让更多人用得起机器学习

当话题谈到机器学习时，伊恩·马辛哈姆表现出了极高的热情，这也从另一个侧面体现出了机器学习如今是多么的炙手可热。

伊恩·马辛哈姆指出，随着各种各样的框架、软件的涌现，机器学习变得更加容易获得，AWS能够让许多技术企业和非大型的企业，也可以用得起机器学习。“在AWS平台上，你不需要是相关行业的专业人士，也不用获得统计学博士学位，一样能够使用机器学习。”

“以前要做机器学习相关的工作，需要大型的计算设备、高性能计算硬件、专业型设备、特别准备好的海量数据、数以亿计的大量资金，才能用得起机器学习。而且成本如此高昂的试验，还不知道会不会成功，因此开发者很难去做这样的尝试。”伊恩·马辛哈姆说道，“但是云的出现解决了这些问题，首先用户不在需要一个大型的数据中心，云可以存储P字节规模的海量数据，而且能够指定几天或是几个小时。用户可以在云端租用几个小时的GPU或者CPU计算资源，如果成功的话可以继续，如果失败的话也可以停止使用计算资源。这样成本方面就可以非常灵活可控，不至于做一个试验就会让公司破产。”

正是因为使用机器学习的成本极大降低，人们可以用机器学习来尝试不同的工作。从亚马逊电商网站在适当的时间把适当的产品递送给适当的地址给适当的客户，到Amazon Go无人商店的全自动购物体验，从根据面部识别功能对竞选过程做流程透明度监督，到Amazon Polly将文字转化成语音为盲人提供服务，从恋爱社交网站上的智能算法匹配对象，到电信运营上预测客户打电话要什么样的服务……得益于AWS，在各行各业的丰富应用场景里，机器学习正在大展拳脚。

AWS在中国市场的成长

也许有不少人还记得，AWS是在中国第一个发布基于AMD霄龙处理器的云服务实例的厂商，其对中国市场的高度重视，由此也可见一斑。事实上，AWS对中国市场的青睐有加，还可以从诸多举措中体现出来。

最近AWS在中国市场可谓动作频频。针对旗下的物联网平台，AWS发布了AWS IoT Greengrass服务组件，提供了一系列工具帮助客户运行在断网状态下的设备，可用于自动驾驶、可穿戴设备、智能家居等。与此同时，AWS IoT Greengrass还可以应用于工业场景来做预测性的维护，包括一些大型的矿业企业都采用了这一解决方案。除此以外，AWS还在中国发布了Amazon Aurora Serverless无服务器服务，以及备受好评的Amazon Aurora——后者也是当前AWS增长速度最快的服务。

从市场份额来看，根据IDC发布的《中国公有云服务市场跟踪》报告，在过去的几年里，AWS在中国的市场份额一直在逐年提升，2018年在中国市场排名更是位列前四，仅次于三大中国本土云服务商。

即便在中国并不算自己的主场，但是通过积极理解中国本土市场的需求，主动与企业客户沟通，并第一时间把全球最流行、最领先的公有云平台和服务带到中国，AWS正在努力帮助更多的中国企业迈向成功。