15岁的亚马逊云科技，再次自信地秀出了“制胜之道”( 二 )

其次，亚马逊云科技总在探索新的业务形态
如今，很多人总是将“云无处不在”挂在嘴边。但实际上真正能够做到让“云服务”无处不在的企业，全球其实也找不出几家来。

文章插图
为什么会这样？因为在我们的身边，其实还有很多场景是很难与“云”产生联系的。比如在一些网络连接严重不稳定的地区，实现“云计算”似乎就不太可能了。
然而，亚马逊云科技就敢于挑战这些看似“不可能”的业务。比如说针对无网络地区、或是需要本地低延迟算力的客户，亚马逊云科技早在2019年就推出了AWS Outposts端侧云计算服务器设备。只需将这些超级计算机安装到企业的机房里，哪怕没有外网连接，也能直接在Outposts上运行与亚马逊云服务体验毫无差异的EC2计算、RDS数据库、EMR数据分析等云计算业务。

文章插图
而在今天，亚马逊云科技针对更广泛的应用场景，新推出了体积更小、成本更低，但架构却更为先进的三种AWS Outposts服务器产品。这些“本地云计算”终端可以小到仅有1U或2U机架的厚度，但却能够提供多达128个虚拟CPU的算力，以及高达7.6TB的本地SSD存储空间。最为关键之处在于，这些AWS Outposts设备拥有和其他AWS云端服务完全一致的操作体验，也能在需要的时候无缝整合进有网络的云计算体系，也就是我们熟悉的亚马逊云科技体系里。

文章插图
又比如说，在高精度制造业里“数字孪生”是一种重要且先进的管理技术，它意味着在虚拟世界里为现实中的机械/设备/生产线，建立一个“一比一”的数字虚拟模型。这样一来，工厂就可以通过对数字孪生模型进行测试、监控，进一步优化现实世界中机械、产线的效率。然而传统的“数字孪生”模型创建起来成本极高，并且很难做到完全即时地一比一反映现实中设备的变化情况。那么特别是对于中小企业来说，如何才能借助这一新技术来降低成本呢？

文章插图
好在，亚马逊云科技意识到了这部分客户的需求，所以推出了AWS IoT TwinMaker服务。这项服务不仅大幅简化了数字孪生模型的建立步骤，更重要的是还结合了亚马逊云科技先进的传感器数据收集技术，能够保证数字孪生的及时性，从而降低中小企业上马“数字孪生”技术的成本。

文章插图
不止如此，同样是在今天，亚马逊云科技还发布了针对大型机的云端迁移平台、发布了AWS私有5G网络服务、发布了能让不会写代码的人也可以创建机器学习数据预测模型的自动化、可视化云端机器学习服务Amazon SageMaker Canvas……
最后，亚马逊云科技有既“宽”又“稳”的服务优势
现在让我们假设这样一个场景，一位中国的企业主使用了基于云端的传感器和AI摄像头服务，来监控其生产线的设备健康度，平时这套系统一直运行良好，但有一天这位企业主不得不前往海外长期出差，而他所使用的云端服务器因为远在国内、且并未取得在海外市场的运营许可，就变得无法及时将设备监控结果传送到他的电脑上，并且此时恰逢生产线上的某台机器出现了严重但不易被察觉的故障。
事实上，这并非我们三易生活的遐想，而是当前很多云服务平台所面临的现实困境。由于缺乏全球范围的服务器布局，更缺乏在不同地区之间实时打通的服务能力和相关合规性认证，导致很多志在“出海”的企业，或一些全球性公司不可能选择此类的云服务商。而相比之下，亚马逊云科技则成为了他们普遍好评的合作对象。