麻省理工學院的Erik Brynjolfsson與Andrew McAfee教授在《與機器賽跑》一書中寫道“250多年以來，經濟增長的基本動力一直是技術創(chuàng)新。其中最重要的，正是經濟學家們提出的所謂通用型技術，包括蒸汽機、電力與內燃機等等。而我們這個時代下最重要的通用型技術正是人工智能，特別是機器學習。”

過去幾年，人工智能（AI）與機器學習（ML）不斷向縱深發(fā)展，準入門檻也大幅降低，眾多行業(yè)意識到了AI和ML的巨大潛力，不斷加大投入，企業(yè)在線業(yè)務場景如游戲、電商、社交、廣告，以及風控場景對AI/ML技術的應用有所增加。無論是提高員工生產力，削減成本，還是業(yè)務創(chuàng)新，增強客戶體驗，企業(yè)正通過部署AI/ML，解決數(shù)字化轉型過程中的難題，把握發(fā)展機遇。

不可否認，企業(yè)在使用AI/ML時仍面臨諸多挑戰(zhàn)，部署成本居高不下，專業(yè)人才不足，缺乏將數(shù)據(jù)轉化為洞察的相關機器學習知識等。為了充分發(fā)揮AI/ML價值，企業(yè)往往需要一套全面的機器學習解決方案，亞馬遜云科技便是這樣一家云服務提供商。

部署AI/ML有多難？

2022世界人工智能大會上，亞馬遜云科技人工智能與機器學習產品副總裁Bratin Saha表示，AI/ML技術是當今最具變革性的技術之一，正在解決人類面臨的一些最具挑戰(zhàn)性的問題，也為我們提供了前所未有的新機遇。

很多企業(yè)希望使用AI/ML推動業(yè)務增長時，卻因一些門檻望而卻步。在亞馬遜云科技看來，現(xiàn)階段企業(yè)在實施AI/ML主要面臨四點挑戰(zhàn)。

第一，缺乏具備AI/ML相關能力的人員。機器學習知識門檻高，而且技術仍處于早期階段，企業(yè)很難找到了解實際需求，并且有AI/ML技術的人員完成所需的人工智能工作。

第二，缺乏高質量數(shù)據(jù)。如今，每時每刻都會有海量結構化數(shù)據(jù)以及音頻、視頻、圖像、醫(yī)療數(shù)據(jù)等非結構化數(shù)據(jù)的產生，但原始數(shù)據(jù)無法直接用于特定場景的機器學習，企業(yè)需要專業(yè)的數(shù)據(jù)準備工具，以降低AI/ML的使用門檻。

第三，缺乏合適的切入場景。企業(yè)在應用機器學習的時候往往千頭萬緒，開展機器學習應該從什么項目切入？由于機器學習技術門檻高，傳統(tǒng)企業(yè)通常缺少既精通業(yè)務又精通機器學習技術的專家，難以在實際場景中找到合適的機器學習場景進行切入。

第四，AI/ML產業(yè)缺乏規(guī)�；�落地所需的各項服務。企業(yè)要獲得實際的業(yè)務價值，需要規(guī)模化部署AI/ML，將其融入到業(yè)務的方方面面，從而可以低成本、高效率地發(fā)揮AI/ML優(yōu)勢。

在人才、技術之外，企業(yè)在實施AI/ML還會重點考慮成本。“AI/ML的成本主要來自人員成本和基礎設施成本。”亞馬遜云科技大中華區(qū)機器學習產品總監(jiān)張洋表示，一方面，完整的機器學習團隊包括數(shù)據(jù)工程師、數(shù)據(jù)科學家、機器學習工程師等角色，人員市場成本普遍居高。另一方面人工智能與機器學習應用涉及的計算、存儲、網(wǎng)絡與數(shù)據(jù)相關的數(shù)據(jù)庫、數(shù)據(jù)分析、ML工具成本也普遍偏高。而且人工智能技術尚處早期，從探索到工程化周期長，投入成本與周期都偏長。

亞馬遜云科技大中華區(qū)機器學習產品總監(jiān)張洋

AI門檻被不斷降低

作為第一個打開「云計算」技術新領域的公司，亞馬遜擁有全球20年機器學習的創(chuàng)新實踐，旗下云服務平臺亞馬遜云科技已幫助逾10萬用戶在核心業(yè)務使用機器學習。成立15年來，亞馬遜云科技致力于開發(fā)先進的AI和ML服務，為企業(yè)提供構建AI/ML應用所需的工具和指導。

亞馬遜云科技也在不斷幫助企業(yè)降低AI/ML實施過程中的成本，提高生產力。

幫助企業(yè)選擇正確的項目場景：憑借豐富的案例和場景，亞馬遜云科技會在項目開始時幫企業(yè)選擇AI/ML可以實際幫助到業(yè)務、實現(xiàn)業(yè)務價值的場景，避免錯誤的應用場景導致高額沉沒成本。

提供開箱即用的AI服務加速企業(yè)AI應用上線：亞馬遜云科技提供訓練好的人工智能服務，目前有9大類、20多種訓練好的AI服務，涵蓋計算機覺、語音文字轉換、機器對話、文本處理、個性化推薦、時間序列預測、客服、企業(yè)內信息搜索、開發(fā)與運維、工業(yè)AI等方面。用戶可以直接在應用中調用這些人工智能服務，無需關注背后的機器學習模型，可以快速在業(yè)務場景上實踐，驗證其商業(yè)價值。

推動企業(yè)AI規(guī)�；�和產業(yè)化：企業(yè)需要規(guī)�；�部署AI/ML，將其融入到業(yè)務的方方面面，亞馬遜云科技為客戶構建訓練模型的參數(shù)已達到數(shù)十億規(guī)模，每個月提供數(shù)千億預測結果，這樣的規(guī)模效應推動了企業(yè)AI/ML的產業(yè)化落地實踐。

按需付費模式減少成本：企業(yè)可以像使用其他云服務一樣使用亞馬遜云科技的AI/ML服務，享受云服務本身的安全性、可靠性、可擴展性，同時無需前期投入高額的基礎設施采購和部署成本，可根據(jù)業(yè)務需求靈活計費，企業(yè)能夠以較低成本快速將業(yè)務推向市場。基礎設施層面，企業(yè)可以選擇市面上流行的開源機器學習框架和算法，例如TensorFlow、Apache MXNet、PyTorch等，任何用戶都可以使用最新的基礎設施，對多種框架進行試驗。亞馬遜云科技自主設計芯片，并推出了高性能機器學習推理芯片亞馬遜云科技Inferentia和機器學習訓練芯片亞馬遜云科技 Trainium。在數(shù)據(jù)工程師，科學家工具層面，亞馬遜云科技提供完全托管的機器學習服務Amazon SageMaker，它提供了全球首個面向機器學習的集成開發(fā)環(huán)境SageMaker Studio。

專業(yè)服務支持客戶項目成功：亞馬遜云科技以“扶上馬，送一程”的方式，幫助客戶更快地應用機器學習技術。例如，上海欣兆陽信息科技有限公司（Convertlab）基于亞馬遜云科技統(tǒng)一的數(shù)據(jù)基礎底座，構建了一體化數(shù)據(jù)智能湖倉架構Data Hub和一體化高效機器學習平臺AI Hub，使數(shù)據(jù)流轉時效性提升32%，可進行快速的特征設計和機器學習模型迭代，模型上線效率提升30%。當前已上線5大營銷特征類別，300多種營銷特征，20多個營銷AI模型，幫助企業(yè)從AI/ML中獲取業(yè)務增長機會。

“在少數(shù)場景實現(xiàn)業(yè)務成功之后，規(guī)�；疉I將賦能更多業(yè)務創(chuàng)新，提供更大業(yè)務價值。”張洋指出，當AI的價值在業(yè)務驗證之后，快速工程化，規(guī)模化來擴大業(yè)務價值，同時帶來成本的節(jié)省。

用AI/ML把握發(fā)展良機

越來越多的行業(yè)正在迅速部署機器學習，應對嚴峻挑戰(zhàn)并把握發(fā)展良機。

樂普醫(yī)療是醫(yī)療大健康領域最早投入AI研發(fā)的公司之一，通過亞馬遜云科技的AI服務，樂普醫(yī)療國際部一方面開發(fā)了基于大數(shù)據(jù)和NLP自然語言處理技術的搜索機器人，提升了獲取潛在客戶信息的效率，另一方面使用Amazon Connect與Amazon Lex開發(fā)的語音機器人與潛在外貿客戶實時、有效的溝通，增強了樂普醫(yī)療外貿營銷及獲客的能力，也帶給了樂普醫(yī)療與其客戶更便捷、高效的業(yè)務體驗。

作為集鑒別、溯源等服務為一體的專業(yè)茅臺老酒鑒定體系，見甄集成了北京茅臺文化研究會十余年鑒藏研究經驗。在亞馬遜機器學習方案中心的幫助下，實現(xiàn)AI鑒酒能力提升。見甄AI鑒酒盒子通過圖像識別、稱重、光學掃描等方法對34個特征點進行鑒定，3分鐘可出具鑒酒報告，基于Amazon SageMaker快速搭建定制化神經網(wǎng)絡，定位和分類鑒定特征點，實現(xiàn)了接近100%的模型準確率。

對于企業(yè)而言，有些時候AI帶來的并不是明顯的效益提升，這也讓很多企業(yè)對人工智能和機器學習的投入產出產生困惑。張洋表示，企業(yè)應該通過AI實際帶來的業(yè)務價值評估收益，比如在線業(yè)務中優(yōu)化廣告目標客戶來提高流量質量，優(yōu)化推薦系統(tǒng)，共同提升轉化率。

網(wǎng)易有道旗下少兒數(shù)字閱讀教育產品有道樂讀利用Amazon Personalize實現(xiàn)個性化推薦，月活用戶提升了20%。

西門子工業(yè)自動化產品成都生產及研發(fā)基地在亞馬遜云科技的幫助下部署了工業(yè)廢料分揀系統(tǒng)，采用Amazon SageMaker高效訓練機器學習模型，持續(xù)采集廢料形態(tài)用于訓練和優(yōu)化機器學習，將分揀準確率從70%提升至97%以上，逐步實現(xiàn)無人工干預的廢料分揀。

淄博市熱力集團有限責任公司使用Amazon SageMaker作為開發(fā)平臺踐行了站控戶控模型訓練和開發(fā)，并且利用亞馬遜云科技的無服務器架構進行生產環(huán)境的自動訓練和推理后，每年可以節(jié)約標煤15萬噸，以標煤價格約2000元一噸計算，15萬噸煤的價格是3億元人民幣，相比一億元的總投入而言，投入產出比達到1：3。

未來越來越多的企業(yè)會更傾向于選擇使用成熟的AI/ML服務，將機器學習平臺和基礎設施運維等工作交給專業(yè)的供應商去做，從而將更多精力投入到AI賦能企業(yè)自身的核心業(yè)務當中，快速利用AI/ML技術從以往無法獲取洞察的數(shù)據(jù)中獲得更多的競爭優(yōu)勢。