2017年 ， 针对人工智能的兴起（注：这一年 ， AlphaGO击败人类围棋棋手李世石引发科技圈热议的同时 ， 标志着机器学习工程化时代的悄然到来） ， 发布首个机器学习集成开发环境Amazon SageMaker ， 破除软硬件环境限制及资金门槛 ， 释放数据科学家的生产力 。
文章图片
以往 ， 开展机器学习需要搭建硬件环境并适配其兼容性、配置机器学习框架、分别部署多种工具 ， 用于准备数据、训练模型、测试模型、部署模型等 ， 繁琐的流程给数据科学家带来很高的上手门槛 。 Amazon SageMaker以全托管的方式 ， 消除了基础设施管理的繁琐工作 ， 并且将各种工具部署在一个平台上 ， 让数据科学家不需要花时间构建机器学习的基础架构 ， 直接利用开箱即用的集成环境 ， 专注于机器学习本身 。
而在今年的re:Invent 全球大会 ， 亚马逊云科技又发布了Amazon SageMaker Canvas 服务 ， 即使没有任何机器学习经验 ， 也无需编写任何代码 ， 开发者也可以更方便的创建机器学习模型 ， 从而极大降低了机器学习的门槛 。 通过 Amazon SageMaker Canvas 服务 ， 更多的用户可以比以往任何时候都更为方便的最大限度地利用机器学习技术 ， 无论他们的经验水平如何 。
值得一提的是 ， 同年 ， 亚马逊云科技还发布Amazon Nitro系统 ， 重构云计算的基础 。
众所周知 ， 传统云计算都是基于软件虚拟化的计算 ， 服务器既要运行提供给客户的虚拟机 ， 也要运行网络、存储、安全、监控等各项功能 ， 服务器管理虚拟机大约要占去30%的服务器性能开销 ， 导致服务器只有约七成的资源能够提供给用户 。 Amazon Nitro架构在业界首次使用专用芯片 ， 采用板卡+专用软件的方式 ， 把服务器性能完全通过全新虚拟化技术解放出来 ， 消除服务器虚拟化性能损耗 ， 用户可获取全部物理服务器资源 。
如今 ， Amazon Nitro架构已经成为亚马逊弹性计算服务Amazon Elastic Cloud Compute（Amazon EC2）一代一代新实例的公共基础平台 ， 它让亚马逊云科技可以利用处理器技术的不断创新 ， 快速推出新一代Amazon EC2实例 ， 超过400种EC2实例创新都以此为基石 。
文章图片
提及其中涉及的芯片创新 ， 顾凡称：“芯片领域的经验至关重要 ， 就像我们常说的‘经验没有压缩算法’ 。 亚马逊云科技是云厂商里最了解客户工作负载的 ， 也是云厂商里最早做自研芯片的 ， 我们拥有自研芯片最完整的产品家族：我们有今天已经发展到第四代的Nitro ， 我们有基于机器学习推理和训练的芯片产品线Inf1 ， 我们有基于ARM架构的Graviton整个版本产品线 。 光自研CPU我们就有3条产品线 。 ”
推荐阅读
- 区块|面向2030：影响数据存储产业的十大应用（下）：新兴应用
- 选型|数据架构选型必读：2021上半年数据库产品技术解析
- 殊荣|蝉联殊荣！数梦工场荣获DAMA2021数据治理三项大奖
- 数据|数智安防时代 东芝硬盘助力智慧安防新赛道
- 平台|数梦工场助力北京市中小企业公共服务平台用数据驱动业务创新
- 数据|中标 | 数梦工场以数字新动能助力科技优鄂
- 建设|数据赋能业务，数梦工场助力湖北省智慧应急“十四五”开局
- 市民|大数据、人工智能带来城市新变化 科技赋能深化文明成效
- 趋势|[转]从“智能湖仓”升级看数据平台架构未来方向
- 数据|天问一号火星离子与中性粒子分析仪首个成果面世