“越来越多的企业在机器学习/人工智能层面上投入了更多的资金。”5月11日，亚马逊云科技大中华区云服务产品管理总经理顾凡在亚马逊云科技人工智能与机器学习沟通会上说。
这是一个趋势。基于工业互联网平台的工业人工智能正受到更多企业的关注。如通过机器学习，提高产品表检的效率，以此提升良品率；或进行焊缝识别，提升焊接质量等。丰富的工业场景，为机器学习的落地提供了良好的土壤。
山东淄博市热力集团有限责任公司利用亚马逊云科技丰富的AL/ML技术和服务，快速构建、训练和部署机器学习模型，实现了精准供热，可以根据气象、工控数据、建筑物维护结构等信息计算出最佳的供热模式，并给出具体的操作指令，既让用户室温始终保持人体最佳舒适温度，又做到尽可能节约成本。
淄博市热力集团有限责任公司董事长、党委书记汪德刚表示，“多年来，淄博热力利用信息化手段改造传统供热，致力于成为行业标准的制定者和行业发展的引领者。通过与亚马逊云科技合作，借助机器学习能力创新，建成了基于机器学习和大数据分析的智能供热平台，帮助我们从传统供热向产业智能化方向转型，在满足用户需求的同时实现节能减排，建立绿色能源生态系统。未来，希望我们能借助先进的云技术持续创新，推动国内热力行业的数字化、智能化转型。“
IDC预测，到2023年AI支出将达到979亿美元，比2019年增长2.5倍。机器学习项目正从试点到生产迅速发展。Gartner预测，到2024年，将有75％的公司从试生产过渡到生产。机器学习对于建立现代企业至关重要。
三个层面提供广泛而深入的机器学习服务
Amazon SageMaker于2020年落地中国区域。一年后，亚马逊云科技通过与光环新网和西云数据的紧密合作，在中国区域进一步落地多项人工智能与机器学习的新服务和功能，丰富了其针对不同企业需求而打造的人工智能与机器学习（AI/ML）工具集。这就是针对不同需求的客户在机器学习技术堆栈三个层面提供广泛而深入的机器学习服务，包括顶层-人工智能服务、中间层-机器学习服务以及底层-框架和基础架构。
在人工智能（AI）服务层面，亚马逊云科技在北京区域推出了Amazon Personalize，客户无需具备机器学习专业知识，即可方便、快速地构建个性化推荐系统；在中间层，将Amazon SageMaker在re:Invent 2020上亮相的包括Data Wranger、Feature Store、Pipelines等七项新功能在北京区域和宁夏区域上线，让客户可以更轻松地构建端到端的机器学习管道；在算力层面，在北京区域和宁夏区域推出了Amazon EC2 Inf1实例，该实例基于亚马逊云科技自研机器学习推理芯片Amazon Inferentia，与当前成本最低的基于GPU的实例相比，可以提高多达30%的吞吐量，并使每次推断的成本最高降低45%。
在实际案例中，生产中运行机器学习模型的推理占据了机器学习应用程序的总体开发和运行基础架构成本的绝大部分，甚至高达90%。机器学习从业者正在构建越来越复杂的模型，这些模型在生产中的运行成本有时会高得令人望而却步。
Inferentia为何可以实现性能的大幅提升，原因在于亚马逊Alexa团队将其高度复杂的“文本转语音”模型迁移到了Inferentia，该模型生成了类似于人的语音。目前，Inf1实例上合成了80％的Alexa语音响应，从而节省了30％的成本。与基于GPU的实例相比，Inferentia的响应延迟降低了25％。更快的Alexa语音响应可提供更好的用户体验，并允许在Alexa语音上进行更多创新。
顾凡表示：“Amazon SageMaker落地中国区域一年以来，我们见证了中国各个行业各种类型客户积极应用亚马逊云科技服务进行机器学习创新，我们希望通过将更多服务落地到中国区域，并坚持‘授人以鱼不如授人以渔’，甚至更进一步‘扶上马，送一程’的方式，帮助客户更快应用机器学习技术，把机器学习的能力交到每一位构建者手中，加速人工智能和机器学习的普惠。”
起步阶段，企业开展机器学习的四点建议
据悉，全球有数十万客户使用亚马逊云科技运行机器学习工作负载。在中国，其覆盖的行业有医疗健康、教育、出行、工业智能、游戏、新媒体等。然而，机器学习总体上还处于起步阶段。并且，“不是所有的机器学习都是一开始都是成功的。”顾凡表示。
机器学习的前提是企业要有相应的数据策略，达到数据就绪的状态。在实际案例中，很多客户实施机器学习时，基本上都是从创新业务开始，比如提升客户体验；或在制造业中，着眼于提高生产效率。“机器学习其实是一个逐步建立信心的过程。不可一蹴而就”。
根据过去一年的经验，亚马逊云科技针对企业应用机器学习提出四点建议。
一是企业要找到一个适合机器学习的场景作为切入点。先突破创新业务，再改造核心业务。
二是避免重复造轮子，利用平台能力。让数据科学家，开发人员专注于的自己的应用和业务创新。
三是拒绝闭门造车，数据科学家要业务化，学习业务。
四是跟真心诚意赋能的厂商合作， 牢牢把握住对数据和算法模型的所有权。
打造生态，落地行业解决方案
打造生态是平台提供云服务的必经之路，机器学习也不列外。为进一步加速人工智能/机器学习的普惠，亚马逊云科技通过合作伙伴网络成员构建行业机器学习模型，帮忙更多客户解决行业算法模型构建难题并落地行业解决方案。
上海音智达信息技术有限公司是亚马逊云科技合作伙伴网络成员之一，提供围绕人工智能和大数据技术的预测性分析及商务智能解决方案的技术专家服务，帮助客户实现数字化转型。目前，公司在生命科学、快消品、汽车、零售、电子消费产品、金融、保险、以及运输行业拥有众多实践和成功案例。
上海音智达信息技术有限公司CEO孙晓臻表示：“我们在机器学习方面的算法和人才储备远远不能够满足客户需求。与此同时，技术的发展使大数据与人工智能技术开发的难度也在提高，比如技术路线选择的风险。亚马逊云科技丰富的机器学习服务则大幅提升了音智达的技术开发和服务能力。”显然，这对音智达打造不同行业和场景的解决方案具有极大的帮助。
未来，随着各种规模、各种类型的企业和机构在人工智能和机器学习技术应用方面的进一步探索，人工智能必将进一步走进工业场景，助力企业智能化进程。
- 达索系统全球CEO：科学是公司的DNA 坚持长期主义 – 2023年12月28日
- 发改委：实施绿色低碳先进技术示范工程重点方向含“工业互联网+绿色低碳” – 2023年8月24日
- 如何以技术手段破解数据合规难题 – 2023年8月17日