日前，全球知名市场调研机构弗若斯特沙利文(Frost & Sullivan, 简称沙利文)联合头豹研究院发布《2022年中国AI开发平台市场报告》，亚马逊云科技连续两年蝉联榜首，在中国AI开发平台市场的综合表现中，处于"弗若斯特雷达"创新指数和增长指数的最高位置。亚马逊云科技在AI开发平台领域提供完备的AI开发软硬件全栈服务，并通过"智能湖仓架构"加速数智融合，同时投身AI普惠化以构建完善的AI开放体系，让机器学习变得触手可及。

　　该报告以人工智能领域开发平台产品为核心研究对象，研究周期为2022年(数据截至2022年11月25日)。报告数据显示：中国AI开发平台2021年市场规模为234.8亿元，预计到2025年将达到365亿元。

　　沙利文咨询总监李庆表示："亚马逊云科技在数据处理能力、平台易用性和开放性等AI开发平台的核心领域提供众多创新服务，不仅‘授人以鱼'，更坚持‘授人以渔'，通过提供高兼容性、高功能模块化的AI开发平台服务，让机器学习能力掌握在每一位开发者手中。"

　　亚马逊云科技提供完备的AI开发软硬件全栈服务，在技术堆栈的三个层面提供广泛的服务组合，从专用基础设施服务到AI平台，再到各类场景化开箱即用的AI服务，全面满足各类型客户的不同需求。

　　在底层AI基础设施层面，亚马逊云科技全面提供基于各芯片供应商的最新技术选项和从小到大的各种配置，支持多种流行的机器学习框架和算法。亚马逊云科技2022 re:Invent发布了采用Amazon Trainium芯片的Amazon Elastic Compute Cloud (Amazon EC2) Trn1n网络优化型训练实例，可提供1600 Gbps网络带宽，有助于实现超大模型的并行训练;采用Amazon Inferentia2芯片的Amazon EC2 Inf2推理实例，专为运行大型深度学习模型而构建，单实例可支持多达1750亿参数模型的推理，并且支持分布式推理，与当前一代实例相比可提供高达4倍的吞吐量，降低多达10倍的延迟。

　　在中间层的AI平台层面，亚马逊云科技不断完善机器学习相关服务和功能，在机器学习数据准备、数据源、数据可视化等方面提供大量创新服务，其中核心产品Amazon SageMaker在推出的六年时间里提供超过290项新功能与新特性。在亚马逊云科技2022 re:Invent上，Amazon SageMaker Studio Notebook推出了全新设计的用户界面，新增了可视化的数据准备功能和实时协作功能，同时也支持了将Notebook代码自动转换为生产就绪的作业，实现在生产环境的自动化运行，加速机器学习从实验到生产的全过程。

　　在上层的人工智能服务层面，亚马逊云科技为没有机器学习专业知识和技能的客户提供开箱即用的人工智能服务。其中，构建个性化推荐系统的完全托管型机器学习服务Amazon Personalize，自动语音识别(ASR)服务Amazon Transcribe等多项新服务及功能，均已在中国区域(西云数据运营宁夏区域、光环新网运营北京区域)推出。

　　数智融合的趋势下，如何为AI/ML提供高效简洁的统一数据治理成为考验AI开发平台软实力的重要一环，亚马逊云科技推出的"智能湖仓架构"融合了机器学习与数据管理平台，为开发者提供数智融合、统一治理的便捷体验。Amazon Redshift ML和Amazon Athena ML功能均支持以SQL语句的方式，直接利用数据仓库或数据库中的数据发起模型训练请求，通过Amazon SageMaker 内置的AutoML能力提供模型训练，并以SQL语句返回。最新发布的Amazon SageMaker ML Governance新增3项模型治理功能，可以帮助客户更轻松控制访问权限，以及在整个机器学习生命周期中记录和审查模型信息，并通过Model Dashboard集中界面来跟踪和监控模型上线后的性能。

　　凭借合作伙伴关系和开发人才教育体系，亚马逊云科技打造出完善的AI/ML服务网络，目前，全球数以十万计的客户持续选择在亚马逊云科技上运行机器学习工作负载。在中国，亚马逊云科技机器学习服务得到医疗、零售、金融服务、社交文娱、制造、能源等各个行业客户的青睐。

　　OPPO在月活过亿的对话式AI产品小布助手业务上，利用Amazon EC2 Inf1实例创新地研发可支持预训练大模型高效推理服务模块，达到行业领先的对话语义理解效果。在FAQ和"闲聊"等典型应用场景下，整体推理成本节省高达35%。借助Amazon EC2 Inf1，OPPO的机器学习团队不断利用更复杂的算法模型进行创新，并加速改善客户的整体体验。

　　施耐德电气在中国构建智能工业视觉质量检测解决方案——"云-边协同AI工业视觉检测平台"，并率先在施耐德电气武汉工厂上线该方案。利用亚马逊云科技的Amazon SageMaker机器学习服务，以及数据库和计算服务，施耐德电气在云端实现数据存储和标注及模型训练，并把云端模型下发到产线边缘侧，执行边缘推理。该解决方案显著提高了生产线的检测效率，将误检率降低到0.5%以内，并实现了零漏检率。