亞馬遜云服務(wù)（AWS）是如何成為全球云計算老大的，它做云有沒有一套可借鑒的方法論？

作為亞馬遜公司旗下云計算服務(wù)平臺，AWS也已經(jīng)推出上線14年，我們很難用一句話說清AWS能夠在云計算領(lǐng)域持續(xù)增長和創(chuàng)新的秘訣。近來，機器學習成為AWS內(nèi)部一項極其重要的業(yè)務(wù)，我們或許能夠從中總結(jié)出AWS在云計算上一些打法。

在AWS披露的一項數(shù)據(jù)中，自 2016年推出3項機器學習服務(wù)以來的5年間，AWS已經(jīng)累計推出776+的機器學習服務(wù)和功能。按照2019年的數(shù)據(jù)，新推出248項機器學習服務(wù)和功能后，機器學習在當年新推出服務(wù)和功能的總量（2345項）中的比例超過10%。

在機器學習上提供的服務(wù)越來越深入

當中國云服務(wù)商紛紛進軍產(chǎn)業(yè)界，并逐步確定差異化發(fā)展方向的時候，遠在美國的全球云計算巨頭AWS卻在瘋狂為它的機器學習服務(wù)背書。

在不久前的“亞馬遜re:Invent 2020大會”上，AWS CEO Andy Jassy 在主題演講中調(diào)侃道：“2019年，我用75分鐘來講機器學習，但2020年我想換種方式?！倍酉聛恚瑹o論是他自己的闡述還是客戶證言，在他長達3小時的演講中，“機器學習”被提及的次數(shù)超過75次。

云計算的發(fā)展，為機器學習提供了蓬勃發(fā)展的土壤。亞馬遜副總裁兼CTO Werner Vogels 博士在“2021將改變世界的八大技術(shù)趨勢”的預(yù)測中提到，機器學習在2020年已經(jīng)成為主流，未來三年內(nèi)世界產(chǎn)生的數(shù)據(jù)比過去30年還要多，而與機器學習模型相結(jié)合，使用數(shù)據(jù)攝取和聚合工具，成為各行各業(yè)處理信息的唯一實際方法。

認準了機器學習的方向之后，AWS已經(jīng)對機器學習的未來做出了趨勢性判斷，在機器學習上所提供的服務(wù)越來越深入。

從2016年-2020年的五年間，AWS在機器學習上推出的服務(wù)數(shù)量增長最快的是2017-2018年，這期間，機器學習服務(wù)從2017年的60項，增加155項至215項，此后AWS的機器學習服務(wù)每年以“200+”的增量發(fā)展。

截止目前，AWS的機器學習服務(wù)已經(jīng)形成了“上-中-下”三個層次的服務(wù)框架：

第一層，AI 服務(wù)，這類服務(wù)包含了視覺、音頻-文字互轉(zhuǎn)、聊天機器人等即拿即用的服務(wù)；

第二層，Amazon SageMaker服務(wù)，這類服務(wù)可以幫助使用者自動標記數(shù)據(jù)，并提供了SageMaker studio集成開發(fā)環(huán)境，是一個全托管的機器學習平臺；

第三層，機器學習框架和基礎(chǔ)設(shè)施，這類服務(wù)包含了可供使用者選擇的多種機器學習框架，以及包含算力芯片、服務(wù)器等的基礎(chǔ)設(shè)施。

“我們的機器學習解決方案，能夠快速進行數(shù)據(jù)的模擬，挖掘數(shù)據(jù)價值。改變數(shù)據(jù)管理體系，可以把計算和分析融入所有的業(yè)務(wù)當中?！盇ndy Jassy 在演講中說。

這正是AWS的高明之處，它將機器學習抽象為了一項通用服務(wù)，是數(shù)據(jù)湖、數(shù)據(jù)倉庫、數(shù)據(jù)智能這些當下熱門服務(wù)的必備工具。不強調(diào)行業(yè)屬性、不強調(diào)使用場景，只強調(diào)“機器學習”作為一項服務(wù)對IT和業(yè)務(wù)效率的提升。至于用到哪兒、用到什么行業(yè)什么場景，客戶說了算。

同時，機器學習也可以是更加普惠和易用的。在Andy Jassy的觀念中，機器學習不應(yīng)該是只被機器學習方面的專業(yè)人士來訓練、調(diào)優(yōu)、建構(gòu)和部署，而應(yīng)該是“Expand machine learning to more builders（讓機器學習為更多構(gòu)建者服務(wù)）”，這些“builders”包含了不是很懂機器學習的數(shù)據(jù)分析師、IT業(yè)務(wù)人員等。

事實也證明，AWS推出的機器學習服務(wù)中的SageMaker也已經(jīng)成為AWS歷史上增長最快的服務(wù)。目前，全球已經(jīng)有超過10萬的客戶在使用AWS的機器學習和人工智能服務(wù)。

不同客戶需求，促成AWS不斷創(chuàng)新

不要嘗試從AWS的口中獲得更詳細的關(guān)于產(chǎn)品創(chuàng)新的方案，在鈦媒體APP對AWS不同人員的多次采訪中，“如何保持創(chuàng)新”這個問題的答案永遠是“以客戶為中心”。實際上，不同客戶所產(chǎn)生的對機器學習的需求，也確實促成了AWS在機器學習領(lǐng)域的不斷創(chuàng)新。

AWS大中華區(qū)云服務(wù)產(chǎn)品管理總經(jīng)理顧凡舉了一個SageMaker的例子：“客戶說你們?nèi)ツ臧l(fā)布的這些東西都挺好的，但是確實是在機器學習當中有一塊硬骨頭還是沒啃，就是怎么快速地把原始數(shù)據(jù)轉(zhuǎn)化成模型所需要的核心特征，把這個步驟加快?！?/p>

在這樣的一些需求下，AWS推出了機器學習服務(wù)AWS Data Wrangler，該工具是機器學習的特征工廠。這里的“特征（function）”是機器學習中的術(shù)語，機器學習建模需要進行函數(shù)運算，數(shù)據(jù)“特征”輸入函數(shù)后，就可以輸出“標簽（label）”。機器學習工具會根據(jù)標簽來識別數(shù)據(jù)是貓、是狗還是其他。在原來的機器學習工具中，客戶需要自己將不同的數(shù)據(jù)源打通，抓取數(shù)據(jù)然后格式化，把數(shù)據(jù)特征跑出才能進入后續(xù)流程。

而在使用了AWS Data Wrangler之后，無論是單一特征還是復合特征，Data Wrangler都可以將這些快速轉(zhuǎn)換出來。并且在SageMaker Studio中，能夠可視化地看到整個轉(zhuǎn)換流程，方便進行流程干預(yù)。

另一方面，在機器學習框架上，目前大部分機器學習平臺都傾向于只支持Tensorflow。但在對客戶的調(diào)研中，AWS發(fā)現(xiàn)，其實對于一些專業(yè)做機器學習的人來說，他們希望能夠自主選擇使用哪種機器學習框架。

“AWS支持所有主流機器學習框架……我們有好幾個團隊，一個團隊是優(yōu)化Tensorflow，另外一個團隊是優(yōu)化PyTorch，還有一個團隊是專注于MXNet，這就是為什么客戶能夠獲得所有這些框架的最優(yōu)性能?！盇ndy Jassy在演講中談到。

客戶對工具這種需求，讓AWS的服務(wù)具備了一定的柔性和兼容性，不止是機器學習產(chǎn)品線，在其他產(chǎn)品線也是如此。

Amazon Aurora是AWS的一款云原生的、兼容MySQL和PostgreSQL的關(guān)系數(shù)據(jù)庫，主要使用場景是專有云，使用成本是其它商用數(shù)據(jù)庫成本的十分之一。在Severless（無服務(wù)器計算）使用場景不斷增加的情況下，有客戶提出能不能讓Aurora支持Severless，于是AWS推出了Aurora Severless V2，來滿足以上需求。

Andy Jassy坦言：“這樣做了之后，會有一些在用Aurora的客戶遷到Aurora Severless，這樣一定程度上看起來會給AWS帶來一些收入的下降，但恰恰這就是AWS做產(chǎn)品不一樣的思路。我們會聽客戶的聲音，Aurora Severless一定程度上沖擊了自己Aurora的生意，但這是客戶需要的，我們相信長期下去，我們會幫客戶更好地做到云上成本的節(jié)省，它會把更多的費用拿過去做創(chuàng)新。”

做SaaS，也做邊緣硬件

中國云計算服務(wù)商在發(fā)展中的“邊界”感很強，在創(chuàng)立的初期為了爭奪合作伙伴生態(tài)，都發(fā)表過類似“不做SaaS”的言論，但隨著產(chǎn)業(yè)互聯(lián)網(wǎng)的深入推進，SaaS已經(jīng)成為各家云計算服務(wù)商都在向客戶提供的服務(wù)。

但對于AWS來說，如果客戶有強烈的需求，AWS是不給自己設(shè)限的。既然客戶需要且AWS能夠提供，那就可以依此進行創(chuàng)新。如果這項服務(wù)與合作伙伴提供的服務(wù)產(chǎn)生沖突，那么可以平等競爭，選擇權(quán)交給客戶。

我們上文提到，AWS的機器學習服務(wù)有一個“上-中-下”的服務(wù)框架，最上層的AI 服務(wù)中就包括一些為了降低機器學習使用門檻而推出的SaaS服務(wù)。AWS表示，隨著機器學習技術(shù)被各個行業(yè)廣泛采用，在機器學習上的應(yīng)用也會越來越多。

前不久，AWS與黑莓（BlackBerry）宣布推出了智能汽車數(shù)據(jù)平臺IVY，該平臺能夠讓汽車制造企業(yè)把數(shù)據(jù)的收集、分析進行自動化，從而提供個性化的駕駛及搭乘體驗。

最近，在工業(yè)領(lǐng)域，AWS也針對性推出了五項機器學習服務(wù)，其中Amazon Monitron、Amazon Lookout for Equipment可以讓工業(yè)企業(yè)通過機器學習進行預(yù)測性維護、AWS Panorama Appliance、AWS Panorama SDK則可以通過計算機視覺改善工業(yè)運營和工作場所安全，Amazon Lookout for Vision則可以低成本、快速、準確地對圖像和視頻進行視覺異常監(jiān)測。

值得一提的是，AWS Panorama一體機其實是AWS自主設(shè)計的、部署在邊緣的硬件設(shè)備。AWS全球副總裁 Swami Sivasubramanian告訴鈦媒體APP，在客戶已有本地攝像頭的情況下，將它連接到工業(yè)場所的網(wǎng)絡(luò)中，就可以自動識別攝像頭數(shù)據(jù)流，與工業(yè)攝像頭進行交互。

既提供SaaS服務(wù)，在必要情況下也提供一些硬件設(shè)備。所以在對服務(wù)部署模式的界定上，AWS采取了更為開放的態(tài)度，不給創(chuàng)新設(shè)限。反過來講，在一些概念比較熱的時候，AWS也極少跟風。

“我們有兩個原則，一個原則是授人以魚不如授人以漁，我們更多希望幫助客戶把能力建立起來，給他工具、教會他使用工具；第二是真正在工程方面有差距、客戶需要幫助的時候，我們會幫他快速把業(yè)務(wù)難題用產(chǎn)品原型的方式實現(xiàn)出來?！盇WS大中華區(qū)云服務(wù)產(chǎn)品管理總經(jīng)理顧凡在總結(jié)時表示。

數(shù)據(jù)顯示，AWS在 2011年發(fā)布了包含機器學習服務(wù)在內(nèi)的80 多項重要服務(wù)和功能；2012年發(fā)布了近 160 項；2016 年發(fā)布了 1017 項；2019 年發(fā)布了 2345項。

這么多的服務(wù)，AWS如何保證創(chuàng)新的真正落地呢？

“我們的產(chǎn)品至少有90%以上完全是根據(jù)客戶的需求開發(fā)成產(chǎn)品的。如果你看我們推出一款產(chǎn)品，首先你要相信一定在社會上、在全球范圍內(nèi)有很多客戶有這種需求?！盇WS大中華區(qū)首席云計算企業(yè)戰(zhàn)略顧問張俠說。

同時，一項產(chǎn)品上線，并不是要求讓所有客戶都用起來?！懊恳淮蝦e:Invent發(fā)布的時候，我們的客戶會非常興奮，因為他是帶著需求看大會發(fā)布的。無論從新用戶還是老用戶來講，創(chuàng)新無法落地的問題是不存在的?！?br /> 責任編輯:tzh