【51CTO.com原創稿件】
機器學習自誕生至今，已經被應用在很多領域，但目前來看對于從業人員來說仍然存在著一些阻力。

首先是機器學習方向的學習門檻高，人工智能、機器學習這些知識，相對來說比較苦澀難懂，對學習人員的綜合素養要求高；想要真正成為一名機器學習工程師。不僅要處理代碼中的各種問題，還需要不斷學習、與其他部門的人員溝通、了解和學會使用各種新型代碼庫或模型。

而近期登陸中國區的Amazon SageMaker的目標就是幫助開發者和數據科學家快速構建、訓練和部署機器學習 (ML) 模型。SageMaker 消除了機器學習過程中大量的繁重瑣碎工作，讓開發高質量模型變得更加輕松，大幅度降低了開發者和數據科學家的工作難度。

不斷加碼AI賽道的AWS

“亞馬遜從電商時代就非常關注機器學習，產品推薦、產品搜索、物流配送、送貨機器人、智能助理Amazon Echo、無人值守商店Amazon Go等業務都遍布機器學習的身影。”張俠講到。

不光是C端產品的歷史淵源，亞馬遜在面向B端的產品布局也早有規劃。

自從主打智能家居的Amazon Alexa系列設備取得大獲成功后，亞馬遜不斷加快在B端AI產品的布局，2016前起陸續收購圖像公司Orbeus、聊天機器人平臺Angel.a、AI云服務安全公司Harvest.ai等一些列的AI相關公司，亞馬遜在ToB領域的努力早有成果，產品線包括銷售的Tact.ai、零售的Blutag、餐飲的SeverRooms等日常生活常見場景。

隨后在2016年re:Invent 大會上，亞馬遜云服務AWS也正式推出自己的AI產品線：Amazon Lex、Amazon Polly 以及 Amazon Rekognition，分別定位于可編寫自然人機交互、語音轉換服務以及圖像識別。

而其中機器學習作為提升數據處理效率的有利武器，亞馬遜云服務AWS也早已滲透。據統計，約80%的TensorFlow AI系統部署在AWS的云服務上。而在2019年正式發布的自動化機器學習Amazon SageMaker，也已經憑借過硬的實力快速獲得了市場認可，再依托Amazon EC2的客戶積累SageMaker也得以快速部署。

Amazon SageMaker更多的是專注中間層的服務，主要目標是消除機器學習過程中的繁重工作，讓開發高質量模型變得更加輕松?？蛻艨梢灾苯釉谄鋺弥姓{用AWS提供的這些人工智能和機器學習的服務，而無需關注服務背后的機器學習模型。

 AI能力領跑全球的AWS

人工智能和機器學習技術的難點在于如何把這些技術真正應用到現實生產實踐中，AWS一直在致力于幫助企業解決這些問題。

根據來自權威研究機構Gartner發布《Magic Quadrant for Cloud AI Developer Services》研究報告顯示AWS、微軟、谷歌、IBM位列領導者象限的廠商，亞馬遜云服務AWS排名第一，領跑全球。報告指出，AWS擁有非常強大產品組合，在市場有很高的知名度，AWS為開發人員提供的服務可以滿足那些沒有機器學習（ML）技能和尋求高級功能的人的需求。

Gartner《云AI開發者服務魔力象限》

https://xw.qq.com/cmsid/20200307A0LK0W00

為了幫助開發人員學習應用機器學習（ML）、AI和深度學習，AWS還提供了30多種數字培訓課程以及AWS DeepLens和AWS DeepRacer，開發人員可以使用它們學習深度學習和強化學習的基礎知識。

Amazon SageMake-提升開發效率的好平臺

機器學習目前對企業和從業者來說仍然一個非常繁瑣的工作。在企業中，大多數企業并不具備獨立開發機器學習模型的能力；對開發者和數據科學家來說，進行機器學習首先必須對數據進行可視化、轉換和預處理等一些列的處理才可以完成一個完成的模型。

通過預置的Notebook、針對PB級數據集優化的常用算法，以及自動模型調優，Amazon SageMaker大大降低了模型構建和訓練的難度。并且，Amazon SageMaker顯著簡化和加快了模型訓練過程，可以通過自動提供和管理基礎設施來訓練模型和運行推理。再者Amazon SageMaker也降低機器學習門檻，幫助使用Amazon SageMaker的企業大幅度削減成本。

一站式開發工具Amazon SageMaker Studio

SageMaker提高工作效率最重要的動力來源之一是Amazon SageMaker Studio。SageMaker Studio 為開發者和數據科學家提供了一站式的基于 Web 的可視化界面，它是一個用于機器學習的基于 Web 的集成開發環境 (IDE)，用戶可以在界面上執行構建、訓練、調試、部署和監控機器學習模型等所有的 ML 開發步驟。在一個統一的可視化界面中，用戶就可實現下面功能：

l 在 Jupyter 筆記本中編寫和執行代碼

l 構建和訓練機器學習模型

l 部署模型并監控其預測性能

l 跟蹤和調試機器學習實驗

TCO成本大幅減少

AWS對使用Amazon SageMaker 的團隊進行了TCO分析，結果表明，使用它的企業 TCO 在三年時間里比其他方式如自己通過 Amazon EC2 或 Amazon EKS來建設要低 54%。研究的分析范圍涵蓋了從只有五位數據科學家的小團隊到由 250 位數據科學家組成的超大型團隊，結論是 Amazon SageMaker 能為各種規模大小不同的團隊都提供更出色的 TCO。

在采訪時,大宇無限機器學習技術總監蘇映濱表示：“Amazon SageMaker的出現，幫我們實現從0到1的突破。構建一個機器學習平臺不僅需要非常專業的人，而且投入的人力、資金和時間都非常大，對于大宇無限來說，這不太現實。”在SageMaker的幫助下，他們用三個月時間就完成了整個系統的搭建。SageMaker不僅幫助大宇無限完成了搭建，而且，在使用過程中還發現它的訓練成本遠低于自己搭建一套系統，據蘇映濱估計，平均下來能節省70%的訓練成本。

伊克羅德是AWS的核心級咨詢合作伙伴 (APN Premier Consulting Partner)，其基于AWS的解決方案極大地減少了用戶的開發時間與運營費用。伊克羅德中國區副總裁桂梓捷表示：“我們運用Amazon SageMaker平臺加速企業導入行業AI解決方案，如標簽標注、文本分析、語意理解、預測分類、推薦系統與詐欺偵測等，針對客戶實際遇到的商業問題，量身打造真正解決問題的端到端AI應用。隨著Amazon SageMaker在中國區域落地，我們將會以SageMaker平臺作為企業MLOps（機器學習運營）核心，協助企業構建MLOps流程，尤其在金融行業領域，幫助企業內部數據科學家與AI工程師建立、訓練與部署機器學習模型。”

AWS希望更多的客戶可以認識到Amazon SageMaker，針對有AI技術團隊的企業，更多的是協助這些企業去打造自己內部的MLOps的流程，讓SageMaker跟SageMaker的Studio成為客戶內部開發的一個重要環節。針對沒有AI技術的客戶，就可以借助SageMaker平臺的技術模塊，讓沒有AI技術團隊的企業也可以享受到SageMaker平臺的優勢。 

未來的世界人工智能和云將無處不在。但對于巨頭來說，未來市場競爭力將會聚焦于人工智能技術服務，為各行業智能化轉型提供解決方案，以此推動各大產業智能變革。與此同時，中國作為全球最重要且最具活力市場，對人工智能和云計算等新技術應用需求也在日益劇增，人工智能也必將成為各業務部門不可或缺的一部分，如何更好的推動大規模創新并實現巨大的商業價值是每個巨頭應該思考的問題。

 【51CTO原創稿件，合作站點轉載請注明原文作者和出處為51CTO.com】