作为全球最大的云服务商，亚马逊AWS一直是世界上服务最丰富、应用最广泛的云服务平台，仅2018年AWS就推出1957项新服务和功能，获得全球企业和机构的广泛青睐。根据10月24日亚马逊公布的第三季度财报显示，其AWS云服务收入为89.95亿美元，较去年同期的66.79亿美元增长34.7%，在如此巨大的规模下保持如此高的增长速度，在世界上是少有的。
日前，AmazonWebServices(AWS)全球技术峰会深圳站落下帷幕，这也是继上海、北京、香港、台北后在大中华地区的第五站。在本次峰会上，AWS副总裁、全球技术与开发者布道师团队伊恩·马辛哈姆揭示了云计算领域的最新技术趋势，分享了AWS一系列最新的产品及服务，深度解读前沿技术如何为业务赋予新能量。他表示，AWS一直都格外推崇Builder（构建者）文化。Builder是AWS的公司词汇。AWS所说的Builder指的是那些喜欢发明创造的人，他们善于发现客户体验的不足、进而进行改良，他们能意识到产品发布只是一个开始而不是结束的，对产品进行不断的迭代。AWS在招聘人才的时候会尽量招聘Builder。Builder也包括在AWS的生态链上一起喜欢发明创造的人。AWS始终在思考如何帮助Builder利用AWS广泛且丰富的云服务，实现从想法到现实的构建。
AWS副总裁、全球技术与开发者布道师团队伊恩·马辛哈姆(IanMassingham)
满足多样化上云路径
如今我国企业上云步伐明显加快。此前，工信部发布《推动企业上云实施指南(2018—2020年)》提出，到2020年，行业企业上云比例和应用深度要显著提升，云计算在企业生产、经营、管理中的应用广泛普及，全国新增上云企业100万家，形成典型标杆应用案例100个以上，出现一批有影响力、带动力的云平台和企业上云体验中心。
然而对于不同行业而言，在上云过程中的需求和路径也不尽相同。对此，伊恩介绍说，AWS提供了最为广泛的云服务，其中最主要的就是云迁移服务。他指出AWS在帮助客户迁移至云端的过程中，总结出了一项最基本的经验，即“不存在适合一切场景的应用迁移方法”。因此，AWS专门打造了11种数据迁移方式及数据库迁移工具。目前，已经有超过15万套数据库利用AWS数据库迁移服务完成迁移。
以工业互联网浪潮带起的制造企业“上云”趋势为例，伊恩介绍说，用户主要采用以服务为导向（SOA）的IT架构，将各种业务应用以微服务方式进行交互处理，保障业务随着应用场景发展而迭代，支撑用户全新体验与个性化服务。伊恩表示，不管哪种企业选择了哪一条路去上云，AWS都能够支持。
AWS制造参考架构
从云端到边缘的开拓
据麦肯锡预测，到2025年，全球联网设备总量将达750亿。对此，AWS推出了基于AWSIoT的服务，帮助不同行业且规模各异的企业客户构建物联网解决方案。例如通过AWSIoTGreengrass可将AWS无缝扩展至边缘设备，可以在本地（边缘设备）操作其生成的数据，同时仍可将云用于管理、分析和持久存储。在边缘层面的具体应用上，伊恩认为物联网应用的目的之一是促使IoT设备的信息复原，AWS给出了三类AWSIoT服务：
第一类是设备管理服务。由于物联网设备的数量异常庞大，企业如何管理这些设备成了一个挑战。AWS的IoT设备管理服务，从设备的加载、组织、监控、远程管理等环节，帮助企业完成设备生命周期中从生产到停用的每个阶段。
第二类是物联网安全。企业在催生响应式IoT应用程序的同时，也会暴露IoT安全漏洞，为恶意角色或意外数据泄漏打开通道。AWS提供一项完全托管的服务AWSIoTDeviceDefender，帮助企业保护IoT设备队列的安全。
第三类是物联网设备分析工具。主要是对物联网设备本身的数据进行分析。
此外，AWS还有基于微控制器的开源操作系统AmazonFreeRTOS，可以轻松地对低功耗的小型边缘设备进行编程、部署、安全保护、连接和管理。AmazonFreeRTOS通过软件库对FreeRTOS内核（一款适用于微控制器的常见开源操作系统）进行了扩展，让用户可以轻松地将小型低功耗设备安全地连接到AWSIoTCore等AWS云服务或运行AWSIoTGreengrass的、功能更强大的边缘设备。
值得一提的是，在本次峰会上AWS也宣布在深圳建立大中华区第二个物联网实验室。该实验室旨在提供经过认证的、由APN合作伙伴构建的硬件和软件解决方案，帮助客户加速物联网应用程序的设计和部署。
通过AI提升应用程序智能水平
谈及AI如何赋能企业，伊恩认为这是一个需要整个生态链参与的系统工程。AI需要AWS作为云服务商提供算力和相关的云服务，也需要真正懂得企业know-how的人通过数据模型建立算法。当然，足够的数据量支持也是非常必要的。从AWS的角度，其宗旨是希望将AI简化成一种简易的、普遍化的服务，去赋能开发人员和数据科学家。伊恩介绍说，AWS的人工智能与机器学习服务分为三个层次：
首先，最底层是提供机器学习的技术基础设施，也就是提供类似AmazonEC2、AmazonS3等计算和存储资源，用于深度学习、机器学习、大规模的模型训练。AWS提供了高性能的计算平台，使用包括Intel、AMD、NVIDIA等最新的芯片能力，以及其它芯片层面加速计算的硬件。
其次，就是现在非常广泛使用的人工智能及机器学习框架，AWS会根据这些框架来进行优化。比如针对Tensorflow，AWS进行了框架服务的资源打包。AWS提供了类似深度学习AMI打包、容器化等方面的云服务，使其能够直接为数据科学家所用。目前AWS能够支持所有主流框架。
第三层是在推理侧，AWS发布了弹性推理AmazonElasticInference，可以部分调用FPU、GPU的资源到通用实例上，而无需去使用一些高端、高配的实例，这样可以帮助用户降低推理方面的成本。
除此之外，为了加快数据科学家对于机器学习的部署流程，AWS还提供了一系列AI/ML的服务，例如AmazonSageMaker，它是一项完全托管的服务，它覆盖了整个机器学习工作流程，以标记和准备数据、选择算法、训练模型、调整和优化部署、进行预测并采取行动，用户的模型仅需更少的工作量和更低的成本便可更快地投入生产。
走开放生态之路
从核心基础设施到人工智能，AWS服务产品可以满足任何规模的企业，这也意味着AWS可以构建广泛的合作生态圈。不同于细分的服务类型，伊恩将AWS的合作伙伴简化为供应链端、购买端和销售端三类。“AWS一直在构建更适合市场的生态环境，只是现在对整合资源、吸引更多有价值合作伙伴的工作，目标更加明确，节奏更快。”这里伊恩特别强调了销售端的合作伙伴，他表示这也是AWS最为广泛的生态圈。例如AWS的Marketplace，其中有很多机器学习、人工智能的算法，都是合作伙伴基于SageMaker开发的算法以及模型。
针对中国本土的生态建设，AWS首席云计算企业战略顾问张侠补充介绍说，AWS有一个全球性的合作伙伴项目——AWS合作伙伴网络（APN）。APN合作伙伴分为两大类：其一是基于技术的合作伙伴，例如利用AWS技术的SaaS服务供应商，在张侠看来这些既是AWS的客户，也是合作伙伴，通过合作一起为用户提供更好的技术产品。在中国，比较知名的合作伙伴例如CRM领域的销售易、云ERP厂商金蝶等，都和AWS保持了弥久历新的合作关系。
AWS首席云计算企业战略顾问张侠
另一类是SI实施、咨询类的合作伙伴。张侠介绍说，企业希望利用AWS在敏捷性、灵活性、丰富的功能、成本效益及全球覆盖上的优势，像初创公司一样快速创新。因此，通过德勤、凯捷、富通云腾、神州泰岳等服务商的专业知识和深厚的行业经验，他们在中国帮助企业更加快速、平稳地迁移上云。最近，AWS跟上述合作伙伴都签署了战略协作，可以使他们跟AWS更加紧密地协作，更好地为客户服务。
以客户为中心的创新文化
AWS以顾客为中心的创新文化，是AWS津津乐道的话题，也是AWS客户颇为称道的地方。
格兰仕集团首席信息官努尔古丽对记者分享了她的经历。她说，格兰仕决定开发智能产品时，也跟国内很多研究机构谈过合作，受到了一些启发，不过要真正做出一个产品投放到市场，大家都缺一点这方面的经验。鉴于AWS掌握AmazonEcho音箱、Alexa的经验，格兰仕决定跟AWS合作。
格兰仕集团创建深圳创新中心的时候，努尔古丽一个人背着背包走马上任。AWS有一名工程师跟她一起，起步就他们两人。他们在空荡荡的办公室，进行了大量的交流和碰撞，如何做出智能产品投放到市场，几乎每天都工作到凌晨两三点。格兰仕有结构工程师、有设备端的研发工程师，但是在云端的开发人才几乎没有。AWS帮格兰仕一起招聘组建团队，给格兰仕传授经验，很快把团队组建起来。两个月就从努尔古丽一个人变成68个人。跟AWS合作半年之后，格兰仕的智能冰箱上市了。多款智能产品即将上市。努尔古丽至今对AWS给予的支持发自内心地感谢。
让努尔古丽印象深刻的是AWS工程师所体现出来的创新文化。他们知道的会告诉你知道，有的会告诉你有，没有的也会非常坦诚的告诉你没有，可以跟你一起来做一些研究。例如在用户体验层面，特别是家电行业的用户体验，AWS工程师的经验比格兰仕的工程师欠缺一点，他们会非常坦诚地跟格兰仕的工程师坐下来，一起研究做这些工作。这让努尔古丽感觉收获很大。
而在开发智能产品时，IoT方面的设计则是AWS工程师的强项。努尔古丽说，他们教会格兰仕的团队怎么来思考，IoT产品的设计从什么地方出发，应该思考哪些问题，什么时候做哪些事，这些经验的分享对格兰仕非常重要。再结合格兰仕工程师的行业经验，成功地把产品开发出来推向市场。
综上，记者认为，在智能+时代，AWS正在通过基础云平台、物联网与人工智能服务、行业生态以及公司独特的创新文化等方面的优势，持续引领云计算的未来。
