大数据信息网云计算物联网AI人工智能技术应用交流大数据查询网

澎湃新闻记者 邵文

2006年亚马逊云科技（Amazon Web Services，以下简称AWS）是全球第一家推出云计算服务的公司，当时云计算的概念才刚刚兴起。15年后，云计算几乎无处不在，AWS的年度re:Invent大会也成为云计算领域科技趋势和前沿进展的重要观察地。

对于未来，亚马逊全球副总裁、亚马逊云科技大中华区执行董事张文翊近日在re:Invent大会上表示：“我们正在构建更加强大的算力，通过像5G和物联网这样的创新技术，把云推到更多的边缘。我们正在推动数据、分析和机器学习的无缝集成。我们还在为特定应用场景和行业提供定制化的解决方案。”

虽然已经发展了15年，在亚马逊云科技首席执行官Adam Selipsky看来，云计算还处在非常早的时期。他援引分析师的估计，目前云上支出只占整个IT支出的5%到15%。未来将有大量的工作负载迁移到云，大量的创新即将在云上开展，云产业前景巨大。

值得注意的是，纳斯达克在re:Invent大会宣布和亚马逊云科技达成多年合作伙伴关系，宣布将分阶段把全部业务迁移到亚马逊云科技，为全球资本市场构建新一代云计算基础设施。在2022年，纳斯达克将先把美国的一个期权交易市场上云。为了实现全面上云的目标，适应对延时的要求，纳斯达克通过Amazon Outposts建立了一个混合架构，推出了金融行业第一个专用亚马逊云科技本地区域。这一合作将应用到纳斯达克全球130多个企业客户，帮助这些企业建立标准化的上云路径。

纳斯达克作为一个全球性的金融市场众所周知，实际上它的业务版图早就不止于此，它还是一个为资本市场提供技术和SaaS服务的供应商。

Adam Selipsky表示：“纳斯达克和亚马逊云科技将共同为资本市场创造新的可能，帮助他们加快创新和改进业务流程。结合纳斯达克长达50年来为资本市场开拓新技术的专业经验，以及亚马逊云科技成熟的安全性、可靠性和弹性，将帮助我们共同的客户以及纳斯达克持续发展业务，每天无缝地完成数十亿美元的交易。随着纳斯达克开启上云的第二个十年之旅，此次合作将助力纳斯达克更轻松地将核心基础设施迁移上云，继续创造新服务。”

机器学习与数字孪生：将使用门槛降到最低

“数据真正推动行业惊天动地转型的一个领域就是工业制造。无论是设计还是供应链管理，还是高质量交付，比如大众汽车今年会向市场投放1100万辆汽车，每天向工厂就得投入2亿零部件。通过和亚马逊云科技的携手，它们将120多个分散的工厂和3万多家供应商的数据全部整合到云里，形成单一整合的数据库。这样一个数据库带来的分析就可以让它们的生产力提升30%，”亚马逊云科技大中华区产品部总经理顾凡介绍道。

那么如何将机器学习门槛降到最低，使不具备机器学习经验、数据科学经验，也不是开发者，也能做机器学习？亚马逊云科技推出了Amazon SageMaker Canvas：可通过可视化的点选界面，生成高准确度的机器学习预测，而不需要写程序代码。

顾凡认为，技术的演进其中一个趋势就是越来越多地降低门槛，不断扩展使用人群的边界。

比如业务人员，“他懂业务流程，懂业务场景，他可以看到业务的挑战，可以猜测用机器学习去解决业务场景中的一个问题可以提升多大效率，但是他搞不定的是，不懂Python，也不懂数学模型。那么在他想用机器学习减少客户流失、欺诈检测，甚至预测销售和优化库存的时候，即可用Amazon SageMaker来构建想要的机器学习模型，不用求数据科学家，”顾凡描述道。

完成机器学习的背后是数字孪生。

数字孪生是任何物理实体、物理流程和服务在虚拟环境中的虚拟投射、映射，每个实体的数字孪生都精确地模拟它的实体。比如一个航空的喷气发动机有数字孪生，装配此发动机的生产线也有数字孪生的映射，这条生产线所在的工厂车间也有。

过去测试新产品，一般要做出物理的实体产品，千锤百炼。今天则可以通过构建新产品的数字孪生，然后在虚拟的数字孪生世界里运行成千上万次的测试，为产品去建模以及改善其性能。

那么如何构建数字孪生呢？这首先需要将跟物理实体相关的所有数据源导入到数字孪生的模型，弄清楚数据源和实体之间的关系，同时需要将此数据叠加到3D视觉模型上，然后才能真正创建出一个视觉化、3D可见的虚拟孪生体。

与此同时，物理世界的数据无时无刻不在变化，如何保证更新的数据能够及时反映到数字孪生体？这是一项技术门槛和成本都非常高昂的活动。

在re:Invent上，亚马逊云科技发布一项新的IoT服务Amazon IoT TwinMaker，目标是让开发人员更加轻松、快捷地创建现实世界的数字孪生，如楼宇、工厂、工业设备和生产线。

“数字孪生有望让工业流程型企业改朝换代。然而，打造数字孪生很不容易，这些工作需要企业投入专业开发人员，且耗费巨大精力。我们希望尽力帮助更多公司获得构建数字孪生的能力。所以，今天我们发布了新服务Amazon IOT TwinMaker，让开发人员更轻松地创建楼宇、工厂、工业设备和生产线等实体系统的数字孪生，”Adam Selipsky说道。

Amazon IoT TwinMaker可直接导入多个来源（如设备传感器、摄像机和业务应用程序）的数据，并将这些数据结合起来创建一个知识图谱，从而对现实世界环境进行建模。

同时推出的另一项IoT服务是Amazon IoT FleetWise，其针对汽车行业解决汽车制造商数据收集、管理和上云的难题。通过Amazon IoT FleetWise，汽车制造商可以轻松地收集和管理汽车中任何格式的数据（无论品牌、车型或配置），并将数据格式标准化，方便在云上轻松进行数据分析，还可以根据天气条件、位置或汽车类型等参数来制定上传数据的时间规则。

当数据进入云端后，汽车制造商就可以将数据应用于车辆的远程诊断程序，分析车队的健康状况，帮助汽车制造商预防潜在的召回或安全问题，或通过数据分析和机器学习来改进自动驾驶和高级辅助驾驶等技术。

“车载传感器每小时可产生多达2TB的数据。而且随着品牌和型号不断增加，数据格式各不相同，所以必须建立定制的数据收集系统。然而，建立这些系统既困难又耗时。我们今天发布了Amazon IOT FleetWise，让汽车厂商轻松、低成本地收集、转换数据，并且近乎实时地将数据传输到云,”Adam Selipsky说道。

使用Amazon IoT FleetWise将数据上传到云后，汽车制造商就可以应用亚马逊云科技服务的广度和深度，从汽车数据中提取数据分析结果。例如，当自动驾驶系统以低于90%的置信度识别路标中的文本时，汽车制造商就可以使用智能过滤功能，收集在新建高速公路上行驶的汽车的摄像头数据。

按需配置5G专网：搭建时间从数月降到几天

“今天，高性能、高可靠的网络正发挥前所未有的重要性。我们几乎连接万物，包括产线机器人、工人和店员手中的平板电脑、联网的空调、电梯和叉车、需要可靠数据连接管理物流的送货车辆等等。所有这些新的使用场景都需要一致性、可靠的网络连接。”Adam Selipsky 表示。

但是设计、建设和部署移动网络需要大量的时间，而且是一个需要电信专业知识的复杂过程。另外，企业还需要评估、对口多家供应商，适应不同供应商的定价模式，尤其是大多数供应商按设备数收费。当设备数量成千上万时，费用则大幅增加。

亚马逊云科技在当天推出Amazon Private 5G，目标是使按需配置部署和扩展5G专网变得简单，企业搭建5G专网的时间可以从数月降到几天。用户可以指定希望建立移动专网的位置，以及终端设备所需网络容量，亚马逊云科技负责交付、维护、建立5G专网和连接终端设备所需的小型基站、服务器、5G核心和无线接入网络（RAN）软件，以及用户身份模块（SIM卡）。Amazon Private 5G可以自动设置和部署网络，并按需根据额外设备和网络流量的增长扩容。

弗若斯特沙利文（Frost & Sullivan）咨询总监李庆评论道：“5G作为基础网络设施实现万物互联，而万物互联的节奏首先要实现小范围内的互联互通，5Gto B再to C。对于大型工业企业，尤其以能源、大型制造业、汽车、码头港口来看，他们对于网络的稳定性以及低延时的需求较高，这主要是通过5G网络切片技术实现。由于大型企业自身业务的庞大性和独特性，对私有专网的需求会进一步提升。原来的专网部署需要前期的大量测算与规划，部署周期较长，较难跟上业务的迭代速度。面对联网装置的数量近几年爆发式增长的情况，企业需要拥有快速自建5G专用网络的能力以高效匹配自身区域内的互联互通，同时也要保证安全性。但是‘高效’和‘安全’是需要应对的两大挑战，更快部署Private 5G网络环境将成为供应商未来的竞争力之一，安全性又依赖于边缘云的监控处理能力以及管理能力。”

她认为，亚马逊云科技此次发布的Amazon Private 5G服务最大的亮点在于简化部署和按需扩容，按需付费，大大降低了企业的时间成本和金钱成本，并且提高了企业的自主性，非常适合快速发展新兴业务企业，短时间内也比较适合在北美推出。

“获得数据分析的好处，而不用管理基础设施”

Adam Selipsky在主题演讲中宣布，“有些企业希望获得数据分析的好处，却不想管理基础设施。他们不想去做集群调优，不关心那些仪表盘和按钮，还有的企业不希望预测应用需要多少基础设施。我们的Amazon Athena和Amazon Glue已经消除了基础设施和容量管理的需求。我们问自己，其它的分析服务是否也可以把基础设施工作完全剔除。今天，我非常高兴地宣布，针对四个数据分析服务推出新的无服务器和按需选项，包括Amazon Redshift、Amazon EMR、Amazon MSK和Amazon Kinesis流数据服务。”

Amazon Redshift Serverless可在几秒钟内自动设置和扩展资源，实现在PB级数据规模运行高性能工作负载，而无需管理数据仓库集群。

Amazon Managed Streaming for Apache Kafka (Amazon MSK) Serverless可快速扩展资源，极大地简化实时数据摄取和流式传输；Amazon EMR Serverless则无需部署、管理和扩展底层基础设施，即可使用开源大数据框架（如 Apache Spark、Hive 和 Presto）运行分析应用程序。

Amazon Kinesis On-demand是亚马逊云科技为Amazon Kinesis Data Streams（一种用于捕获、处理和存储流媒体数据的无服务器服务）推出的新功能（新的容量模式），利用它可以提供每分钟GB级别的读写吞吐量，而无需进行容量规划。

Forrester首席分析师戴鲲指出：“根据Forrester的研究，从早期的函数即服务（FaaS）延展到近两年的无服务器容器（Serverless Container/Kubernetes）和无服务器应用（Serverless Applications），以事件驱动、自动化和分层解耦为主要特征的无服务器计算（Serverless）可以有效帮助开发人员聚焦业务创新，显著降低运维团队的运营成本。本次推出的Amazon RedShift、Amazon EMR和Amazon MSK三项分析服务的Serverless版本，是无服务器计算在分析领域的又一次融合创新，有望帮助企业在数仓、大数据框架、以Kafka为基础的流数据处理等领域进一步屏蔽底层复杂性，加速创新。”

责任编辑：李跃群