亞馬遜AWS用180分鐘發布十多個新品:含機器學習晶片、AI創新、區塊...

2020-12-06 雷鋒網

AWS的CEO Andy Jassy一登上舞臺,臺下便響起了長時間的口哨聲與掌聲——儘管這在賈伯斯時代的蘋果發布會上確實很常見,但在今天略顯垂直的雲計算行業,實屬少有。

美國時間11月28日上午8點,在拉斯維加斯舉辦的AWS re:Invent正式進入第三天的議程。今天格外熱鬧,會場門口從6點半就排起了長龍,這主要取決於今天亞馬遜AWS的CEO Andy Jassy將帶來持續3個小時的keynote。

果然,這180分鐘裡,Andy Jassy一口氣發布了十多個重磅產品與服務(這架勢與蘋果發布會相比如何?),其中主要包括機器學習晶片、區塊鏈、存儲、資料庫、機器學習和混合雲等。

一開始,當然是介紹成績和市場份額。2018年收入270億美元(按照Q3收入做的年化收益),增速46%。

全球雲計算市場份額圖上,順便調戲一下Oracle(現場一陣爆笑。此前甲骨文CEO拉裡·埃裡森在 10月26日甲骨文 Openworld 大會演講期間多次將矛頭指向AWS,並稱甲骨文的雲計算產品比 AWS 更便宜、更好用、速度更快)。

亞馬遜每年都會使用re:Invent會議來突出新的工具和功能,今年看上去也毫不例外。雷鋒網現場為你解讀。

15個重磅新品一覽

  • Amazon S3 Glacier Deep Archive 雲上超低成本的冷存儲。

  • Amazon FSx for Windows File Server 全託管建在原生Windows視窗文件伺服器之上的視窗文件系統。

  • Amazon was FSx for Lustre 全託管的針對繁重計算負載的Lustre文件系統。

  • Amazon Control Tower 提供安全合規的多帳戶的環境,作為Landing Zone登陸區。

  • AWS Security Hub 在AWS環境裡集中管理安全和合規的服務。

  • Amazon Lake Formation 助你在幾天內建起安全的數據湖。

  • Amazon Timestream 全託管的快速、可伸縮的時間序列資料庫。

  • Amazon Quantum Ledger Database(QLDB)全託管的中心權威機構擁有的分布式記帳資料庫,提供透明、不可更改、加密的交易認證。

  • Amazon Managed Blockchain 全託管的支持超級帳本平臺Hyperledger Fabric和以太坊Ethereum架構的區塊鏈服務。

  • Amazon Elastic Inference 在EC2實例上輔以圖形加速處理,以實現低成本的快速推斷運算。

  • Amazon Marketplace for Machine Learning 提供上百可直接在Amazon SageMaker 上部署的機器學習算法和模型。

  • Amazon Textract 從幾乎任何文件中提取文字和數據的光學字符識別服務。無需機器學習經驗即可使用。

  • Amazon Personalize 基於亞馬遜網站使用的相同技術,提供實時個性化定製和推薦的服務。無需機器學習經驗即可使用。

  • Amazon Forecast 基於亞馬遜網站使用的相同技術,提供準確的時間序列預測的服務。無需機器學習經驗即可使用。

  • AWS Outposts 在本地數據中心運行AWS基礎設施,獲得一致的混合架構體驗。

接下來,我們將為你詳細介紹幾個重要的發布信息

AWS推出新的Inferentia機器學習晶片

令人振奮的是,Andy Jassy在現場宣布了一款名為Inferentia的新型專用機器學習晶片,他表示Inferentia將是一種高吞吐量、低延遲、持續性能極具成本效益的處理器。Inferentia支持流行的框架,如INT8、FP16和混合精度。更重要的是,它支持多種機器學習框架,包括TensorFlow、Caffe2和ONNX。

當然,作為亞馬遜的產品,它還支持來自流行的AWS產品的數據,如EC2、SageMaker和新彈性推理引擎。只不過,這款晶片會在2019年正式售賣。

此舉被認為是AWS向英偉達和Google發起挑戰——這兩家在機器學習晶片市場目前保持領先優勢。

目前,運行在AWS上的TensorFlow有這麼多(下圖)。

AWS彈性推理將深度學習成本降低大約75%

會上,Andy Jassy宣布推出Amazon Elastic Inference,這項新服務可讓客戶將GPU驅動的推理加速連接到任何Amazon EC2實例,並將深度學習成本降低多達75%。雷鋒網了解到,通常看到的P3實例GPU的平均利用率約為10%到30%,這對彈性推理非常浪費。

Andy Jassy現場表示,現在不必浪費所有成本和所有GPU,Amazon Elastic Inference將是一個非常重要的行業改變者,能夠以更具成本效益的方式進行推理,適用於亞馬遜SageMaker筆記本實例和終端,支持機器學習框架TensorFlow、Apache MXNet和ONNX。

正式啟動區塊鏈服務:QLDB和Managed Blockchain


雖然一年之前的Andy Jassy明確告訴外界,AWS對區塊鏈不感興趣,但是今天,他卻十分激動地宣布,AWS正式推出2項區塊鏈服務,一個是QLDB(Quantum Ledger資料庫),另一個是AWS Managed Blockchain(管理區塊鏈)。

其中,用戶使用QLDB的時候,無需參與構建類似分類帳單的應用程式等複雜開發工作,數據的更改歷史記錄是不可變的,並且使用加密技術。雷鋒網注意到,QLDB官網上也指出,QLDB也是無伺服器的,因此它會自動擴展以支持應用程式的需求,這意味著沒有要管理的伺服器,也沒有要配置的讀取或寫入限制。

而AWS Managed Blockchain作為一種託管區塊鏈服務,能夠支持以太坊和Hyperledger Fabric。Andy Jassy表示,AWS更喜歡的是Hyperledger Fabric——這取決於他們知道區塊鏈網絡中的成員數量,並且需要強大的私有運營和功能。支持以太坊的功能會稍遲幾個月啟動。

AWS將向混合雲客戶銷售硬體,以便在他們自己的數據中心運行

今天會上的一個重頭戲是AWS與VMware的合作,VMware的CEO Pat Gelsinger也來到了Andy Jassy的舞臺。

右邊微笑的就是VMware的CEO Pat Gelsinger(基辛格)

他們共同宣布,VMware將正式部署AWS的雲服務,從明年開始,AWS將允許客戶訂購與其雲服務相同的硬體,以通過名為AWS Outposts的服務在其自己的數據中心中運行。該服務還將採用VMware設計的軟體,有助於融合兩種運營環境。它將於2019年上市。(雷鋒網註:VMware是全球桌面到數據中心虛擬化解決方案的領導廠商,可以稱之為「一個虛擬PC軟體公司」,通過數據中心改造和公有雲整合業務,2018財年全年收入79.2億美元。)

AWS Outposts

「這對整個行業來說是一個非常重要的聲明,因為現在亞馬遜將成為一個內部硬體供應商。兩家公司未來都將出售新產品並分享收入。」Pat Gelsinger說到。

不過,圍繞AWS Outposts的許多細節仍然有點不清楚,在採訪環節,Andy Jassy並沒有透露太多,例如確切地提供哪些硬體配置。

推出首款具備微型機器學習能力的全球自主賽車DeepRacer

Andy Jassy其實私下也是個體育愛好者。現場,他宣布了一個名為AWS DeepRacer的全球自主賽車計劃。在世界各地的比賽中,開發人員將能夠在物理軌道上與其他人競賽。亞馬遜將舉辦AWS DeepRacer總決賽,並在明年的re:invent會議上頒發AWS DeepRacer冠軍杯。

DeepRacer是一款1/18比例無線電控制的自動駕駛四輪賽車,旨在幫助開發人員了解RL強化學習——這是亞馬遜SageMaker中的一種機器學習功能。它採用Intel Atom處理器,一個400萬像素的攝像頭,1080p解析度, 多個USB埠和一個2小時的電池。目前的售價為399美元,但亞馬遜預售訂單現價為249美元。這輛車將於2019年3月上市。

推出SageMaker Ground Truth服務:自動打標籤

直到今天,標籤任務仍由用戶決定,然而AWS宣布正在推出SageMaker Ground Truth,這是一套訓練集標籤服務。使用Ground Truth,開發人員可以將服務指向存儲數據的存儲桶,並允許服務自動標記它,用戶可以為全自動服務設置可信水平,也可以將數據發送給人工。就好像你討厭一個員工,都可以讓Ground Truth做標籤。

其他,例如AI/ML產品矩陣、混合雲家族等也一併公布,在此就不贅述,直接上圖。

雷鋒網(公眾號:雷鋒網)總結

一個CEO用技術的方式完成了一次絕佳的產品推介與品牌宣傳。

「我們不相信一種統治世界的工具,我們只希望客戶使用合適的工具來完成正確的工作。」儘管Andy Jassy在現場始終這樣強調,但是他的馬拉松式的發布會會給雲同行帶來更多的壓力。

Andy Jassy180分鐘裡最後一張PPT

眼下,據Gartner公司稱,全球公共雲市場將在2021年增長至2780億美元,高於今年的1760億美元。而2022年,AWS的銷售額將達到710億美元,這將使AWS的估值達到約3500億美元。微軟、谷歌、阿里雲正迎頭趕上的當下,AWS試圖繼續保持2-5年的差距,不僅是收入上,更是在技術上和洞見上。

Andy Jassy覺得,無論是谷歌還是微軟,如果選擇在短時間內嘗試複製AWS的規模,效果肯定是有限——「這些都是沒有經驗的壓縮算法。」

AWS之所以成功,其內部一致的公式是關注客戶的需求,並將他們對世界的看法全部都放在滿足這些需求的Web服務上。憑藉強大的管理紀律、分散的團隊以及數據驅動的運營計劃和審核,AWS的管理運營並不斷創新的方式被證明是一種競爭優勢。

在不久的將來,AWS會設想,新一代開發人員將不會考慮實例、伺服器和集群,開發人員將專注於編寫軟體或者可能購買Lambda函數,這些服務將自動可用並連接到基礎架構中的每個可以想像的領域。

這就是接下來AWS要做的工作。

正如同那句「雲計算是個巨大無比的市場,但依舊處在它的第一天而已」。眼下研究機器學習和人工智慧領域所需的所有東西都還屬於早期的探索,但未來雲計算市場的風會怎樣吹,會與AI、IoT、邊緣等產生怎樣的結合,變數依然很多。

但可以確定的是,雲不僅會留在今天的層面,它必定會推動新的產品、服務和商業模式的誕生。

註:以上圖片均雷鋒網編輯拍攝,引用請註明出處。

雷鋒網原創文章,未經授權禁止轉載。詳情見轉載須知。

相關焦點

  • 發布多款新品重新定義雲計算,亞馬遜AWS如何引領行業?
    在今年re:Invent大會的第一天,AWS就發布多達43個新產品和服務,覆蓋從計算到存儲、自研晶片到資料庫,從容器、Serverless(無伺服器)直至機器學習,再到邊緣計算和混合雲,堪稱無遠弗屆。在數據分析服務領域,AWS發布了AWS Glue的新功能AWS Glue Elastic View,可以從多個不同數據源創建實例化視圖,持續檢測數據源的變化並自動更新到數據目標,形成統一的數據視角,徹底解決數據孤島問題,得以大幅縮減客戶的開發成本。
  • 亞馬遜宣布推出全新的AI訓練晶片AWS Trainium
    > 在近日舉辦的re:Invent開發人員大會上,AWS宣布推出全新的AI訓練晶片AWS Trainium,這是該公司用於訓練機器學習模型的下一代定製晶片。
  • 5分鐘!用Java實現目標檢測|PyTorch
    這篇來自AWS軟體工程師的投稿,結合實例,詳細介紹了DJL這個為Java開發者設計的深度學習庫:5分鐘,你就能在PyTorch上,用Java實現目標檢測。5分鐘,用Java實現目標檢測文 / 知乎用戶@LankingPyTorch在深度學習領域中的應用日趨廣泛,得益於它獨到的設計。無論是數據的並行處理還是動態計算圖,一切都為Python做出了很多簡化。
  • 5分鐘!用Java實現目標檢測 | PyTorch
    這篇來自AWS軟體工程師的投稿,結合實例,詳細介紹了DJL這個為Java開發者設計的深度學習庫:5分鐘,你就能在PyTorch上,用Java實現目標檢測。5分鐘,用Java實現目標檢測文 / 知乎用戶@LankingPyTorch在深度學習領域中的應用日趨廣泛,得益於它獨到的設計。
  • 一審敗訴,亞馬遜判賠7646萬元,不可使用AWS名稱
    來源:雷鋒網作者|王德清「AWS」在現實的商業活動中已經發生了實際混淆近日,中國文書網發布了《北京炎黃盈動科技發展有限責任公司與亞馬遜通技術服務(北京)有限公司等侵害商標權糾紛一審民事判決書》(下稱「判決書」)。亞馬遜被判不得再使用「AWS」標誌,並賠償原告7646萬。
  • ​谷歌發布新品:AI First?硬體為王?現象之下,你該看到本質
    日,亞馬遜召開了硬體發布會,一口氣發布了6大新品。AI技術驅動了家庭、汽車、隨身等多個場景的智能互聯。智能生活不再局限於移動手機,而是全場景、全天候的連接覆蓋。移動時代的時間秩序正在崩塌,新的生態急於建立。谷歌、蘋果是移動時代的王者。亞馬遜在家庭場景布局的生態,正是應了這個趨勢,抄了後路。而相比於蘋果,高度依賴廣告收入的谷歌,出於利益本能,更在乎時間戰場。
  • 迅雷區塊鏈新品5月16日發布:玩客雲二代來了?
    今天,迅雷宣布將於5月16日召開迅雷區塊鏈生態及新品發布會,將開創更高性價比計算方式,共同構建領先的區塊鏈3.0生態。這次發布會上,星域CDN升級為共享計算平臺—星域雲,同時帶來一款區塊鏈重磅新品。
  • 中美創新峰會丨區塊鏈與人工智慧在上海「高能碰撞」,已開放報名!
    2018中美創新峰會再登上海!本次峰會將以人工智慧為主線,覆蓋議題包括區塊鏈、機器人、無人駕駛等多項風口浪尖熱門議題,邀請中美業內專家學者,與你一起共探未來新可能!更有機會與大咖們共進晚餐!
  • AWS發布九項Amazon SageMaker新功能
    ,以確保模型正確運行 Amazon SageMaker JumpStart提供了一個查看和檢索預訓練模型和預構建工作流的開發者門戶 「近日」,在亞馬遜雲服務(AWS)舉辦的年度盛會——AWS re:Invent上,AWS宣布為其業界領先的機器學習服務Amazon SageMaker推出九項新的功能,使開發人員更容易自動化、規模化的構建端到端的機器學習工作流。
  • 十分鐘,小白的我用亞馬遜雲服務(AWS)的SageMaker訓練了一個ML模型
    動手吧,零基礎小白用十多分鐘訓練一個模型話不多說,趕緊和我一起動起手來,用十來分鐘體會訓練並部署機器學習模型的過程吧。示例代碼非常簡單,它使用的是非常簡單的K-means聚類算法和非常常見的mnist數據集來做一個手寫體識別,說簡單點,就是識別手寫圖片裡0到9這十個數字。
  • 【晚間3分鐘】:Intel第二顆10nm處理器現身;全球MOSFET晶片短缺...
    【晚間3分鐘】:Intel第二顆10nm處理器現身;全球MOSFET晶片短缺警報解除;亞馬遜AWS急招FPGA工程師 xiaoqingmei 發表於 2018-05-18 18:32:47   【導讀】:
  • AWS re:invent2020:機器學習是聯絡中心的未來 - 文章精選 - CTI...
    CTI論壇(ctiforum.com)(編譯/老秦):14年來,亞馬遜網絡服務一直主宰著雲計算市場,這場大流行只是加速了這一現狀。從數字上看,這一點很明顯,因為今天的AWS擴展了175個計算、存儲、網絡、分析、機器學習和人工智慧(AI)、物聯網(IoT)、移動、安全、混合、虛擬和增強現實(VR和AR)等功能。
  • AWS 2020關鍵詞:重塑、創新,混合雲正在定義未來
    做為全球雲計算領域的領導者,亞馬遜雲服務(AWS)的體量還在不斷擴大,而且仍然保持了加速增長的勢頭。根據亞馬遜公布的財報數字,AWS在2020年第三季度達到年化收入460億美元,同比增長29%,相當於一年增長100億美元。
  • 微軟推出機器學習系統Brainwave,超低延遲、堪稱實時AI
    【AI星球(微信ID:ai_xingqiu)】8月23日報導(編譯:福爾摩望)微軟今天推出了一款可以支持高速、低延遲機器學習模型的系統,也預示著微軟開始在專用AI硬體領域嶄露頭角。
  • 阿里AI labs發布兩大天貓精靈新品,將與平頭哥共同定製智能語音晶片
    目前,天貓精靈已經接入了超過 660 多家 IoT 平臺,覆蓋超過 60 個品類,900 多個品牌,支持 3600 多型號,2 億可連接設備,成為最大的 IoT 生態開放平臺。如今,天貓精靈又有新動作。
  • 百度發布全自研崑崙雲伺服器等智能計算領域20個新品
    鞭牛士 8月29日消息,今日百度在「ABC SUMMIT 2019百度雲智峰會」上,發布了智能計算領域20個新品:百度崑崙雲伺服器、CDN邊緣計算節點BEC、邊緣AI伺服器、彈性裸金屬伺服器、GPU虛擬化實例、容器實例BCI、歸檔存儲、主機安全企業版、雲顧問Cloud Advisor、百度機器學習BML4.0、邊緣函數CfC@Edge、雲原生微服務應用平臺、效率雲、邊緣融合解決方案
  • Tend.ai 可培訓機器人,幫你同時操作多個3D印表機和雷射切割機
    Tend.ai 可培訓機器人,幫你同時操作多個3D印表機和雷射切割機 作者:aiko 發布時間:
  • AWS發布新一代Amazon Aurora Serverless
    ,該項目採用寬鬆式Apache 2.0許可,使Babelfish for Amazon Aurora PostgreSQL的解析層優勢能幫助到更多的企業組織北京- 2020年12月2日,今天在亞馬遜雲服務(AWS)舉辦的年度盛會——AWS re:Invent上,AWS發布了新一代Aurora Serverless,以及一個讓客戶能更輕鬆的從SQL Server遷移到Amazon
  • 亞馬遜五大 AI 工具面世,欲成為製造業與工廠現代化推手
    京東數科新媒體編譯自enterpriseai.news.com,轉載請註明來源。藉助五款專注於工業應用的 AI 工具,亞馬遜雲計算服務(以下簡稱為 AWS)正在努力擴大工業 AI 的使用範圍。這些工具可以 7x24 小時不間斷地守護製造工廠,在檢測生產線和其他系統問題的同時,還可以預測所需的維護任務。
  • 「芯觀點」後摩爾時代的AI革命:算力需求激增,催生晶片創新
    圖片來源:網絡機器學習已然無處不在。它藏身於很多智能設備中,一部智慧型手機、一個智能音響、線上購物娛樂的一個個APP裡……它像是虛擬世界和物理世界的「縫合者」,用算法和數據試圖「猜透」人心。各大廠商對機器學習的熱情越來越高,對算法、算力和數據提出新的要求,尤其是對算力需求的激增,進一步催生相關晶片和專用設備的蓬勃創新,而在後摩爾時代,這種創新或將成為突破算力極限的關鍵。數據「餵」大的機器智能什麼是機器學習?