了相關(guān)負(fù)責(zé)人及行業(yè)用戶之后結(jié)合演講內(nèi)容進(jìn)行了以下梳理。

應(yīng)用云計(jì)算的人工智能相關(guān)公司可以從「開(kāi)發(fā)者」和「應(yīng)用者」的角度簡(jiǎn)單分為兩類。開(kāi)發(fā)者以人工智能模型本身作為產(chǎn)品，以算法為核心建立新的行業(yè)秩序、劃定新的分配原則，創(chuàng)造或顛覆一種商業(yè)模式。他們對(duì)云的需求是數(shù)據(jù)存儲(chǔ)、計(jì)算能力基礎(chǔ)設(shè)施以及機(jī)器學(xué)習(xí)框架平臺(tái)。此類業(yè)務(wù)中最典型的莫過(guò)于自動(dòng)駕駛。

應(yīng)用者則利用人工智能的技術(shù)加強(qiáng)自己原有的產(chǎn)品與服務(wù)，這類企業(yè)的工程師未必有人工智能核心算法的開(kāi)發(fā)能力，因此以 SaaS 的形式提供通用的，可以進(jìn)行有針對(duì)性微調(diào)的人工智能接口更符合他們的需求。這類公司可以通過(guò)調(diào)用相應(yīng) API 與自身的產(chǎn)品或服務(wù)配合。智能家居、智能農(nóng)業(yè)公司都是常見(jiàn)的應(yīng)用者。

AWS 為兩種類型的公司都提供了豐富的產(chǎn)品線。

致力于自動(dòng)駕駛領(lǐng)域的圖森未來(lái)是開(kāi)發(fā)者中的 AWS「重度用戶」，其 COO 郝佳男在媒體溝通會(huì)上提供了近十種圖森未來(lái)使用 AWS 的典型場(chǎng)景。他表示，AWS 吸引他的地方在于，當(dāng)他按照需求構(gòu)建架構(gòu)時(shí)，可以像拼圖一樣從 AWS 的產(chǎn)品列表中找到合適的產(chǎn)品。

Vogel 也在演講中表示，規(guī)模龐大、來(lái)源復(fù)雜的數(shù)據(jù)是人工智能領(lǐng)域面對(duì)的首要挑戰(zhàn)，首先要對(duì)數(shù)據(jù)進(jìn)行管理和處理，然后是使用 GPU 進(jìn)行訓(xùn)練，最后在邊緣設(shè)備上運(yùn)行模型做出預(yù)測(cè)。

對(duì)于圖森來(lái)說(shuō)，車(chē)就是「邊緣設(shè)備」，而為了讓車(chē)運(yùn)行，主要的工作其實(shí)都在車(chē)外的云端完成。研發(fā)車(chē)背后的系統(tǒng)需要大規(guī)模的基礎(chǔ)架構(gòu)平臺(tái)支持，這就是圖森未來(lái)與 AWS 結(jié)合之處。

首先是數(shù)據(jù)，郝佳男介紹，需要解決的問(wèn)題涉及數(shù)據(jù)的上傳、存儲(chǔ)、標(biāo)注、抓取等多方面。用于數(shù)據(jù)收集的車(chē)輛上搭載大量傳感器，每輛車(chē)每小時(shí)產(chǎn)生的原始數(shù)據(jù)就有 TB 級(jí)別。如何讓不同來(lái)源的數(shù)據(jù)從車(chē)上流暢地流向云端并不是一件容易的事情。而數(shù)據(jù)上傳之后，還需要上千人對(duì)數(shù)據(jù)進(jìn)行標(biāo)注，之后才能訓(xùn)練監(jiān)督學(xué)習(xí)類型的人工智能算法。標(biāo)注完成，在使用數(shù)據(jù)時(shí)，并非每次都抓取所有的數(shù)據(jù)，比如訓(xùn)練雨天的算法，就需要對(duì)雨天的數(shù)據(jù)進(jìn)行查詢和操作。

為了解決這些復(fù)雜的問(wèn)題，圖森未來(lái)使用了多種 AWS 產(chǎn)品，將數(shù)據(jù)從本地傳到云端，穩(wěn)定的鏈路需要 Direct Connet，傳輸大量數(shù)據(jù)需要 Snowball。數(shù)據(jù)和大部分產(chǎn)品在 S3 上，數(shù)據(jù)到達(dá) S3 就會(huì)觸發(fā) Lambda 做預(yù)處理，Glacier 提供數(shù)據(jù)備份，RDS 提供元數(shù)據(jù)檢索。

在架構(gòu)和算法層面，以可擴(kuò)展性聞名的 MXNet 是 AWS 的官方深度學(xué)習(xí)平臺(tái)，使用者可以通過(guò) MXNet 的 AMI 快速構(gòu)建 MXNet 環(huán)境。一個(gè)典型的訓(xùn)練，可能需要 8 個(gè) GPU 花費(fèi)數(shù)小時(shí)才能完成，EC2 提供的彈性計(jì)算資源則從基礎(chǔ)架構(gòu)層面解決了資源調(diào)度的問(wèn)題。

作為一家自動(dòng)駕駛公司，郝佳男認(rèn)為，他們應(yīng)該把更多精力和成本投入在自動(dòng)駕駛上，AWS 則以低運(yùn)營(yíng)成本、高可用性，滿足了人工智能開(kāi)發(fā)者在研發(fā)過(guò)程中對(duì)基礎(chǔ)架構(gòu)的需求，使他們的研發(fā)得以順利進(jìn)行，減少車(chē)輛在路測(cè)時(shí)的問(wèn)題。