导读：在亚马逊云科技眼中，什么是云计算、AI进化的基本准则？

每一次重大的社会变革背后，都是技术的平民化、普惠化在推动。

离我们最近的信息革命，也就是互联网和移动互联网浪潮，就是把计算能力从科学研究领域的大型计算机，逐步释放到了人手一台的笔记本电脑、智能手机等设备中。

同样，云计算、AI、5G这些技术，最开始也是只有巨头公司才有能力参与并受益的高精尖技术，目前它们正在成为任何公司和个人都能受益的大众化技术。在技术平民化的过程中，亚马逊云科技是一个关键的布道者。

不久前举行的re:Invent全球大会上，亚马逊云科技通过众多新技术和产品发布，带来了云计算发展的最新趋势，包括：通过自研芯片打造算力优势、将云的边界无限拓展、打造现代化端到端数据战略、构建可持续发展的云等等。

其中，不断降低技术门槛，实现技术的平民化是一个贯穿始终的主题。透过这一主线，亚马逊云科技向我们揭示了云计算发展中几个基本的进化准则。

亚马逊云科技大中华区产品部总经理 顾凡

基础设施进化准则之一：无止境提升性价比

经过十余年的发展，云计算底层的计算、存储、网络三大件，还有什么新花样？作为云计算技术的开创者，亚马逊云科技不断向外界证明，云计算发展到今天，在基础设施层面依然有无限创新空间。

目前，基础设施服务是所有云服务商的基础服务，在这一领域未来制胜的关键在于，谁能以更高的性能、更高的效率、更低的成本、更低的能耗提供这些服务。简单来说，云基础设施比拼的是对性价比永无止境的提升。

正如亚马逊云科技首席执行官 Adam Selipsky 所说，“如果希望针对所有可能的工作负载彻底变革计算的性价比，我们需要彻底重新思考实例。为了实现这个目的，我们需要深入底层技术，一直到芯片。因此，我们开始自己设计基于Arm的芯片。”

通过对客户工作负载的深刻理解去逆向工作，如今亚马逊云科技在自研芯片的路上越走越远，自研芯片已经成为亚马逊云科技的核心算力优势。目前，亚马逊云科技的自研芯片覆盖了三条主线：通用计算处理器（CPU）、机器学习训练与推理芯片、以及被誉为“神卡”的Nitro芯片。

亚马逊云科技大中华区产品部计算与存储总监 周舸

Nitro是亚马逊云科技云主机区别于友商的一大因素，它也是快速创新多种EC2实例的基础。目前，亚马逊云科技有超过475种不同的计算实例类型，远超其他云厂商，这离不开Nitro的支撑。

在通用计算处理器方面，今年亚马逊云科技推出第三代Graviton芯片。亚马逊云科技大中华区产品部计算与存储总监周舸表示，每一代Graviton之间是共存而不是替代关系，它们各有所长，分别针对不同的工作负载。

今年发布的Graviton3在计算密集型工作负载方面优势明显，可以让实例性能在上代Amazon Graviton2基础上进一步提升20%，能耗效率提高60%。

虽然Graviton3在多项性能测试中成绩不凡，但周舸认为更关键的还在于应用，“云并不是拿来跑分的，云是拿给客户用的。很多时候，一些基础的底层技术，外界看不见那么炫的变化，但内在的迭代从未停止过，这才能够让支持的服务持续变得强健，发展得更快速。”

面世以来，Graviton系列芯片的广受欢迎体现了云计算行业对低能耗高性能算力的强劲需求。目前，多达20款亚马逊云科技的托管服务已原生支持了Graviton2芯片，其中16个已经在中国区发布。包括F1方程式、开发《堡垒之夜》的游戏团队Epic Games都加入到Graviton 3的使用中。全球领先的内存数据库SAP HANA Cloud也开始使用Graviton芯片。

这就是亚马逊云科技做芯片的目的，客户直接使用亚马逊云科技的云服务就可以享受到Graviton芯片带来的超高性价比，而且是通过“润物细无声”的方式。

“客户在用我们很多数据库和分析服务的时候，感觉到更快了，性价比更高了，实际上他没意识到底层已经是Graviton芯片在支持。” 亚马逊云科技大中华区产品部总经理顾凡表示。

云计算进化准则之一：让云的边界无限扩展

很多人发现，当谈到全球化的基础设施时，亚马逊云科技除了提及可用区的数量，还提到很多新物种，比如本地扩展区域、Wavelength区域等等。

目前，亚马逊云科技在全球拥有81个可用区，并计划新建9个区域和27个可用区，有14个本地扩展区域、17个Wavelength区域，有108个Direct Connect光纤直连站点，有310个边缘站点和13个区域缓存站点。

本地扩展区域（Local Zones）、Wavelength区域等都是亚马逊云科技首创的新物种，自推出后它们在全球的数量迅速扩张，这验证了云的边界将无限扩展的大趋势。

本地扩展区域可以理解为云的下沉，它可以将计算、存储、数据库等服务放置在更靠近大量人口聚居的位置，或者靠近行业中心的位置，让客户以更低的延迟服务其终端用户。2020年，亚马逊云科技最开始在美国建立了两个本地扩展区，2021年增加到12个。2022年将在21个国家建设超过30个本地扩展区。

Outposts也是一个广受欢迎的新物种，适合需要低延迟访问本地的工作负载。Outposts是将硬件机柜部署到客户本地，但不是私有云，因为机柜内有和亚马逊云科技云上相同的服务、API、工具和控制界面。今年亚马逊云科技将Outposts的1U和2U的机型正式推向市场，可以进驻到连锁商店、工厂车间等客户场景，满足了更小场所对混合云的需求。

另一方面，亚马逊云科技正在尝试将云延伸到自己的基础设施以外。通过IoT服务、Snow家族，亚马逊云科技进一步将云的能力向广袤的边缘拓展。

Snow家族是一套边缘基础设施和软件，提供各种物理设备和容量点，其中大部分设备还内置有计算功能，它们可与 亚马逊云科技的各种安全、监控、存储管理和计算功能集成。Snow家族中尺寸最小的成员Snowcone仅重 2.1 kg，可以在背包中携带，在 IoT、车载甚至是无人机场景使用，或将其安装到狭小空间内。

今年新推出的Amazon Cloud WAN让企业可以在全球的亚马逊云科技广域网络上建立、管理统一的云网络和监控全球流量。在几分钟内亚马逊云科技就可以帮企业构建一个全球化网络服务。

AI进化准则之一：加速机器学习平民化

目前，大量需要使用机器学习的人群缺乏技能依然是人工智能落地的一大障碍。

在前沿探索方面，科技巨头的大模型已经能够处理超大算力，具备千亿、万亿甚至十万亿级参数。另一方面，机器学习门槛很高，如何应用的能力还是只掌握在一小撮人手中。

“绝大多数业务人员并没有把机器学习的业务能力真正用起来，因为缺少相应赋能的工具。”亚马逊云科技大中华区产品部数据类产品高级经理王晓野表示。

机器学习服务Amazon SageMaker是亚马逊云科技增长速度最快的服务之一，目前已经服务了全球数万客户。而且Amazon SageMaker成长速度惊人，仅在过去一年就推出 60 多项新的特性和功能。秉着“如何将机器学习的能力交到更多人手中”的初衷，今年亚马逊云科技在降低AI技术门槛方面动作频繁。

一方面，亚马逊云科技开始让一行机器学习代码都不懂的业务人员用上机器学习。

全新的零代码机器学习服务Amazon SageMaker Canvas无需任何编程，通过简单的点击，就能完成机器学习工作流。用户还可以将模型导出到 Amazon SageMaker Studio，与数据科学家共享，进一步验证和完善模型。

此前，业务人员要做数据分析需要向IT部门提需求，现在借助机器学习工具可以自助式完成。Amazon QuickSight Q是一项机器学习驱动的商业智能服务，支持用户用自然语言提出问题， 几秒钟之内就能以可视化图表的方式提供答案。

另一方面，对于习惯用SQL语言的数据科学家，不用学Python也能用好机器学习。

“我们把机器学习的能力内置到了众多数据库、数据仓库服务中，比如我们发布了Aurora ML、Neptune ML、Redshift ML、Athena ML，数据分析师可以使用简单的SQL语句通过机器学习进行分析，无需构建或者训练机器学习模型。” 亚马逊云科技大中华区机器学习产品高级经理张洋表示。

此外，亚马逊云科技还将通过DeepRacer冠军杯赛、培训与认证、机器学习大学、机器学习纳米学位等项目，计划到 2025 年全球培训 2900 万人掌握机器学习能力。

千方百计降低门槛，让更多人用云计算进行业务创新，是亚马逊云科技创新的主线。

无论是开发人员、运维人员、数据科学家、行业用户，还是即将进入云计算行业的初学者，亚马逊云科技都有不断推出新的服务和功能，降低他们的使用门槛。这些努力都通向亚马逊云科技眼中的未来：云无处不在，AI人人可用。

-END-

本文为「智能进化论」原创作品。