人工智能与机器学习云服务市场正在展开一场激烈的争夺战。在2018年9月17日举办的上海世界人工智能大会上，宣布了由全球525支参赛队伍、历时3个月完成的世界人工智能创新大赛结果：收到的专家推荐和赛道优胜项目合计130余个，包含了微软、百度、亚马逊、腾讯、讯飞、小米、工行等多家企业以及国内外学术科研机构较具影响力的项目，最终只有四家获得了最高的SAIL大奖：亚马逊AWS、工行、依图科技和一种神经网络算法。
其中，“亚马逊AWS云上AI创新”获得了SAIL卓越奖，该奖项奖励在人工智能领域中具有高度认可和美誉、并具有提升人类福祉意义的项目。而揭晓的SAIL榜单入围项目分别是：讯飞超脑计划、百度大脑、生物医学大数据人工智能基础分析算法与在线预测应用系统、小马智行自动驾驶平台、地平线自动驾驶软硬件一体化计算平台、智能柔性执行器、第六代微软小冰、腾讯觅影和小爱同学—智能语音交互平台。
全球人工智能开放组织OpenAI在2018年5月发布的分析显示：自 2012 年以来，人工智能训练任务中使用的算力正呈指数级增长，目前速度为每 3.5 个月翻一倍；而自 2012 年以来，人们对于算力的需求增长了超过 30万倍。如此大规模的人工智能算力需求，更多需要依靠广泛的云计算服务。亚马逊AWS机器学习副总裁Swami Sivasubramanian在2018上海世界人工智能大会上表示：机器学习正在经历云中复兴。而在云中复兴的机器学习，也在点燃新一轮云服务之战的烽火。
AWS普及机器学习
在全球范围内普及AI和机器学习是AWS有特色的人工智能创新路径。2016年到2017年，AWS集中发布了涵盖视觉、语音、语言和聊天机器人与呼叫中心的七大机器学习托管服务产品线，包括Polly文本到语音转换服务、Rekognition图像和人脸识别服务、Lex自然人机交互、Rekognition Video视频分析服务、Transcribe 自动语音识别文字记录服务、Translate 自动多语种文字翻译服务、Comprehend全托管自然语言处理理解服务等。
AWS机器学习云服务最大好处在于直接让开发者和企业使用全托管的全球化机器学习服务，而无需了解参数、算法或运维。例如，Amazon Polly 是一种文本转语音（TTS）云服务，可以将文本转化为逼真的语音，Polly作为一项全托管的AWS云服务可以被轻松嵌入各种应用中，现提供27 种语言、54 种语音，在全球 15 个 AWS 区域可用，Polly也是首个被大规模引入亚洲及中国市场的AWS机器学习云服务。开发者和企业只要在自己的应用中引用Polly API马上就具备了文本转语音的能力，而且只需为用量付费。
本次上海世界人工智能大会上，AWS进一步宣布Polly将支持中文普通话，并命名为“知语”，该服务拥有清晰、明亮、自然的女声，并将在几个月之内在由西云数据运营的AWS中国（宁夏）区域上线。据AWS官方博客透露，中文普通话是Polly用户要求最多的语言之一。Netvue Belle是Polly中文普通话的早期用户之一，它是深圳市天和荣科技有限公司开发的即视通品×××人工智能门铃，服务于居家安全和智能家庭助理等。通过Polly中文文本转语音和其它AWS 服务，当有人来敲门时，这款门铃可进行连贯而自然的对话。
除了七大机器学习云服务外，AWS本身还拥有一套完整的机器学习生态。在底层机器学习框架层，AWS支持Tensor Flow、Apache MXNet、Caffe2、PyTorch等主流机器学习框架。在中间的开发平台层，AWS有自己的Amazon SageMaker完全托管式端到端机器学习平台可帮助开发者加速机器学习进程，AWS DeepLens深度学习无线摄影头平台能够帮助开发者在本地摄像头上运行深度学习模型，对其捕捉到的内容进行分析和使用。
亚马逊AWS副总裁Swami Sivasubramanian在世界人工智能大会上表示：“现在我们已经有数以万计的活跃开发者在AWS上训练机器学习，而这一数字还在与日俱增。利用我们云计算的机器学习产品和服务，与去年同比增长了250%，超过80%的Tensorflow都是跑在AWS云上。”
普及AI服务激活多元应用
正因AWS在机器学习上的完整全球化布局，通过普及AI促进开发者和企业的人工智能与机器学习应用大繁荣。目前，在AWS上运行人工智能和机器学习的用户非常多元。在数以万计的客户中，即有半导体制造商英特尔、也有提供医疗器械服务的GE Healthcare、以及运动和金融等多个行业的客户。
GE Healthcare正在使用AWS机器学习技术，通过更好地了解医疗成像以获得更好的洞察。机器学习可以帮助GE Healthcare更好地分析X光片，发现不同的病情。甚至GE Healthcare的水平超过了一些非常有经验的医疗专业人士，因为采用了AI技术，就可以更快、更好地识别主要的症状和问题，甚至在普通症状发展成为严重疾病之前都可以探测出来。
而在另一个完全不同的领域，美国橄榄球大联盟NFL也采用了AWS。NFL 的球队人员可以从球员身上的传感器获得数据，并从视频和录像中获得运动员的跑动路线并加以研究，这样可以预测球员将来可能会跑哪条路以及相关的规律，进而得出自己队伍和对方队伍球员的偏好打法，并针对各个球员的走位习惯布置合适的战术，以帮助球队取得优势。
通过和AWS机器学习实验室的合作，金融分析机构Moody通过在AWS上运行机器学习业务，将公司中数字化打印文件中所包括的金融数据、资产组合信息等关键信息进行提取，然后进行进一步的分析，以更好地服务他们自己的客户。
刚刚结束新加坡站的F1方程式大奖赛，参×××队的机器学习工作流同样运行在AWS上。每辆F1×××上都有120个传感器，这些传感器会生成超过1500个数据点，而每一辆车在比赛中生成约3GB的数据。通过与AWS的合作，每支F1车队都能够监测、分析在×××行程中出现的问题和情况。此外，车队还可以追溯过去65年的数据进行分析，也可通过数据分析预测一辆×××在未来比赛中的表现。
TuSimple图森未来科技是一家专注于自动驾驶卡车技术研发与应用的人工智能企业，在中美多地设有研发中心和测试基地。图森未来科技的 L4 级自动驾驶解决方案，能够实现卡车在“仓到仓”货运场景（含高速和非高速场景）以及港口、场区等半封闭场景下的全无人驾驶。该公司拥有一支完全由自己打造的无人驾驶车队，其中一部分计算机视觉模型在AWS进行训练，训练完成后下载到卡车上，从而实现卡车的自动驾驶。
全面升级的云服务之战
云服务为普及机器学习和人工智能提供了强大而广泛的计算力，而普及的机器学习和人工智能则反过来极大促进了云服务的用量，人工智能与机器学习云服务市场成为了新一轮云服务的制高点和必争之地。随着创新的速度不断加快，AWS在2018年就发布了130多项新的机器学习功能和服务，以争取更多的用户。
在本次上海世界人工智能大会上，Swami Sivasubramanian还宣布AWS将在上海成立AWS上海人工智能研究院，这也是AWS在亚太地区首个人工智能研究院。AWS上海人工智能研究院将建立一个强大的本地团队，开展以中文为主的多语言自然语言处理研究，参与和开发开源深度学习生态系统，支持中国客户在机器学习和人工智能方面的应用落地。
AWS上海人工智能研究院将由上海纽约大学计算机科学系教授、纽约大学全球网络教授张峥领导。张峥教授在大规模分布式计算理论与实践、及其与机器学习的交叉领域被公认为经验丰富的世界级专家，拥有伊利诺伊大学厄巴纳-香槟分校的博士学位，是计算机协会成员，也是SIGOPS APSYS研讨会和CHINASYS研究社区的创始人。
除了张峥外，AWS上海人工智能研究院还将迎来世界各地的顶尖人才，包括卡内基梅隆大学机器学习科学家、AWS机器学习和深度学习总监Alex Smola博士，加州理工学院电气工程系Pietro Perona博士和Allen E. Puckett教授，加州大学洛杉矶分校计算机科学教授、亚马逊人工智能应用科学总监Stefano Soatto，以及AWS机器学习首席科学家李沐博士等。
除了AWS外，2018上海世界人工智能大会期间，共有20多个人工智能创新项目落户上海，包括阿里巴巴上海研究中心、腾讯人工智能创新中心、百度上海创新中心、京东智能城市平台、华为人工智能云平台、微软亚洲软件院（上海）、微软-仪电人工智能创新院等，显现了各家的兵家必争态势。
尽管众多云服务商都摩拳擦掌要在人工智能和机器学习云服务领域争一席之地，但正如Swami Sivasubramanian在上海世界人工智能大会接受采访期间所强调：在亚马逊有这样一个说法，把每一天都当做第一天，每一天都是新的起点，从机器学习的角度来讲也是一样，就好像早上起床还没有喝咖啡，还处于非常早期的阶段。而AWS的优势就在于不断为用户提供更简化、更方便的机器学习体验，“我们可以做的事情和空间非常巨大”。（文/宁川）