Amazon SageMaker来了，AI落地还远吗？

点击上方关注我们!

先听为快

在拉美、中东、东南亚等新兴市场国家，如果提起移动短视频服务，有一家来自中国的企业不得不提，它就是深圳大宇无限科技有限公司（以下简称“大宇无限”）。目前，大宇无限的旗舰产品Snaptube的月活用户数已经突破1亿大关，日活用户的规模也有几千万。大宇无限机器学习技术总监苏映滨特别提到，2019年上半年，大宇无限开发了一款新的App——Zapee，更加聚焦于满足用户对短视频的需求。截至2019年11月，Zapee的日活用户数已经突破百万。

无论是Snaptube，还是Zapee，它们的“火爆”都离不开一个智能的后台。

它是谁？

有Amazon SageMaker，事半功倍

“我们整个的基础设施，以及基于机器学习平台构建的推荐系统，都是基于AWS的技术和平台。”苏映滨如是说，“在选择人工智能平台时，除了性能、成本、算法的丰富性，以及便捷性等基本因素以外，厂商的服务能力，或者说我们的使用体验是最重要的。在人力资源有限的情况下，我们需要合作伙伴除了提供平台以外，还能在AI的应用上给我们更多支持和点拨。”

苏映滨为AI平台和服务的提供者“画了一幅像”。按此条件遴选，谁能脱颖而出？“两年前开始，我们就在使用Amazon SageMaker。”苏映滨给出了答案，“当时，我们做了详细的调研，并比较了市场上主流的产品，还是觉得Amazon SageMaker最能够满足我们的需求。在实际使用之后，果然整体体验很好。我们暂时还不会考虑其他类似的平台。”

如今在全球范围内，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，并探索如何将这些新技术引入到日常的应用中。AWS首席云计算企业战略顾问张侠博士指出，实际上，除了少数拥有专家人才和数据科学家的企业以外，大多数企业还是很难自己独立掌握并应用机器学习、人工智能技术。因此，企业客户希望像AWS这样的“能力者”，能够通过创新、智能和简化，让机器学习、人工智能等复杂的技术变得更方便、更易用。

具体到大宇无限，实现视频内容的在线推荐，对其开发团队来说是一项巨大的挑战，构建机器学习系统的整个流程极为复杂，需要大量的开发者耗费很长的时间才可能完成。Amazon SageMaker的优势在于，极大地简化了机器学习系统的构建、训练和部署流程，使得大宇无限无需构建基础设施，其算法工程师只需为Amazon SageMaker准备数据即可。整个团队仅用了三个月的时间就从零起步，完成了整个系统的建设，并经受住了实际用户巨大访问量的考验。

“在实际业务中，不同的场景需要不同的模型，即使同一个场景也会尝试很多模型。这就对机器学习的平台提出了较高要求，不仅要切换不同的算法，还要在不同的框架上进行尝试。如果完全由我们自己搭建，一是需要专业的人员和丰富的经验，二是会耗费大量时间和精力，以及成本。Amazon SageMaker是一个非常好用的机器学习框架，不仅服务稳定，而且可节省70%的训练成本。”苏映滨介绍说，“Amazon SageMaker除了内置主流的算法，还支持最流行的框架，像TensorFow、MXNet、PyTorch等，并且通过一个统一的接口来对接，从而提高了框架切换的效率，方便了算法的使用。我们只要做好训练数据的准备，直接调用接口、配置参数，然后通过几个命令就能直接部署上线了。”

简言之，Amazon SageMaker帮助大宇无限实现了从0到1的飞跃。而在全球，数以万计的客户，其中包括Autodesk、Change Healthcare、拜耳、英国航空、盖洛普、环球邮报、T-Mobile等，以及中国的客户，如虎牙、华来科技等都受益于Amazon SageMaker，得以大规模、快速地构建、训练和部署机器学习模型，创造更多新的业务价值。

Amazon SageMaker到中国

大量中国的“出海”企业从两三年前就开始尝试使用以Amazon SageMaker为代表的AWS在人工智能、机器学习、深度学习等方面的技术、平台和服务。现在，Amazon SageMaker正式落户中国，可以预见，这将加速中国企业在AI方面的有益探索。

5月12日，AWS宣布，Amazon SageMaker在由西云数据运营的AWS中国 (宁夏) 区域和由光环新网运营的AWS中国（北京）区域正式上线。

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模型。Amazon SageMaker在中国的上线还使中国客户获得了一系列新发布的工具，包括弹性Notebook、实验管理、模型自动创建、模型调试分析，以及模型概念漂移检测等。所有这些工具都封装在首个面向机器学习的集成开发环境(IDE) Amazon SageMaker Studio中。

张侠表示，在全球的诸多可用区中，中国区属于较早上线Amazon SageMaker的。通过预置的Notebook、针对PB级数据集优化的常用算法，以及自动模型调优等，Amazon SageMaker极大地降低了模型构建和训练的难度。此次Amazon SageMaker在中国落地，还包含了AWS在去年re:Invent上最新发布的多项新的功能和高级特性。

在此，我们举两个例子。Amazon SageMaker Studio将所有用于机器学习的组件集中在一个地方，构成了面向机器学习的集成开发环境（IDE）。用户使用IDE就如同软件开发一样，可以在Amazon SageMaker Studio中查看和组织源代码、依赖项、文档，以及其他应用程序资产。当前，机器学习工作流包含大量组件，其中许多组件都带有自己的一组各自独立的工具。Amazon SageMaker Studio为所有Amazon SageMaker功能和整个机器学习工作流提供了一个统一的界面，方便开发者创建项目文件夹，组织Notebook和数据集，以及协作讨论Notebook及结果等。使用过Amazon SageMaker Studio的用户都有同感：它让构建、训练、解释、检查、监视、调试和运行机器学习模型变得更简单，也更快。

另一个例子是Amazon SageMaker Notebooks，它提供了一键启用的Jupyter Notebook，具有秒级的弹性计算提升能力。Notebooks包含运行或重新创建机器学习工作流所需的一切要素。Amazon SageMaker Notebooks提供了弹性的Jupyter Notebook功能，让开发者可以轻松地调高或降低Notebook需要的算力（包括GPU加速）。这些调整在后台自动发生，不会打断开发者的工作。开发者也不需要浪费时间来关闭旧实例或在新实例中重新创建所有工作，从而更快地开始构建模型。另外，Amazon SageMaker Notebook还可以自动复制特定环境和库依赖项，实现Notebook一键共享。这将使构建模型的协作变得更容易，一个工程师可以很容易地将手头工作共享给其他工程师，并在现有工作基础上轻松构建模型。

AWS在人工智能领域的持续创新能力，以及丰富的实践，为自己在市场上赢得了声誉。2020年1月，在Gartner发布的“云AI开发者服务魔力象限”中，AWS被评为领导者。Gartner对AWS推出的自动生成机器学习模型工具SageMaker Autopilot给予好评。该工具可根据用户的数据自动训练和调整最佳机器学习模型，并进行分类或回归，同时保持完全控制和可见性。

中国在AWS人工智能技术的全球开发体系中也扮演着重要角色。举例来说，AWS上海人工智能研究院是AWS在亚太地区的首个人工智能研究院，致力于与中国顶尖大学和研究机构协作，共同推进人工智能研究项目。DGL (Deep Graph Library) 图神经网络框架就是由AWS上海人工智能研究院开发的一个开源代码库，旨在简化图神经网络的实现和部署。DGL还有助于提高基于GNN的推荐、欺诈检测和药物发现等系统的预测准确性。

当前，尽管GNN在研究中展现了广阔的前景，但其应用却非常有限，这是因为需要复杂的基础设施来训练大型图数据，且缺乏可靠的、特定领域的模型。开发GNN需要在具有数百万个节点的图上查找和训练，而构建、维护、执行如此大量复杂的训练非常耗时。Amazon SageMaker对DGL的支持，消除了打包软件依赖项，以及构建基础设施和寻找已验证模型的负担。这样一来，开发者可以在数小时而不是数周或数月内测试和部署GNN。AWS深度学习容器打包了所有软件依赖项，而且Amazon SageMaker API自动设置和扩展了训练图所需的基础设施。有了已验证模型的打包库，开发者可以立即测试最先进的GNN模型，并将它们集成到应用程序中。

一个好汉三个帮，加速AI落地

万事俱备，只欠东风。与人工智能相关的技术发展十分迅速，现在的关键是，寻找更多业务场景，让创新的技术可以真正落到实处，助力企业数字化转型，创造更多价值。

由于人工智能技术的复杂性，以及企业缺少专业的人才，同时还要将更多精力放在业务上，所以企业用户如果想充分利用人工智能，事半功倍，最好有一个专业、专注的服务商。

作为AWS的核心级咨询合作伙伴 (APN Premier Consulting Partner)，伊克罗德充当了人工智能技术落地的桥梁，它基于AWS的解决方案提供专业化的服务，极大地减少了用户的开发时间与运营费用。伊克罗德产品经理陈昶佑介绍说，伊克罗德运用Amazon SageMaker平台加速企业导入行业AI解决方案，包括文本分析、语意理解、预测分类、推荐系统与诈欺侦测等，针对客户实际遇到的商业问题，量身打造端到端的AI应用。随着Amazon SageMaker在中国区域落地，伊克罗德将以SageMaker平台作为企业机器学习运营（MLOps）的核心，协助企业构建MLOps流程，尤其在金融行业，可以更有效地帮助企业内部的数据科学家与AI工程师建立、训练与部署机器学习模型。

“Amazon SageMaker提供了一个非常简便的平台，以及高效能的算法，从而节省开发时间和成本，让我们更有信心帮助客户构建更可信赖的解决方案，从而加速客户的商业创新进程。”陈昶佑表示，伊克罗德可以为客户提供AI和AWS技术上的专业支持，帮助客户量身打造专属的AI运用，并在具体的业务场景中快速落地。

随着Amazon SageMaker在中国落地，伊克罗德未来将在两个方向上与AWS加深合作。第一，让更多客户对Amazon SageMaker有深入了解，一方面，针对有AI技术团队的客户，伊克罗德可以帮助他们打造自己内部的MLOps流程；另一方面，针对有想法但没有掌握AI技术的客户，伊克罗德将借助已导入Amazon SageMaker的自己的技术模块，让客户充分享受到Amazon SageMaker的优势。

第二，利用AWS的AI平台和服务，以及伊克罗德丰富的实践经验，让客户以最短的时间验证自己的想法，并在此基础上实现AI平台的大规模部署和优化，让人工智能变得更加精进，体验更佳。

AWS希望消除人工智能的门槛，把机器学习能力输送给每一家企业和机构。作为AWS的合作伙伴，伊克罗德致力于利用云计算的优势引领企业实现数字化转型。作为用户的大宇无限，将“用科技让世界每个角落充满期待”作为自身的使命。只有心往一处想，劲儿才能往一处使。共同的理想和选择让三方在共同的道路上快速前进。

长按二维码识别关注云报

云报

小编微信：Taogebj

联系邮箱：[email protected]