近年来，随着人工智能（Artificial Intelligence，简称AI）技术的不断发展，其对各行各业的影响也在不断加深。根据Gartner对2019年的CIO议程调查，仅在2018年至2019年间，部署人工智能的组织就从4%增长到了14%。
然而对于许多企业来说，作为一种新兴技术，人工智能的门槛还是太高了。那么有没有什么办法可以降低人工智能的门槛，让其可以更快更好地造福人类？
回答是肯定的。亚马逊云服务AWS旗下的机器学习（Machine Learning，简称ML）服务Amazon SageMaker，正是为此而生。
云AI开发者服务魔力象限的领导者
如今人工智能究竟有多火？通过Gartner发布的2019年人工智能新技术成熟度曲线，我们不难窥见一二。
该成熟度曲线审查了在人工智能领域的创新、趋势潮流以及计划范围，从中我们可以看到，以机器学习为代表的许多人工智能技术正在快速成熟。面对大数据时代每年都呈现指数级增长的海量数据，机器学习通过使用数学模型从数据中提取知识和模式，为各行各业的企业遭遇的业务问题提供解决方案。从提供个性化服务到预测产品故障，从供应链推荐到动态定价，从检测欺诈行为到反洗黑钱……在越来越多的行业和领域，机器学习都开始大展身手。
2020年2月，Gartner又发布了云AI开发者服务魔力象限报告。Gartner在该报告中预测，2023年将会有超过40%的开发团队使用自动化机器学习服务，以此构建向其应用程序中添加AI功能的模型。而在2019年，这一比例还不到2%；Gartner还预测，2025年将有50%的数据科学项目实现自动化，以缓解AI人才短缺的问题。
为了帮助广大AI开发者降低门槛，提升效率，AWS推出了自动生成机器学习模型工具Amazon SageMaker。通过这项工具，即使用户并不具备机器学习领域的专业知识，也可以根据自己的数据自动探索不同的解决方案，自动训练和调整机器学习模型。这使得用户不仅可以快速生成高质量模型，保持可见性和控制，而且更加易于部署。
正是凭借在广大用户中有口皆碑的Amazon SageMaker，AWS才以毋庸置疑的优势成为了云AI开发者服务魔力象限排名第一位的领导者。
用机器学习消除人工智能门槛
目前制约人工智能应用普及的瓶颈，主要有哪些因素？亚马逊云服务AWS首席云计算企业战略顾问张侠博士将其归纳为以下三个方面：
一、AI专业人才短缺。目前人工智能、机器学习领域的专业知识相对较为高深，掌握相关知识的专业人才比较欠缺，企业往往需要支付百万级的年薪才能找到高级人才。
二、构建和扩展技术产品难度较大。构建和扩展人工智能技术的产品，将其真正应用到现实的生产工作流程中，目前还存在较大的难度。
三、部署应用费时且成本高昂。企业都希望能够获得低成本、易使用、可扩展的人工智能产品和服务，然而在实际生产经营中部署人工智能应用时，往往会发现需要耗费大量时间，且成本高昂。
正是为了帮助AI开发者和广大企业解决以上痛点，Amazon SageMaker才应运而生。
“为什么要选择AWS的机器学习？原因同样可以归纳为三个方面。”张侠博士表示。
一、广泛和深入的机器学习服务。AWS为用户提供了非常广泛、深入的机器学习服务，其中Amazon SageMaker服务只是AWS机器学习三层服务堆栈的一个中间层，主要用于消除机器学习过程中的繁重工作，让开发高质量模型变得更加轻松。在三层服务堆栈的底层机器学习框架和基础，用户可以根据自己在性能、灵活性、成本控制等方面的需求，灵活选择TensorFlow、PyTorch、Apache MXNet、Chainer、Gluon、Horovod 和 Keras等机器学习框架。在三层服务堆栈的顶层人工智能服务，AWS提供了训练好的人工智能服务，以解决计算机视觉服务、个性化推荐服务等与人类认知相关的典型问题。
二、使用SageMaker加速部署机器学习。作为一个工具集，Amazon SageMaker提供了用于机器学习的所有组件，拥有弹性笔记本、实验管理、自动模型创建、调试与分析、模型概念漂移检测等诸多强大功能，贯穿了整个机器学习的工作流程。这使得用户可以加速对机器学习的学习、建模、发展、实验等所有过程，以更少的努力、更低的成本、更快地将机器学习模型投入生产。与此同时，AWS还在不断地为SageMaker增加新功能，仅仅在2019年就增加了50多项新功能。
三、在AWS云平台上发展人工智能。作为全球首屈一指的IaaS公有云平台，AWS云平台可以为用户提供数据存储、数据仓库、AIoT、容器等种类极其丰富的服务，让用户可以更加方便快捷地将机器学习应用进行部署和落地。
Amazon SageMaker在中国正式上线
在企业纷纷开展数字化转型的今天，中国各行各业的企业也对人工智能投入了极大的关注。根据IDC的统计数据，当前40%的企业数字化转型项目都会运用人工智能。IDC还预计，到2023年，中国人工智能市场规模将达到979亿美元，2018-2023年复合增长率为28.4%。
“放眼全球各地，从初创公司到大型企业，部署机器学习普遍都是重中之重。几乎每一个行业和细分市场的企业，都开始将机器学习应用于其工作负载，从数据中发掘价值、获取洞察、提升业务。”张侠博士向趣味科技表示，“包括本次疫情期间大家也都有目共睹，数字化转型做得好的企业往往表现都非常优秀。我们说的数字化转型实际体现在很多方面，包括客户体验、运营、决策、创新、竞争等，都是下一步经济发展、企业发展的关键。大数据分析和机器学习是其中两个重要的支撑点。一个企业如果抓好了这两点，就可以更好地准备就绪，在下一阶段的发展中处在一个非常有利的地位。”
2020年5月12日，Amazon SageMaker在AWS中国（宁夏）和（北京）区域正式上线，其中AWS中国（宁夏）区域由西云数据运营，（北京）区域则由光环新网运营。
“Amazon SageMaker在AWS中国（宁夏）区域和AWS中国（北京）区域的上线，将帮助更多中国客户去除机器学习涉及的混乱和复杂性，让他们能够胜任构建、训练和部署模型的工作，来应对新的挑战。”AWS全球副总裁及大中华区执行董事张文翊表示。
来自客户与合作伙伴的现身说法
谈起在使用Amazon SageMaker中的实际体验感受，AWS的客户和合作伙伴无疑最有发言权。
作为一家专门从事移动应用程序开发的公司，大宇无限主要为中东、东南亚和拉丁美洲等新兴市场提供移动短视频服务。然而对于一家初创企业来说，要想构建一个可以满足海量用户、千万级视频推荐，以及相匹配的机器学习平台，无疑是一项非常艰巨的挑战。
“SageMaker的出现，帮助我们实现了从0到1的突破。它极大地简化了整个机器学习系统的构建、训练和部署流程，而且许多算法都已经做了非常不错的优化。我们完全不需要构建基础设施，只用做好训练数据的准备，直接调用接口、设置参数，基本上几个命令就可以直接部署上线。”大宇无限机器学习技术总监苏映滨向趣味科技透露，“虽然我们一开始经验也不多，但是通过SageMaker，我们仅仅用了三个月的时间就完成了整个系统的搭建，训练成本也比自己搭建更加便宜，估算平均能节省70%的训练成本。”
苏映滨指出，在Amazon SageMaker的帮助下，公司不仅节省了大量的时间和精力，而且基本上不用投入运维人力，服务的稳定性也得到了非常可靠的保证。
作为一家云端的原生云咨询服务公司，伊克罗德是AWS的核心级咨询合作伙伴（APN Premier Consulting Partner）。其基于AWS的解决方案，可以帮助用户极大地减少开发时间和降低运营费用。
“最近几年，人工智能领域的讨论非常热烈。随着算力和算法的升级，以及数据量的扩张，人工智能可以解决的问题越来越多，光是亚马逊自己就带来了很多人工智能方面的应用，我们的许多客户看到这些应用也非常兴奋。不过面对不同的产业、不同的客户、不同的场景、不同的需求，我们必须有一个很好的平台才能帮助所有客户达到他们的目标。”伊克罗德产品经理陈昶佑表示。
Amazon SageMaker就是这样一个内嵌众多高效能算法、兼具效能和效力，能够帮助用户节省大量时间和成本优化的人工智能开发平台。通过Amazon SageMaker平台，伊克罗德可以快速将标签标注、文本分析、语意理解、预测分类、推荐系统与诈欺侦测等导入AI解决方案，针对客户实际遇到的商业问题，为其量身打造能够真正解决问题的端到端AI应用。
“随着Amazon SageMaker在中国的落地，相信伊克罗德结合Amazon SageMaker的解决方案，未来也将会为更多的中国客户提供服务。”陈昶佑说道。
重庆分公司
重庆分公司
