发布于: Feb 16, 2023
日前，全球知名市场调研机构弗若斯特沙利文（Frost & Sullivan, 简称沙利文）联合头豹研究院发布《2022 年中国 AI 开发平台市场报告》，亚马逊云科技连续两年蝉联榜首，在中国 AI 开发平台市场的综合表现中，处于“弗若斯特雷达”创新指数和增长指数的最高位置。亚马逊云科技在 AI 开发平台领域提供完备的 AI 开发软硬件全栈服务，并通过“智能湖仓架构”加速数智融合，同时投身 AI 普惠化以构建完善的 AI 开放体系，让机器学习变得触手可及。
该报告以人工智能领域开发平台产品为核心研究对象，研究周期为 2022 年（数据截至 2022 年 11 月 25 日）。报告数据显示：中国 AI 开发平台 2021 年市场规模为 234.8 亿元，预计到 2025 年将达到 365 亿元。
沙利文咨询总监李庆表示：“亚马逊云科技在数据处理能力、平台易用性和开放性等 AI 开发平台的核心领域提供众多创新服务，不仅‘授人以鱼’，更坚持‘授人以渔’，通过提供高兼容性、高功能模块化的 AI 开发平台服务，让机器学习能力掌握在每一位开发者手中。”
亚马逊云科技提供完备的 AI 开发软硬件全栈服务，在技术堆栈的三个层面提供广泛的服务组合，从专用基础设施服务到 AI 平台，再到各类场景化开箱即用的 AI 服务，全面满足各类型客户的不同需求。
在底层 AI 基础设施层面，亚马逊云科技在机器学习底层的框架和基础架构领域，全面提供基于各芯片供应商的最新技术选项和从小到大的各种配置，支持市面上流行的各种机器学习框架和算法。同时，为了不断向客户提供更好性价比的算力，亚马逊云科技自主设计芯片，推出了高性能机器习训练芯片 Amazon Trainium 和第二代高性能机器学习推理芯片 Amazon Inferentia2，并在刚刚过去的 re:Invent 2022上发布了采用上述自研芯片的最新实例。采用 Amazon Trainium 芯片的 Amazon Elastic Compute Cloud (Amazon EC2) Trn1n 网络优化型训练实例，可提供 1600Gbps 网络带宽，有助于实现超大模型的并行训练；采用 Amazon Inferentia2 芯片的 Amazon EC2 Inf2 推理实例，专为运行大型深度学习模型而构建，单实例可支持多达1,750亿参数模型的推理，并且支持分布式推理，与当前一代实例相比可提供高达4倍的吞吐量，降低多达10倍的延迟。
在中间层的 AI 平台层面，亚马逊云科技不断完善机器学习相关服务和功能，在机器学习数据准备、数据源、数据可视化等方面提供大量创新服务，其中核心产品 Amazon SageMaker 在推出的五年时间里提供超过290项新功能与新特性。机器学习数据标注服务 Amazon SageMaker Ground Truth 新增的合成数据（图像）生成功能，让客户无需手动标注即可生成数十万计已标注的合成图像，有效提高了标注的准确性，并能够快速获取高质量的训练数据集。在 2022 re:Invent 上，亚马逊云科技还推出了 Amazon SageMaker 的八项新功能，其中，Amazon SageMaker Studio Notebook 推出了全新设计的用户界面，新增了可视化的数据准备功能和实时协作功能，同时也支持了将 Notebook 代码自动转换为生产就绪的作业，实现在生产环境的自动化运行，加速机器学习实验到生产的过程。除此之外，亚马逊云科技还为机器学习数据准备工具 Amazon SageMaker Data Wrangler 新增了40多个数据源，进一步提升了平台的易用性。
在上层的人工智能服务层面，亚马逊云科技为没有机器学习专业知识和技能的客户提供开箱即用的人工智能服务，这些服务覆盖了文本分析、代码检查、聊天机器人、需求预测、文档分析、企业搜索、反欺诈、图像视频分析、个性化推荐、实时翻译、文本语音转换、转录等各种功能，可以迅速开发成为面向各种具体应用场景的 AI 解决方案。其中，构建个性化推荐系统的完全托管型机器学习服务 Amazon Personalize，自动语音识别 (ASR)服务 Amazon Transcribe 等多项新服务及功能，均已在中国区域（西云数据运营宁夏区域、光环新网运营北京区域）推出。
数智融合的趋势下，如何为 AI/ML 提供高效简洁的统一数据治理成为考验 AI 开发平台软实力的重要一环，亚马逊云科技推出的“智能湖仓架构”融合了机器学习平台与数据管理平台，为开发者提供数智融合、统一治理的便捷体验。Amazon Redshift ML 和 Amazon Athena ML 功能均支持以 SQL 语句的方式，直接利用数据仓库或数据库中的数据发起模型训练请求，通过 Amazon SageMaker 内置的 AutoML 能力提供模型训练，并以 SQL 语句返回。最新发布的 Amazon SageMaker ML Governance 新增3项模型治理功能，可以帮助客户更轻松控制访问权限，以及在整个机器学习生命周期中记录和审查模型信息，并通过 Model Dashboard 集中界面来跟踪和监控模型上线后的性能。
亚马逊云科技还积极投身 AI/ML 的普惠化，不但推出一系列低代码机器学习服务以降低学习门槛，而且还开展了 Amazon DeepRacer 等培训项目激励更多人员进入 AI/ML 领域。同时亚马逊云科技也建立了广泛的合作伙伴关系网络，拥有 80 多个具备 AI/ML 服务能力的合作伙伴，能够为客户提供丰富成熟的行业解决方案。在亚马逊云科技 Marketplace 中有来自300多个 ISV 的上千款机器学习产品，其中很多都是各自行业的标杆产品。
凭借合作伙伴关系和开发人才教育体系，亚马逊云科技打造出完善的 AI/ML 服务网络，目前，全球数以十万计的客户持续选择在亚马逊云科技上运行机器学习工作负载。在中国，亚马逊云科技机器学习服务得到医疗、零售、金融服务、社交文娱、制造、能源等各个行业客户的青睐。
OPPO在月活过亿的对话式 AI 产品小布助手业务上，利用 Amazon EC2 Inf1 实例上创新地研发可支持预训练大模型高效推理服务模块，达到行业领先的对话语义理解效果。在 FAQ 和闲聊等典型应用场景下，整体推理成本节省高达35%，并期望逐步拓展到越来越多的新场景中。借助 Amazon EC2 Inf1，OPPO 的机器学习团队不断利用更复杂的算法模型进行创新，并加速改善客户的整体体验。
施耐德电气在中国构建智能工业视觉质量检测解决方案——“云-边协同 AI 工业视觉检测平台”，并率先在施耐德电气武汉工厂上线。利用亚马逊云科技的 Amazon SageMaker 机器学习服务以及数据库和计算服务，施耐德电气在云端实现数据存储和标注及模型训练，并把云端模型下发到产线边缘侧，执行边缘推理。该解决方案显著提高了生产线的检测效率，将误检率降低到0.5%以内，并实现了零漏检率。
网易有道旗下少儿数字阅读教育产品有道乐读利用 Amazon Personalize 和大数据服务，为读者提供精准图书推荐，月活用户提升了20%。借助 Amazon Personalize，有道乐读可以通过简单的 API 调用来设计个性化图书推荐，无需具备机器学习经验。Amazon Personalize 服务开箱即用，在一个月内就有效帮助有道乐读实现图书的精准推荐和预测。此外，相比之前以月为单位的迭代周期，有道乐读现在基本实现按天交付，甚至实现当天更新当天交付。
专业茅台老酒鉴定体系见甄集成了北京茅台文化研究会十余年鉴藏研究经验，在亚马逊机器学习方案中心的帮助下，实现 AI 鉴酒能力提升。见甄 AI 鉴酒盒子通过图像识别、称重、光学扫描等方法对34个特征点进行鉴定，3分钟可出具鉴酒报告，基于 Amazon SageMaker 快速搭建定制化神经网络，定位和分类鉴定特征点，实现了接近100%的模型准确率。