每经记者：宗旭 每经编辑：汤辉
5月12日，亚马逊云服务（AWS）宣布，Amazon SageMaker在由西云数据运营的AWS宁夏区域和光环新网运营的AWS北京区域正式上线。据了解，Amazon SageMaker是一项完全托管的服务，可以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（ML）模型。
对于这个机器学习平台，AWS寄予厚望。AWS首席云计算企业战略顾问张侠在接受包括《每日经济新闻》记者在内的媒体采访时表示，机器学习的产品和服务是云计算中非常重要的一个点，也是企业数字化转型的核心推进点。
机器学习的应用存在诸多困难
机器学习的概念和相关技术其实早在几十年前就出现了，只是直到今天，随着云计算的出现，人工智能和机器学习才能进入千千万万的企业，而不再局限于少数科技巨头和硬核的研究机构。
在谈到以往行业风气时，张侠表示：“有一些人宣传宣传、吹吹风，都能拉来投资，这些东西来得急去得也急。不过人工智能、机器学习没有随着时间的流逝而式微，而是确确实实在发展。”
AWS首席云计算企业战略顾问张侠 图片来源：企业供图
云计算时代的到来，扫清了广大企业应用人工智能和机器学习的障碍，而即便最保守的企业在当今都无法忽视人工智能的作用。从金融行业里的风险欺诈侦测，到健康医疗行业里的精准医疗，亦或者是短视频领域的算法推荐，机器学习的身影无处不在。
根据Gartner发布的2019人工智能新技术成熟度曲线显示，以机器学习为代表的许多人工智能的技术正在快速成熟。IDC数据也显示，当前40%的企业数字化转型项目都会运用人工智能。IDC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%。
不过虽然机器学习是“显学”，但其发展还是存在不少阻力，其一，人工智能、机器学习等知识相对高深，相应的，掌握这些知识的人也就比较少，因此前段时间大家才能听到不少百万年薪招聘人工智能人才的故事。
此外，怎么把人工智能的技术应用到现实的生产工作中，如何降低人工智能部署的费用对于企业来说也是一个挑战。
据AWS介绍，机器学习的部署实施其实是一项非常复杂的工作，比如对数据进行可视化、转换和预处理，模型的训练，算法的优化，所有这些工作都需要大量的专业知识，并耗费庞大的算力、数据存储和时间成本。而且，由于没有集成化的工具用于整个机器学习的工作流，机器学习模型的传统开发方式是复杂、繁复和昂贵的。
云计算厂商之间的差异化竞争
作为一个云计算厂商，AWS为什么会推出机器学习平台Amazon SageMaker？最直接的原因是市场需要。
“国内越来越多的企业正在探讨机器学习和人工智能技术带来的巨大潜力，探索如何把这些技术融入到日常应用当中。但实际上，除了少数具有专家人才和数据科学家的企业外，大部分公司还是很难应用机器学习这项技术。”AWS全球副总裁及大中华区执行董事张文翊表示。
此外，张侠指出，企业的数字化转型体现在很多方面，无论是企业的运营、决策、创新还是客户体验，都是企业下一步发展的关键，而支撑企业数字化转型的，其中的两个关键点就是大数据分析和机器学习。
而且作为一家云服务厂商，在CDN、存储、云服务器等基础设施方面与竞争对手拉不开明显差距的情况下，想要吸引到客户，依靠的就是在IaaS层之上的服务。稍微留意即可发现，云服务厂商的服务不断变“厚”。
“云层变厚”的主要原因是来自于客户的需求，张侠表示，“这些需求促使我们去开发新的产品。随着时间的推移、云计算的发展，需求越来越多，我们产品的广度和深度随之而得到了一些发展。”其实除了机器学习平台之外，AI平台、大数据平台、物联网平台等也是微软Azure、阿里云、腾讯云等云厂商重点发力的领域，这些正是云厂商和竞争对手拉开差距的地方。
值得注意的是，Amazon SageMaker此次在中国的上线涵盖了去年12月AWS在re:Invent大会上发布的全部功能，这个发布速度几乎与全球是同步的。目前宁夏和北京区域是全球第五和第六个上线的区域，在目前AWS全球24个区域中排在前面。对于以后是否有更多的产品全球同步发布，引进中国，张侠表示，还得根据客户的需求。
从中国云计算市场竞争的角度来看，随着“新基建”的提出，阿里云、腾讯云等纷纷宣布加注，金山云、UCould等也完成了上市，募集到资金补充了“弹药”，接下来是否有新一轮的“厮杀”还未可知。
