亚马逊在中国的另一面( 三 ) 梦晨发自凹非寺量子位|公众号

文章图片
从这个小案例还可以看出云计算更大的发展空间。
与自身具备AI技术需要计算资源的少数企业相比，更多企业自身需要的是基于现有AI能力来定制适合自己的业务流程。
在这方面，除了上面提到的AmazonRekognition以外，亚马逊云科技还提供了一系列相关产品。
AmazonPersonalize ，预置了推荐系统必要的基础设施、算法，提供API接口，能快速构建个性化推荐应用，乐天玛特超市用它使客户从未购买过的产品数量增加了40% 。
AmazonConnect ，为联系中心带来AI座席调度、风险欺诈检测、情绪分析等能力，比传统联系中心解决方案最高能节省80%的成本。
AmazonLex ，将Alexa语音助手同款技术开放出来，可构建、部署和管理定制化的语音聊天机器人，还能原生集成AmazonConnect构建的联系中心。
使用这些产品无需专业AI知识，仅靠传统软件开发人员便可快速构建AI应用。
但是，那些连传统IT开发能力都不足的企业又该如何？
传统行业智能化转型
数字化转型、智能化升级是近年来的热词。
根据权威市场研究机构IDC预测，到2024年AI将成为所有企业不可或缺的组成部分。
随着工业制造、物流、能源、交通、农业等越来越多的传统行业智能化转型需求迸发，届时有25%的AI投入会以结果即服务(Outcomes-as-a-Service)的形式规模化推动创新。
对于制造业来说，一个AI重要的用武之地是需求预测。
尤其是反复无常的疫情，让制造业的客户需求、上下游供应链都出现了前所未有的波动。

文章图片
富士康与AmazonMachineLearningSolutionsLab合作，用AmazonForecast时间序列预测服务为旗下一座工厂开发了一个端到端的需求预测模型。
这套解决方案将预测准确率提升了8% ，每年将为该工厂节约55.3万美元。

文章图片
同样能提供端到端AI能力的还有AmazonMonitron ，基础用法是监测工业设备的异常，更高级的是在设备出现真正问题之前就通过机器学习及时发现。
专业说法叫“预测性维护” ，一方面可以防止因某个设备意外停机影响整个生产线的运转、以及可能出现的安全问题，另一方面在故障前及时维护也能增加单个设备的使用寿命。

文章图片
这套方案已用于乐器制造商Fender与通用电气旗下天然气发电供应商GEGasPower等多个行业客户。

文章图片
云数智一体，是这个时代的答案
看过前面的那么多各行各业的案例，不难总结出两个规律。
第一，从高新科技到互联网、消费再到更传统的行业，都离不开云计算、AI和数据分析的紧密结合。
数据常被比喻为“数字石油” ，是这个时代最重要的生产要素。需要AI算法从海量数据中挖掘出更多价值， AI算法又需要云计算提供大量算力。
这就是全球云计算市场规模在15年间从0成长到2021年的7050亿美元规模的主要逻辑。
第二，离技术越远的行业在智能化升级中产生的需求越大，也越需要完整、端到端的解决方案。
如此一来，大数据、人工智能、云计算的一体化发展便是这个时代的答案。
于是这一段时间我们看到，各地原有的大数据中心纷纷升级改建成智能计算中心， AI算法起家的公司如商汤开始自建算力供应体系，而云计算公司都在自研AI芯片与发展AI技术。