AWS“创新基因”下的“中国速度”:上半年已落地超150项服务( 二 )


加快AWS产品中国落地
中国信息通信研究院7月29日发布的《云计算发展白皮书》显示 , 从2017到2019年 , 中国公有云的市场规模从264.8亿元增长689.3亿元 , 2018年、2019年的增速分别达到65.2%、57.6% 。 预计到2023年 , 市场规模将达到2307.4亿元 , 是2019年的3倍多 。
中国云计算市场有着巨大的发展空间 , 对于企业来说 , 也是非常难得的发展机遇 。 “过去的5年中 , 行业、政府、公共事业的上云速度不断加快 , 云已然成为他们创新的工具” , 顾凡说道 。
从AWS的角度来看 , 顾凡认为 , AWS要为中国企业和机构的创新赋能 , 非常重要的一点是要加快AWS云服务产品和功能在中国落地 。
据了解 , 目前AWS云服务落地中国有两种情况:一是大部分服务和功能只需要做一些简单的本地化开发就可以在中国区域部署落地;二是需要根据客户的需求进行更多的服务 。 但无论哪一种 , AWS都会根据中国客户的需求 , 尽快、尽早地将全球的服务和功能落地到中国区域 。
中国企业数据量的爆炸式增长 , 对大数据处理和分析有着非常迫切的需求 。 针对这些企业客户的需求 , 今年上半年AWS在中国区域就推出和部署了交互式查询服务Amazon Athena , 数据提取、转换和加载 (ETL) 服务AWS Glue , 以及流式数据处理服务Amazon MSK 。
在容器领域 , AWS在中国区域落地部署了Amazon EKS , 让管理、运维K8S容器变得简单方便 。
此外 , 顾凡介绍 , AWS在上海的人工智能研究院有两个功能 , 第一个功能是做基础研究 , 从核心算法和ML框架方向做技术突破;第二个功能 , 便是要结合中国人工智能/机器学习应用落地时的瓶颈 , 帮助客户在算法方面结合行业需求进行技术优化 。
同时 , 值得关注的是 , 为了更好的服务中国客户 , AWS在中国有专业团队负责服务的落地 , 跟全球的服务团队配合 。 顾凡介绍:“AWS目标特别简单 , 全球有什么服务 , 中国区都应该有 。 ”
在今年新落地中国区域的云服务和产品中 , 特别值得一提的是机器学习服务AmazonSageMaker 。
人工智能现在是非常热门的话题 。 亚马逊认为 , 人工智能的本质和核心是机器学习 。 人工智能、机器学习的概念早在50年前就出现了 。 之所以现在才热起来 , 是因为过去机器学习的门槛比较高 , 只有少数科技巨头和硬核的研究机构才有条件进行研究 。 一方面是机器学习需要的庞大算力不容易获得;另一方面 , 机器学习模型的训练过程特别复杂 , 要搭建训练环境、准备数据、寻找合适的算法、进行大量的运算、优化算法 。
现在有了云计算 , 算力不再是问题 。 AWS推出的Amazon SageMaker可以降低机器学习模型训练过程的复杂性 。 SageMaker是一项完全托管的服务 , 它可以化繁为简 , 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 , 大大降低了模型构建和训练的难度 。
顾凡称 , SageMaker是一个非常开放的产品 , 无论对于各类机器学习框架和算法的支持 , 模块化的设计方式 , 还是对于生态合作伙伴解决方案的支持 , 能够真正让各种类型、各种需求的客户都很方便地应用这个服务 。 此外 , SageMaker Studio还是业界第一个面向机器学习的集成开发环境 。
过去6年是AWS在中国快速发展的6年 。 2015年AWS在中国市场发布“云创计划” , 2016年AWS中国(北京)区域正式商用 , 2017年AWS中国(宁夏)区域正式商用 , 2018年AWS上海人工智能研究院成立 , 2019年AWS在台北、深圳物联网实验室成立 , 2020年在中国发布首个可再生能源项目 。
据了解 , 为更好地为中国客户赋能 , AWS正在加速新服务和功能落地中国 。 仅今年上半年 , AWS就在中国区域落地了150多项云服务和功能 。
“目前AWS全系列的数据分析服务都已经落地到中国市场 , 比如无服务器的数据清洗AWS Glue服务 , 现代化的数据仓库Amazon Redshift , 交互式查询Amazon Athena等等” , 顾凡强调 。


推荐阅读