对话亚马逊云科技顾凡：机器学习如何赋能企业加速数字化转型

  众所周知人工智能技术正在迎来高速发展时期，机器学习等技术也深入各个行业当中，为行业的数字化转型带来翻天覆地的变化，因此，众多企业对于人工智能、机器学习技术也越来越重视。

  5月11日，在Amazon SageMaker落地中国一周年之际，亚马逊云科技大中华区云服务产品管理总经理顾凡介绍道，包括Amazon SageMaker在内的亚马逊云科技机器学习服务，覆盖了中国各行各业、各种规模的客户，各个行业都有不同场景的实践。

  与此同时，亚马逊云科技正式宣布，通过与光环新网和西云数据的紧密合作，在中国区域进一步落地多项人工智能与机器学习的新服务和功能，丰富其针对不同企业需求而打造的人工智能与机器学习工具集。

  Amazon SageMaker的价值

  据IDC数据显示，到2023年，人工智能系统支出会达到979亿美元，相比2019年增长2.5倍。另一家权威调查机构Gartner数据显示，75%的企业在2024年底会把机器学习从试点转向生产系统，需要经过反复迭代才能真正改变客户体验或者提升效率，而这样的生产系统也在整个行业加速。

  为了让数据科学家、算法工程师、业务开发者都能轻松驾驭机器学习，亚马逊云科技于2017年11月推出了Amazon SageMaker机器学习平台服务。其可以帮助开发者和数据科学家快速地规模化构建、训练和部署机器学习模型。

  据了解，Amazon SageMaker是业界首个面向机器学习开发者的集成开发环境，也是亚马逊云科技机器学习服务层面的核心产品。

  顾凡表示：“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。”

  针对企业客户的不同需求，亚马逊云科技可以在机器学习技术堆栈三个层面提供广泛而深入的机器学习服务，包括顶层的人工智能服务、中间层的机器学习服务、底层的框架和基础架构。

  顾凡还强调：“Amazon SageMaker是一个开放的平台，SageMaker可以和自己的开源DIY机器学习集成，”

  机器学习改变亚马逊

  亚马逊最早是从卖图书开始的，然后经历了电商、物流、视频等很多业务，但相似的是这些业务在遇到人工智能之后都有了更广阔的发展。

  亚马逊利用机器学习有一个核心理念，就是亚马逊+机器学习等于客户体验的提升，从客户体验的问题入手，然后再去思考机器学习是否是一个适当的工具去使用，这是亚马逊在机器学习当中走过来的路。这也倾注了亚马逊云科技所有的技术和服务。

  目前，亚马逊云科技的服务已经超过200多种，包括计算、存储、网络数据库、分析、IoT、AI/ML和安全等领域。

  其中很重要的一点是，谈机器学习不能光看机器学习，真正要开始机器学习之前有非常长的一段距离在做数据准备、数据清理和数据准备工作，这些工作在云计算领域无论是Amazon S3以及各种各样的分析引擎都可以帮到用户很好地解决数据准备的工作。

  助力淄博智慧供热

  2019年，淄博市热力集团有限责任公司开始与亚马逊云科技合作，基于其机器学习，联合研发了一套智慧供热调控系统，实现精准供热并提升客户满意度。

  其中，精准供热模型使用Amazon SageMaker为核心开发平台，而基于亚马逊云科技的无服务器架构搭建的大数据智能分析平台，帮助淄博市热力集团提升了业务管控效率和用户满意度。

  淄博市能源集团有限责任公司、淄博市热力集团有限责任公司党委书记、董事长汪德刚表示，此前尽管企业已经有一定的信息化基础，但在引入AI能力之前，淄博市热力集团面临两大业务发展挑战：

  一是在“3060”大目标指引下，如何实现精准供热，在确保供热温度达标、用户舒适满意的同时，尽可能降低热消耗，实现节能减排？

  二是如何提升业务管控效率和用户满意度？

  在与亚马逊云科技合作之后，淄博市热力集团实现了从传统管理模式到数字化管理模式的转变，显著地提升了业务和管理效率。基于机器学习的精准供热模型投产后，不仅可以及时、准确地预测前端供暖调节需求、调整小区级和房间级的供暖策略，确保住户在整个供暖季都获得舒适的室温体验，同时还大幅节约了热能。

  写在最后

  亚马逊云科技希望通过将更多服务落地到中国市场，并坚持’授人以鱼不如授人以渔’的计划，帮助客户更快应用机器学习技术，把机器学习的能力交到每一位构建者手中，加速人工智能和机器学习的普惠。