5月18日消息，近日，在完全托管的机器学习服务Amazon SageMaker正式落地中国区域一周年之际，亚马逊云科技宣布在其北京和宁夏区域上线7大新功能，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工具集。
为了让数据科学家、算法工程师、业务开发者都能轻松驾驭机器学习，亚马逊云科技于2017年11月推出了Amazon SageMaker机器学习平台服务。可以帮助开发者和数据科学家快速地规模化构建、训练和部署机器学习 (ML) 模型。Amazon SageMaker是业界首个面向机器学习开发者的集成开发环境，也是亚马逊云科技机器学习服务层面的核心产品。
仅仅去年一年Amazon SageMaker就新增了250多项机器学习的功能。目前，全球已有数以十万计的客户利用Amazon SageMaker加快机器学习部署。
在谈及Amazon SageMaker在中国市场的发展策略时，亚马逊云科技大中华区云服务产品管理总经理顾凡表示，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。
Gartner数据显示，75%的企业在2024年底会把机器学习从试点转向生产系统。事实上，企业所属业务行业千差万别，每一家企业需要的AI能力和服务可能都不尽相同。Amazon SageMaker究竟是如何做到快速让成千上万的企业信赖它的？顾凡谈到的几点或许至关重要。
追求AI/ML普惠 打造工具箱
顾凡介绍，亚马逊云科技把AI/ML普惠作为核心使命。要想完成这个使命最重要的一条就是帮助不同客户提供趁手的工具，授人以鱼不如授人以渔。这需要亚马逊云科技打造一个特别全的工具箱，不一样的客户可以在里面选择最顺手的工具。同时，授人以渔最核心的是帮助客户拥有工具、拥有人才，这是亚马逊云科技做机器学习工具集的核心目的。
据悉，Amazon SageMaker拥有的工具横跨整个机器学习开发生命周期，能够帮助数据科学家的效率提升10倍，降低机器学习总体应用成本高达54%。
“对于那些没有数据科学家、甚至连熟悉算法的开发工程师也没有的企业，Amazon SageMaker能提供开箱即用的、已经训练好的模型。”顾凡强调，对于那些有一定开发工程师或数据科学家的企业，他们最需要的是规模化产出。借助Amazon SageMaker的工具，一位大学毕业的开发工程师经过培训，就可以在四周以内开发一个模型，大大降低AI模型开发门槛。
让数据科学家解决企业实际问题
但是，问题来了，如何保障Amazon SageMaker打造的工具，就是企业需要的呢？
”亚马逊作为号称机器学习无处不在的公司，曾经也走过一段弯路，之前考虑过把如此稀缺的数据科学家资源放在一组，后来发现根本不行。“顾凡介绍，“亚马逊的做法是不许把数据科学家放到一个团队，全部放到业务团队当中，跟业务团队的产品经理、开发人员、运营人员在一块。往往懂业务的人都积累了很多年，但不一定懂机器学习，懂机器学习算法的人不一定懂业务，想找两个完美结合的人太难了，但必须要让这两组人有一个交集，否则他们只会按照自己的想法去工作。“
顾凡强调，亚马逊云科技对招募的数学科学家的原则就是来解决客户体验问题，把客户体验问题解决了，顺便发点论文是可以的，但如果你是来做研究的，抱歉不欢迎，我们解决的是实际客户的体验问题。真正要对一个传统行业做改造，行业知识超级重要。
在帮助企业进行智能化转型过程中，顾凡称，亚马逊云科技会持续不断地坚持几点：授人以渔，扶上马送一程，真正把机器学习的能力交到每一位开发者和构建者的手中。
