【51CTO.com原創稿件】作為先進的云服務商，AWS始終屹立在全球云計算市場的潮頭，而在AWS副總裁(全球技術與開發者布道師團隊)伊恩·馬辛哈姆(Ian Massingham)看來，市場排名或地位并不是AWS的主要目標，AWS期望通過聆聽客戶的需求，為客戶提供優質的服務，來實現自身的發展以及價值，這或許正是AWS獲得客戶認可及成功的重要原因之一。

實際上，AWS對技術及市場的發展趨勢一直保持著敏銳的洞察，為了不斷滿足客戶的各類需求，AWS專注于技術研發創新，其產品以及服務也在不斷豐富，僅 2018 年一年就推出了1957項全新的功能和服務。與此同時，AWS云服務覆蓋全球， 已擁有22 個地理區域和 69 個可用區，未來還將繼續在開普敦、雅加達和米蘭等地陸續推出新區域，這使AWS獲得了來自中國的出海企業以及全球化業務企業的青睞。

從AWS近期發布的新產品以及市場動作來看，AWS正在向物聯網、人工智能兩大領域持續加碼。

[[280260]]
AWS副總裁(全球技術與開發者布道師團隊)伊恩·馬辛哈姆(Ian Massingham)

構建完備的AWS IoT平臺

目前為止，AWS已擁有包含數據服務、控制服務、設備軟件在內完備的IoT平臺。在數據服務領域，有AWS IoT Events、AWS IoT SiteWise、AWS IoT Analytics;在控制服務領域，有AWS IoT Things Graph、AWS IoT Device Management、AWS IoT Device Defender、AWS IoT Core等;在設備軟件領域，有AWS IoT Greengrass、Amazon FreeRTOS、AWS IoT Device SDK以及AWS IoT Device Tester等。除此之外，AWS還有專門的運行時軟件，支持開源設備，為邊緣設備提供操作環境。

伊恩·馬辛哈姆介紹了其中三款新的物聯網服務。

• 其一是AWS IoT Device Management設備管理服務，它能管理數量龐大的物聯網設備，客戶可以輕松而且安全地大規模注冊、組織、監控和遠程管理 IoT 設備，還可以擴展隊列，并減少管理大規模部署的各種 IoT 設備的成本和工作量。
• 其二是AWS IoT Device Defender，也就是IoT設備的安全管理，它使客戶能夠輕松維護和執行IoT配置，例如確保設備身份、對設備進行身份驗證和授權以及加密設備數據，并不斷審核您的IoT配置，以確保設備與其他設備和云通信時的信息安全。
• 其三是AWS IoT Analytics，能夠對大量物聯網數據輕松地進行復雜的分析，無需擔心構建物聯網分析平臺通常會產生的所有成本和復雜性。Analytics十分簡單易用，可以讓客戶針對 IoT 應用程序和機器學習使用案例做出更好、更準確的決定。

與此同時，AWS也在積極地與生態系統方面的合作伙伴展開合作。在AWS技術峰會深圳站，AWS正式宣布將在深圳建立大中華區第二個物聯網實驗室，該實驗室由具有物聯網專業知識的跨界工程師和解決方案架構師組成，使用AWS全套超過165項云服務，協助APN合作伙伴和客戶完成硬件認證、應用開發、測試及端到端解決方案部署等各類項目。

另外，伊恩·馬辛哈姆著重提到了 AWS IoT Greengrass，可將本地計算、消息收發、數據緩存、同步和 ML 推理功能連接至邊緣設備。Greengrass可以視為一種邊緣運行時，可以將多個邊緣設備以聯邦的方式做成邊緣的設備流，實現這些邊緣設備的泛自主運行。Greengrass提供預構建的連接器，集成高質量測試工具，支持安全通信，因此客戶無需編寫代碼即可輕松擴展邊緣設備功能，還可降低運行 IoT 應用程序的成本。

在AWS云上交付機器學習能力

人工智能給人們的生活帶來巨大改變，無論是對AWS還是亞馬遜，人工智能都是一項非常具有戰略性的技術。亞馬遜使用機器學習技術已有20余年，目前亞馬遜所招聘的職位中，有許多都與機器學習技術相關，其對AI的重視程度可見一斑。

伊恩·馬辛哈姆提到，在人工智能領域，AWS從機器學習框架與基礎設施、機器學習服務、AI服務三個層面將其做成普適化的服務提供給數據科學家以及開發人員。

在機器學習框架和基礎設施層：

• 一是提供機器學習所需的底層基礎設施。例如AWS的EC2、S3等一系列高性能實例，內置了像英偉達高性能芯片在內的芯片級加速的硬件，可用于深度學習、機器學習所需要的大規模模型訓練。
• 二是支持所有主流的人工智能框架。AWS針對業界流行以及廣泛使用的人工智能框架進行優化，例如針對Tensorflow進行框架服務資源打包、容器化，數據科學家以及開發者可以直接通過 AWS Deep Learning AMI 在云中使用TensorFlow和其他深度學習框架。
• 三是在推理層面，AWS發布了彈性推理Amazon Elastic Inference，實現將部分調用的GPU資源用到通用實例上，而無需去使用那些高配的實例，從而在獲得同等 GPU 性能的同時，可將推理方面的成本節約高達75%。

此外，AWS計劃將于2019年底發布定制化的高性能機器學習專用推理芯片AWS Inferentia，專門用于部署帶有GPU的大型AI模型，Inferentia將與TensorFlow和PyTorch等主要框架協同工作，并與EC2實例類型和亞馬遜的機器學習服務SageMaker兼容。將Inferentia放在Elastic Inference之上，預計能夠將成本降低至原有的十分之一。

在機器學習服務層：

Amazon SageMaker內置高性能算法與框架，提供自動數據標簽和強化學習服務等多種服務能力，幫助客戶在生產環境中使用一系列的工具，例如使用定制化的數據集來訓練機器學習模型。SageMaker支持一鍵式訓練和一鍵式部署，真正實現將機器學習能力帶給每一位開發人員，目前SageMaker已有一萬多家企業級用戶。

在AI服務層：

AWS 提供廣泛的 AI 服務，包括視覺、語音語言、預測與推薦等。在視覺方面，AWS提供基于深度學習的圖像與視頻分析服務;在語音與語言方面，Amazon Polly已與Windows集成，開發人員在開發Windows應用時可直接通過API調用Polly的語音生成能力。在預測與推薦方面，AWS提供準確的時間序列預測服務Amazon Forecast，以及實時的個性化與推薦服務Amazon Personalize。此外，AWS還發布了面向全球開發人員的深度學習型視頻攝像機 AWS DeepLens ，可實時運行計算機視覺模型，為開發人員提供機器學習上機操作體驗，助其積累實踐經驗。

結束語

雖然AWS的產品及服務種類非常多樣，但是AWS仍然十分重視APN(AWS Partner Network)合作伙伴的生態共建：一方面通過與銷售易、金蝶等技術方面的伙伴合作為中國市場提供技術產品，另一方面與負責實施與咨詢的合作伙伴一起幫助中國的企業上云。AWS相信，擴展生態系統將對中國云的發展至關重要，隨著AWS深圳物聯網實驗室的建立，相信將有更多合作伙伴及企業從中受益。

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