手握“工具箱”，才能掌控AI时代

“扶上马、送一程，这才是真正的赋能客户创新。”这是我们又一次听到亚马逊云科技大中华区云服务产品管理总经理顾凡的这句“经典”语录。一直以来，亚马逊云科技也都是这样帮扶客户实现创新的。

现如今，AI及各种应用早已大行其道，与我们常见的云资源简单租赁不同，AI相关应用对技术要求非常高，很多创新型企业没有太多人力、物力资源投入到算法、数据方面。而亚马逊云科技本身有着强大的技术实力及资源，包括架构师、人工智能实验室、数据实验室、快速开发团队和专业服务等等。

正所谓“能力越大，责任越大”，众多行业用户正在期盼获得强大的技术支撑。为此，亚马逊云科技开始通过这些技术与人力资源，来赋能客户实现AI创新。

亚马逊云科技为用户提供实现AI的“工具箱”

据顾凡介绍，全球有数以十万计的客户在使用亚马逊云科技进行机器学习创新。在机器学习领域，TensorFlow和PyTorch排名前两位，分别有92%的TensorFlow和91%的PyTorch在云上的工作负载都部署在亚马逊云平台，从用户自身使用的“投票”结果来看，在亚马逊云端进行机器学习已经非常成熟了。

有如此多的客户选择亚马逊云科技，其中一个重要原因就是亚马逊云科技想把AI/ML普惠作为核心使命！想要完成这个使命，最重要的就是为不同客户提供不同的工具，也可以称为功能更齐全的工具箱。

如果只提供一把“锤子”，那么肯定难以满足客户的各种复杂需求，所以要换成强大的工具箱。2016年到2020年，亚马逊云科技在人工智能和机器学习方面服务、开发和迭代的速度非常快，仅仅2020年一年就新增了250多项机器学习的功能。

授人以渔的核心，是通过开发工程师和数据科学家来帮助客户共同做完机器学习，之后客户自己仍然可以快速迭代、开发并规模化地产生数据模型。为客户留下一系列工具和相应的优秀人才，这才是亚马逊云科技做工具箱的核心目的。

Amazon SageMaker在中国普惠AI

Amazon SageMaker正式落地中国区域一周年，我们也见证了中国各个行业各种类型客户积极应用亚马逊云科技服务进行机器学习创新。

Amazon SageMaker是一个开放的平台，其于对机器学习框架能够提供广泛的支撑，除了常见的三大框架之外，客户自己的机器学习框架也可以提供支持，同时还有二十多个功能可供选择。如果用户已经有了机器学习的平台，那么SageMaker可以和自己的开源DIY机器学习集成，这就是开放平台的魅力。

亚马逊云科技在机器学习方面，为了达到普惠也在持续不断地努力。AutoGluon自动化机器学习是非常热门的话题，真正实现了客户写几行代码就可以构建出一个模型，把特征的调取、参数的调优、模型的建立都自动化完成，进一步地拉低整个机器学习的门槛。

DGL图神经网络是亚马逊云科技上海人工智能实验室在中国本地的一个非常重要的成果，这样的框架针对风险预测、反欺诈，包括非常多新的场景下都需要图神经网络框架作为支撑。无论是AutoGluon、DGL还是MxNet都是开源的，亚马逊云科技要不遗余力地推进开源生态系统，才能让更多的开发者加入到机器学习这样低门槛的开发环境当中。

实战AI，为企业带来创新

无论是何种新技术，只有真正落地实践才能检验出是否优秀。在此次大会上，我们看到了来自山东淄博市热力集团的应用案例，他们通过亚马逊云科技AL/ML技术和服务，快速构建、训练和部署机器学习模型，实现了精准供热，可以根据气象、工控数据、建筑物维护结构等信息计算出最佳的供热模式，并给出具体的操作指令，既让用户室温始终保持人体最佳舒适温度，又做到尽可能节约成本。

众所周知，供热公司在工作主要是向居民建筑供暖，但随着节能化的不断深入，他们会更多地考虑如何节省能源。在应用机器学习和大数据分析之前，都是依靠有经验的老专家调节各种参数，对技术水平要求非常高，在环境快速变化的情况下同样容易出现纰漏。而当建立起智能供热平台之后，对于各种环境下的供热需求提供精准管理，既智能又快捷，这就是机器学习所带来的创新。

此外，还有中科创达做的施奈德工厂AI质检项目，通过机器学习和人工智能服务，用机器替代人工，不仅快速提升了工作效率，还有效降低了运营成本。并且该案例还将打包成整体解决方案，服务到施耐德下游合作伙伴。对于整个行业而言，面对有共通性的应用场景，无需自己再去从头来做，节约了大量时间和试错成本。

就像顾凡所说的那样：我们每天早晨起床只要一触碰到智能手机，就开始与人工智能进行交互了，AI早已无处不在。

在机器学习底层的框架和基础架构层面，亚马逊云科技全面提供基于各家芯片供应商的最新技术选项，提供从小到大多种配置，支持市面上流行的各种机器学习框架和算法。在亚马逊云科技看来，“赋能客户创新”早已不是一句简单的口号，它成为了服务的重要组成部分，助力客户以最小的试错成本完成业务创新。