设为书签 Ctrl+D将本页面保存为书签,全面了解最新资讯,方便快捷。 您也可下载桌面快捷方式。点击下载 | 新浪科技 | 新浪首页 | 新浪导航

亚马逊在中国的另一面

2022-06-17 12:51:59    创事记 微博 作者: 量子位   

  欢迎关注“新浪科技”的微信订阅号:techsina 

  文/梦晨

  来源:量子位(ID:QbitAI)

  电商鼻祖、零售巨头亚马逊,标签该增加一个了。

  从2022 Q1最新财报来看,云计算业务已成了亚马逊主要增长和盈利来源:

  一季度营业收入同比增长37%到达184.4亿美元;营业利润同比增长57%为65.2亿美元;利润率35.3%,比上季度的29.8和去年同期30.8%都高出一截。

  要知道,全球云计算市场上亚马逊本就是庞然大物,公有云市场占有率38.9%,超过后三名之和。

  大体量还高增速,让坊间甚至出现了“增长神话”这样的提法。

  △Gartner 2020-2021年IaaS公有云市场占有率数据

  换一个角度看,亚马逊云科技在Gartner®发布的Magic Quadrant™ for Cloud AI Developer Services报告中也位列领导者象限。

  要论“增长神话”背后靠的什么,创新是不得不提的。

  特别是近年来,云计算作为向AI提供大算力和大数据存储传输能力的基础设施,也开始向与AI深度融合。

  跳出云计算范围,在国内全部AI开发平台应用市场上亚马逊云科技也被评为创新力第一。

△弗若斯特沙利文&头豹研究院《2021年中国AI开发平台市场报告》△弗若斯特沙利文&头豹研究院《2021年中国AI开发平台市场报告》

  亚马逊云科技的这一面,在国内一直以来易于被忽视,只是由于云计算并不直接与消费者大众接触,而是在日常生活方方面面的背后提供着支持。

  这次财务数据的变化将作为一个醒目的标志,将成为市场对亚马逊认知翻转的起点。

  一直以来,亚马逊云科技在中国推动新技术落地、帮助中企出海和外企本地化、促进传统行业数字化智能化转型的这一面,也将被更多人看到。

  新技术落地

  要说当下谈落地谈得最火热的行业,智能汽车肯定是其中之一,但光自动驾驶一个环节想要落地就困难重重。

  根据美国兰德公司的研究,自动驾驶算法想要达到人类司机水平至少需要累计177亿公里的驾驶数据来完善算法。

  先不提达到人类水平这么没边的事,按照现在最受认可的SAE自动驾驶分级标准,达到L3级别也要2000万公里路测里程。

  上千万公里路测产生的数据规模要达到EB级,也就是常见的TB乘上1024再乘一个1024。

  更头疼的是,不同环节需要的数据格式还不统一,比如数据导入时需要的是S3/NFS格式,数据预处理需要HDFS格式,AI训练又需要NFS格式,后面还有仿真、模型验证….

  △来自中国计算机学会高性能计算专业委员会《数据密集型超算技术白皮书》

  智能汽车行业里面众多的创业公司,人力物力都有限,要想自建IT系统就基本干不了别的事了,一方面是自建的规模难以跟上快速发展的业务脚步,一方面是运营维护又要牵扯一大堆精力。

  为了专注于核心技术研发,迁移至第三方云计算服务就成了自然的选择。

  比如L4自动驾驶明星头部公司文远知行于2017年成立,2019年初开始在亚马逊云科技云上部署数据处理和机器学习平台。

  大幅度缩短自动驾驶模型训练时间是此举最大的收获之一。按文远知行数据团队总监霍达透露的说法,目前业界完成一个训练模型大约需要1-2周,而他们在亚马逊云科技平台上只需要12小时。

  再加上系统的总拥有成本(TCO)节省了1/3、运维效率提升了50%,系统的整体安全性和可靠性也有了保障。

  凭借这样的优势,文远知行于2019年11月打响自动驾驶商业化落地第一枪,在广州推出全国首个全面对外开放的Robotaxi运营服务。

  同样采用亚马逊云科技机器学习平台的国内自动驾驶公司还有Momenta、智加科技等,全球范围更是有Aurora、Mobileye、图森未来等。

  给每一位客户单独提供云计算资源并不是亚马逊云科技的全部考量。

  积累了大量行业经验后,亚马逊云科技21年12月推出两款针对性的新服务:解决数据收集问题的Amazon IoT FleetWise和行业解决方案Amazon for Automotive。

  还面向零机器学习经验群体推出Amazon SageMaker Canvas无代码机器学习平台。

  Amazon SageMaker Canvas将机器学习模型的诸多步骤可视化为可交互的 UI,让业务、人力、财务等部门人员不写一行代码就能快速生成机器学习预测模型,解决工作中的问题。

  如传统车企宝马,就通过其中的Amazon SageMaker Canvas无代码机器学习平台把AI/ML技术推广到全集团,实际业务流程中的600多个应用中,涵盖生产线到销售端的多个场景。

  1500万台宝马汽车接入此平台,一天产生数以百万公里数据均交由 Amazon SageMaker Canvas 分析预测。

  中企出海、外企本地化

  AI与数据分析如今不只是前沿产业的专利,在更广大的消费和互联网产业同样有用武之地。

  其中智能制造和数字经济出海都在资本与政策的双重红利下,前景广阔。

  出海企业面临的烦恼与自动驾驶行业相比又多出几个,需要全球统一的基础设施架构,面对跨境支付带来的风险,还要满足各国日益严格的数据安全合规要求。

  由此一来,亚马逊云科技因其自身定位原因,尤其受想要出海发展的中国企业以及想要在中国落地的外企青睐。

  在艾瑞咨询包含出海业务的中国公有云市场份额统计中,亚马逊云科技排名第二。

  中企出海的例子如OPPO,其智能手机海外出货量占比已超过一半,可穿戴智能设备市场也在开发中。

  OPPO的AI小布助手月活过亿,如何降低AI推理成本、提升AI推理效率就是关键。

  除了自己想办法优化算法以外,还能请一个外援就是专用推理芯片。

  OPPO最终选择将小布助手部署在Amazon EC2 Inf1实例上,采用亚马逊云科技自研Inferentia推理芯片,比上一代基于GPU的实例单次推理成本最高可降低70%。

  小布助手在Q&A以及闲聊两个场景下整体推理节省高达35%左右,端到端延迟降低多达25%。

  迁移至新芯片工作量也不大,配合上Amazon Neuron开发工具包只需要最少的的代码更改即可。

  外企本地化方面的代表是Daniel Wellington,这是一个来自欧洲的钟表和珠宝制造商。

  进入全球市场后他们发现一个普遍问题,就是本部与全球消费者之间有时差。

  比如客户报修或申请退货而负责审核的人还在深夜,就得等第二天再说了,消费体验很不好。

  后来他们基于Amazon Rekognition图像识别API创建了自动化流程,基于图像识别的退货速度比以往快了15倍。

  从这个小案例还可以看出云计算更大的发展空间。

  与自身具备AI技术需要计算资源的少数企业相比,更多企业自身需要的是基于现有AI能力来定制适合自己的业务流程。

  在这方面,除了上面提到的Amazon Rekognition以外,亚马逊云科技还提供了一系列相关产品。

  Amazon Personalize,预置了推荐系统必要的基础设施、算法,提供API接口,能快速构建个性化推荐应用,乐天玛特超市用它使客户从未购买过的产品数量增加了40%。

  Amazon Connect,为联系中心带来AI座席调度、风险欺诈检测、情绪分析等能力,比传统联系中心解决方案最高能节省80%的成本。

  Amazon Lex,将Alexa语音助手同款技术开放出来,可构建、部署和管理定制化的语音聊天机器人,还能原生集成Amazon Connect构建的联系中心。

  使用这些产品无需专业AI知识,仅靠传统软件开发人员便可快速构建AI应用。

  但是,那些连传统IT开发能力都不足的企业又该如何?

  传统行业智能化转型

  数字化转型、智能化升级是近年来的热词。

  根据权威市场研究机构IDC预测,到2024年AI将成为所有企业不可或缺的组成部分。

  随着工业制造、物流、能源、交通、农业等越来越多的传统行业智能化转型需求迸发,届时有25%的AI投入会以结果即服务(Outcomes-as-a-Service) 的形式规模化推动创新。

  对于制造业来说,一个AI重要的用武之地是需求预测。

  尤其是反复无常的疫情,让制造业的客户需求、上下游供应链都出现了前所未有的波动。

  富士康与Amazon Machine Learning Solutions Lab合作,用Amazon Forecast时间序列预测服务为旗下一座工厂开发了一个端到端的需求预测模型。

  这套解决方案将预测准确率提升了8%,每年将为该工厂节约55.3万美元。

  同样能提供端到端AI能力的还有Amazon Monitron,基础用法是监测工业设备的异常,更高级的是在设备出现真正问题之前就通过机器学习及时发现。

  专业说法叫“预测性维护”,一方面可以防止因某个设备意外停机影响整个生产线的运转、以及可能出现的安全问题,另一方面在故障前及时维护也能增加单个设备的使用寿命。

  这套方案已用于乐器制造商Fender与通用电气旗下天然气发电供应商GE Gas Power等多个行业客户。

  云数智一体,是这个时代的答案

  看过前面的那么多各行各业的案例,不难总结出两个规律。

  第一,从高新科技到互联网、消费再到更传统的行业,都离不开云计算、AI和数据分析的紧密结合。

  数据常被比喻为“数字石油”,是这个时代最重要的生产要素。需要AI算法从海量数据中挖掘出更多价值,AI算法又需要云计算提供大量算力。

  这就是全球云计算市场规模在15年间从0成长到2021年的7050亿美元规模的主要逻辑。

  第二,离技术越远的行业在智能化升级中产生的需求越大,也越需要完整、端到端的解决方案。

  如此一来,大数据、人工智能、云计算的一体化发展便是这个时代的答案。

  于是这一段时间我们看到,各地原有的大数据中心纷纷升级改建成智能计算中心,AI算法起家的公司如商汤开始自建算力供应体系,而云计算公司都在自研AI芯片与发展AI技术。

  而在这众多玩家之中,用综合性解决方案、全面的AI/ML工具、MLops方法论及服务来降低AI使用门槛,正是亚马逊云科技的优势所在,也是“增长神话”背后的动力。

  就亚马逊云科技在国内市场的表现来看,其技术体系也没有出现水土不服的问题,反倒成了中企出海和外企扎根的连接点。

  上面说到的那么多云服务,其实也只是这个技术体系中的冰山一角。

  每年亚马逊云科技都会上新几千项服务,其中AI相关的服务也有250+。

  如此数量,让相关从业者都有种“你慢点出,我学不过来了”的感觉。

  好在亚马逊云科技每年会通过INNOVATE大会的形式把近期动向集中梳理、呈现。

  据悉今年的INNOVATE大会正是以“人工智能新引擎”为主题,免费报名、线上参会。

  要想了解亚马逊云科技在AI技术这一面的,不妨下周去看看。

  参考资料:

  [1]

  https://ir.aboutamazon.com/news-release/news-release-details/2022/Amazon.com-Announces-First-Quarter-Results-f0188db95/

  [2]https://www.gartner.com/en/documents/4007678

  [3]https://www.idc.com/research/viewtoc.jsp?containerId=US44646019

  [4]《2021年中国AI开发平台市场报告》

  [5]

  https://www.iresearch.com.cn/Detail/report?id=3812

  [6]https://www.amazonaws.cn/customer-stories/automotive/weride-case-study/

  [7]https://aws.amazon.com/cn/ec2/instance-types/inf1/

  [8]https://aws.amazon.com/cn/rekognition/

  [9]https://aws.amazon.com/cn/forecast/

  [10]https://www.iresearch.com.cn/Detail/report?id=3812&isfree=0

(声明:本文仅代表作者观点,不代表新浪网立场。)

分享到:
保存   |   打印   |   关闭