亚马逊在中国的另一面( 二 )

再加上系统的总拥有成本（TCO）节省了1/3、运维效率提升了50% ，系统的整体安全性和可靠性也有了保障。
凭借这样的优势，文远知行于2019年11月打响自动驾驶商业化落地第一枪，在广州推出全国首个全面对外开放的Robotaxi运营服务。
同样采用亚马逊云科技机器学习平台的国内自动驾驶公司还有Momenta、智加科技等，全球范围更是有Aurora、Mobileye、图森未来等。

文章图片
给每一位客户单独提供云计算资源并不是亚马逊云科技的全部考量。
积累了大量行业经验后，亚马逊云科技21年12月推出两款针对性的新服务：解决数据收集问题的AmazonIoTFleetWise和行业解决方案AmazonforAutomotive 。
还面向零机器学习经验群体推出AmazonSageMakerCanvas无代码机器学习平台。
AmazonSageMakerCanvas将机器学习模型的诸多步骤可视化为可交互的UI ，让业务、人力、财务等部门人员不写一行代码就能快速生成机器学习预测模型，解决工作中的问题。

文章图片
如传统车企宝马，就通过其中的AmazonSageMakerCanvas无代码机器学习平台把AI/ML技术推广到全集团，实际业务流程中的600多个应用中，涵盖生产线到销售端的多个场景。
1500万台宝马汽车接入此平台，一天产生数以百万公里数据均交由AmazonSageMakerCanvas分析预测。

文章图片
中企出海、外企本地化
AI与数据分析如今不只是前沿产业的专利，在更广大的消费和互联网产业同样有用武之地。
其中智能制造和数字经济出海都在资本与政策的双重红利下，前景广阔。
出海企业面临的烦恼与自动驾驶行业相比又多出几个，需要全球统一的基础设施架构，面对跨境支付带来的风险，还要满足各国日益严格的数据安全合规要求。
由此一来，亚马逊云科技因其自身定位原因，尤其受想要出海发展的中国企业以及想要在中国落地的外企青睐。
在艾瑞咨询包含出海业务的中国公有云市场份额统计中，亚马逊云科技排名第二。

文章图片
中企出海的例子如OPPO ，其智能手机海外出货量占比已超过一半，可穿戴智能设备市场也在开发中。
OPPO的AI小布助手月活过亿，如何降低AI推理成本、提升AI推理效率就是关键。
除了自己想办法优化算法以外，还能请一个外援就是专用推理芯片。
OPPO最终选择将小布助手部署在AmazonEC2Inf1实例上，采用亚马逊云科技自研Inferentia推理芯片，比上一代基于GPU的实例单次推理成本最高可降低70% 。
小布助手在Q&A以及闲聊两个场景下整体推理节省高达35%左右，端到端延迟降低多达25% 。
迁移至新芯片工作量也不大，配合上AmazonNeuron开发工具包只需要最少的的代码更改即可。

文章图片
外企本地化方面的代表是DanielWellington ，这是一个来自欧洲的钟表和珠宝制造商。
进入全球市场后他们发现一个普遍问题，就是本部与全球消费者之间有时差。
【亚马逊在中国的另一面】比如客户报修或申请退货而负责审核的人还在深夜，就得等第二天再说了，消费体验很不好。
后来他们基于AmazonRekognition图像识别API创建了自动化流程，基于图像识别的退货速度比以往快了15倍。