近年來，隨着人工智能（Artificial Intelligence，簡稱AI）技術的不斷髮展，其對各行各業的影響也在不斷加深。根據Gartner對2019年的CIO議程調查，僅在2018年至2019年間，部署人工智能的組織就從4%增長到了14%。
然而對於許多企業來說，作爲一種新興技術，人工智能的門檻還是太高了。那麼有沒有什麼辦法可以降低人工智能的門檻，讓其可以更快更好地造福人類？
回答是肯定的。亞馬遜雲服務AWS旗下的機器學習（Machine Learning，簡稱ML）服務——Amazon SageMaker，正是爲此而生。
雲AI開發者服務魔力象限的領導者
如今人工智能究竟有多火？通過Gartner發佈的2019年人工智能新技術成熟度曲線，我們不難窺見一二。
該成熟度曲線審查了在人工智能領域的創新、趨勢潮流以及計劃範圍，從中我們可以看到，以機器學習爲代表的許多人工智能技術正在快速成熟。面對大數據時代每年都呈現指數級增長的海量數據，機器學習通過使用數學模型從數據中提取知識和模式，爲各行各業的企業遭遇的業務問題提供解決方案。從提供個性化服務到預測產品故障，從供應鏈推薦到動態定價，從檢測欺詐行爲到反洗黑錢……在越來越多的行業和領域，機器學習都開始大展身手。
2020年2月，Gartner又發佈了雲AI開發者服務魔力象限報告。Gartner在該報告中預測，2023年將會有超過40%的開發團隊使用自動化機器學習服務，以此構建向其應用程序中添加AI功能的模型。而在2019年，這一比例還不到2%；Gartner還預測，2025年將有50%的數據科學項目實現自動化，以緩解AI人才短缺的問題。
爲了幫助廣大AI開發者降低門檻，提升效率，AWS推出了自動生成機器學習模型工具Amazon SageMaker。通過這項工具，即使用戶並不具備機器學習領域的專業知識，也可以根據自己的數據自動探索不同的解決方案，自動訓練和調整最佳機器學習模型。這使得用戶不僅可以快速生成高質量模型，保持可見性和控制，而且更加易於部署。
正是憑藉在廣大用戶中有口皆碑的Amazon SageMaker，AWS才以毋庸置疑的優勢成爲了雲AI開發者服務魔力象限排名第一位的領導者。
用機器學習消除人工智能門檻
目前制約人工智能應用普及的瓶頸，主要有哪些因素？亞馬遜雲服務AWS首席雲計算企業戰略顧問張俠博士將其歸納爲以下三個方面：
一、AI專業人才短缺。目前人工智能、機器學習領域的專業知識相對較爲高深，掌握相關知識的專業人才比較欠缺，企業往往需要支付百萬級的年薪才能找到高級人才。
二、構建和擴展技術產品難度較大。構建和擴展人工智能技術的產品，將其真正應用到現實的生產工作流程中，目前還存在較大的難度。
三、部署應用費時且成本高昂。企業都希望能夠獲得低成本、易使用、可擴展的人工智能產品和服務，然而在實際生產經營中部署人工智能應用時，往往會發現需要耗費大量時間，且成本高昂。
正是爲了幫助AI開發者和廣大企業解決以上痛點，Amazon SageMaker才應運而生。
“爲什麼要選擇AWS的機器學習？原因同樣可以歸納爲三個方面。”張俠博士表示。
一、廣泛和深入的機器學習服務。AWS爲用戶提供了非常廣泛、深入的機器學習服務，其中Amazon SageMaker服務只是AWS機器學習三層服務堆棧的一箇中間層，主要用於消除機器學習過程中的繁重工作，讓開發高質量模型變得更加輕鬆。在三層服務堆棧的底層——機器學習框架和基礎乫，用戶可以根據自己在性能、靈活性、成本控制等方面的需求，靈活選擇TensorFlow、PyTorch、Apache MXNet、Chainer、Gluon、Horovod 和 Keras等機器學習框架。在三層服務堆棧的頂層——人工智能服務，AWS提供了訓練好的人工智能服務，以解決計算機視覺服務、個性化推薦服務等與人類認知相關的典型問題。
二、使用SageMaker加速部署機器學習。作爲一個工具集，Amazon SageMaker提供了用於機器學習的所有組件，擁有彈性筆記本、實驗管理、自動模型創建、調試與分析、模型概念漂移檢測等諸多強大功能，貫穿了整個機器學習的工作流程。這使得用戶可以加速對機器學習的學習、建模、發展、實驗等所有過程，以更少的努力、更低的成本、更快地將機器學習模型投入生產。與此同時，AWS還在不斷地爲SageMaker增加新功能，僅僅在2019年就增加了50多項新功能。
三、在AWS雲平臺上發展人工智能。作爲全球首屈一指的IaaS公有云平臺，AWS雲平臺可以爲用戶提供數據存儲、數據倉庫、AIoT、容器等種類極其豐富的服務，讓用戶可以更加方便快捷地將機器學習應用進行部署和落地。
Amazon SageMaker在中國正式上線
在企業紛紛開展數字化轉型的今天，中國各行各業的企業也對人工智能投入了極大的關注。根據IDC的統計數據，當前40%的企業數字化轉型項目都會運用人工智能。IDC還預計，到2023年，中國人工智能市場規模將達到979億美元，2018-2023年複合增長率爲28.4%。
“放眼全球各地，從初創公司到大型企業，部署機器學習普遍都是重中之重。幾乎每一個行業和細分市場的企業，都開始將機器學習應用於其工作負載，從數據中發掘價值、獲取洞察、提升業務。”張俠博士向趣味科技表示，“包括本次疫情期間大家也都有目共睹，數字化轉型做得好的企業往往表現都非常優秀。我們說的數字化轉型實際體現在很多方面，包括客戶體驗、運營、決策、創新、競爭等，都是下一步經濟發展、企業發展的關鍵。大數據分析和機器學習是其中兩個重要的支撐點。一個企業如果抓好了這兩點，就可以更好地準備就緒，在下一階段的發展中處在一個非常有利的地位。”
2020年5月12日，Amazon SageMaker在AWS中國（寧夏）和（北京）區域正式上線，其中AWS中國（寧夏）區域由西雲數據運營，（北京）區域則由光環新網運營。
“Amazon SageMaker在AWS中國（寧夏）區域和AWS中國（北京）區域的上線，將幫助更多中國客戶去除機器學習涉及的混亂和複雜性，讓他們能夠勝任構建、訓練和部署模型的工作，來應對新的挑戰。”AWS全球副總裁及大中華區執行董事張文翊表示。
來自客戶與合作伙伴的現身說法
談起在使用Amazon SageMaker中的實際體驗感受，AWS的客戶和合作伙伴無疑最有發言權。
作爲一家專門從事移動應用程序開發的公司，大宇無限主要爲中東、東南亞和拉丁美洲等新興市場提供移動短視頻服務。然而對於一家初創企業來說，要想構建一個可以滿足海量用戶、千萬級視頻推薦，以及相匹配的機器學習平臺，無疑是一項非常艱鉅的挑戰。
“SageMaker的出現，幫助我們實現了從0到1的突破。它極大地簡化了整個機器學習系統的構建、訓練和部署流程，而且許多算法都已經做了非常不錯的優化。我們完全不需要構建基礎設施，只用做好訓練數據的準備，直接調用接口、設置參數，基本上幾個命令就可以直接部署上線。”大宇無限機器學習技術總監蘇映濱向趣味科技透露，“雖然我們一開始經驗也不多，但是通過SageMaker，我們僅僅用了三個月的時間就完成了整個系統的搭建，訓練成本也比自己搭建更加便宜，估算平均能節省70%的訓練成本。”
蘇映濱指出，在Amazon SageMaker的幫助下，公司不僅節省了大量的時間和精力，而且基本上不用投入運維人力，服務的穩定性也得到了非常可靠的保證。
作爲一家雲端的原生雲諮詢服務公司，伊克羅德是AWS的核心級諮詢合作伙伴（APN Premier Consulting Partner）。其基於AWS的解決方案，可以幫助用戶極大地減少開發時間和降低運營費用。
“最近幾年，人工智能領域的討論非常熱烈。隨着算力和算法的升級，以及數據量的擴張，人工智能可以解決的問題越來越多，光是亞馬遜自己就帶來了很多人工智能方面的應用，我們的許多客戶看到這些應用也非常興奮。不過面對不同的產業、不同的客戶、不同的場景、不同的需求，我們必須有一個很好的平臺才能幫助所有客戶達到他們的目標。”伊克羅德產品經理陳昶佑表示。
Amazon SageMaker就是這樣一個內嵌衆多高效能算法、兼具效能和效力，能夠幫助用戶節省大量時間和成本優化的人工智能開發平臺。通過Amazon SageMaker平臺，伊克羅德可以快速將標籤標註、文本分析、語意理解、預測分類、推薦系統與詐欺偵測等導入AI解決方案，針對客戶實際遇到的商業問題，爲其量身打造能夠真正解決問題的端到端AI應用。
“隨着Amazon SageMaker在中國的落地，相信伊克羅德結合Amazon SageMaker的解決方案，未來也將會爲更多的中國客戶提供服務。”陳昶佑說道。