近日，全球知名市場調研機構弗若斯特沙利文（Frost & Sullivan, 簡稱沙利文）聯合頭豹研究院發(fā)布《2022年中國AI開發(fā)平臺市場報告》，亞馬遜云科技連續(xù)兩年蟬聯榜首，在中國AI開發(fā)平臺市場的綜合表現中，處于“弗若斯特雷達”創(chuàng)新指數和增長指數的最高位置。亞馬遜云科技在AI開發(fā)平臺領域提供完備的AI開發(fā)軟硬件全棧服務，并通過“智能湖倉架構”加速數智融合，同時投身AI普惠化以構建完善的AI開放體系，讓機器學習變得觸手可及。

　　該報告以人工智能領域開發(fā)平臺產品為核心研究對象，研究周期為2022年（數據截至2022年11月25日）。報告數據顯示：中國AI開發(fā)平臺2021年市場規(guī)模為234.8億元，預計到2025年將達到365億元。

　　沙利文咨詢總監(jiān)李慶表示：“亞馬遜云科技在數據處理能力、平臺易用性和開放性等AI開發(fā)平臺的核心領域提供眾多創(chuàng)新服務，不僅‘授人以魚’，更堅持‘授人以漁’，通過提供高兼容性、高功能模塊化的AI開發(fā)平臺服務，讓機器學習能力掌握在每一位開發(fā)者手中。”

　　亞馬遜云科技提供完備的AI開發(fā)軟硬件全棧服務，在技術堆棧的三個層面提供廣泛的服務組合，從專用基礎設施服務到AI平臺，再到各類場景化開箱即用的AI服務，全面滿足各類型客戶的不同需求。

　　在底層AI基礎設施層面，亞馬遜云科技全面提供基于各芯片供應商的最新技術選項和從小到大的各種配置，支持多種流行的機器學習框架和算法。亞馬遜云科技2022 re:Invent發(fā)布了采用Amazon Trainium芯片的Amazon Elastic Compute Cloud (Amazon EC2) Trn1n網絡優(yōu)化型訓練實例，可提供1600 Gbps網絡帶寬，有助于實現超大模型的并行訓練；采用Amazon Inferentia2芯片的Amazon EC2 Inf2推理實例，專為運行大型深度學習模型而構建，單實例可支持多達1750億參數模型的推理，并且支持分布式推理，與當前一代實例相比可提供高達4倍的吞吐量，降低多達10倍的延遲。

　　在中間層的AI平臺層面，亞馬遜云科技不斷完善機器學習相關服務和功能，在機器學習數據準備、數據源、數據可視化等方面提供大量創(chuàng)新服務，其中核心產品Amazon SageMaker在推出的六年時間里提供超過290項新功能與新特性。在亞馬遜云科技2022 re:Invent上，Amazon SageMaker Studio Notebook推出了全新設計的用戶界面，新增了可視化的數據準備功能和實時協作功能，同時也支持了將Notebook代碼自動轉換為生產就緒的作業(yè)，實現在生產環(huán)境的自動化運行，加速機器學習從實驗到生產的全過程。

　　在上層的人工智能服務層面，亞馬遜云科技為沒有機器學習專業(yè)知識和技能的客戶提供開箱即用的人工智能服務。其中，構建個性化推薦系統的完全托管型機器學習服務Amazon Personalize，自動語音識別（ASR）服務Amazon Transcribe等多項新服務及功能，均已在中國區(qū)域（西云數據運營寧夏區(qū)域、光環(huán)新網運營北京區(qū)域）推出。

　　數智融合的趨勢下，如何為AI/ML提供高效簡潔的統一數據治理成為考驗AI開發(fā)平臺軟實力的重要一環(huán)，亞馬遜云科技推出的“智能湖倉架構”融合了機器學習與數據管理平臺，為開發(fā)者提供數智融合、統一治理的便捷體驗。Amazon Redshift ML和Amazon Athena ML功能均支持以SQL語句的方式，直接利用數據倉庫或數據庫中的數據發(fā)起模型訓練請求，通過Amazon SageMaker 內置的AutoML能力提供模型訓練，并以SQL語句返回。最新發(fā)布的Amazon SageMaker ML Governance新增3項模型治理功能，可以幫助客戶更輕松控制訪問權限，以及在整個機器學習生命周期中記錄和審查模型信息，并通過Model Dashboard集中界面來跟蹤和監(jiān)控模型上線后的性能。

　　憑借合作伙伴關系和開發(fā)人才教育體系，亞馬遜云科技打造出完善的AI/ML服務網絡，目前，全球數以十萬計的客戶持續(xù)選擇在亞馬遜云科技上運行機器學習工作負載。在中國，亞馬遜云科技機器學習服務得到醫(yī)療、零售、金融服務、社交文娛、制造、能源等各個行業(yè)客戶的青睞。

　　OPPO在月活過億的對話式AI產品小布助手業(yè)務上，利用Amazon EC2 Inf1實例創(chuàng)新地研發(fā)可支持預訓練大模型高效推理服務模塊，達到行業(yè)領先的對話語義理解效果。在FAQ和“閑聊”等典型應用場景下，整體推理成本節(jié)省高達35%。借助Amazon EC2 Inf1，OPPO的機器學習團隊不斷利用更復雜的算法模型進行創(chuàng)新，并加速改善客戶的整體體驗。

　　施耐德電氣在中國構建智能工業(yè)視覺質量檢測解決方案——“云-邊協同AI工業(yè)視覺檢測平臺”，并率先在施耐德電氣武漢工廠上線該方案。利用亞馬遜云科技的Amazon SageMaker機器學習服務，以及數據庫和計算服務，施耐德電氣在云端實現數據存儲和標注及模型訓練，并把云端模型下發(fā)到產線邊緣側，執(zhí)行邊緣推理。該解決方案顯著提高了生產線的檢測效率，將誤檢率降低到0.5%以內，并實現了零漏檢率。