赌城拉斯维加斯、超过6万名来自全球的参与者、为期四天的各种活动、2700多个议题，有流行歌手“伴奏”的主题演讲……不得不说，2019年的AWS re:Invent从一开始，就显示出了凌驾于整个云计算、甚至是整个软件行业之上的豪气。当然，AWS的这种豪气是建立在他们傲人的业绩基础上。事实上，就在主题演讲开始后不久，AWS 首席执行官Andy Jassy就公布了Gartner的统计数据，其中显示，目前在云计算市场中，AWS以47.80%的份额遥遥领先所有对手，甚至超过了微软、阿里巴巴、谷歌和IBM的总和。但是AWS显然没有因此自满，因为就在今天凌晨举行的主题演讲中，Andy Jassy反复提及的一个词就是“transformation（转变）”。它既指传统企业理应坚定信心，积极拥抱云计算时代的转变，更指AWS自身为了进一步增强竞争力，为了能够更好服务于未来云上时代而做出的种种转变。
说到“云”，大多数朋友首先就会想到“云计算”。虽然事实上计算仅仅只是云服务其中一个分野，但我们也不难看出它在整个行业中至关重要的作用和影响力。是的，AWS在此前已经有了全球最强GPU机器学习能力，具备了包括Intel、AMD和ARM架构处理器在内的全球最全面，因应各种不同性能和指令集需求的云计算CPU选择，与此同时他们也能够提供业内最大的24TB内存云端实例服务以及最快的十万兆连接能力。但即便身处这样的领先地位，AWS今天还是选择了在强化算力的道路上再次迈出一步，正式发布了基于ARM指令集研发的全新处理器AWS Graviton2。作为AWS算力的最新组成部分，AWS Graviton2 基于定制的64位最新ARM Neoverse服务器专用架构和7纳米制程构建。其每一枚芯片都能够扩展出64核心的虚拟CPU，并内置高达25Gbps的超高速联网能力。而最为关键的指标，还是在于AWS Graviton2的计算性能。根据现场公布的数据显示，与初代Graviton芯片相比，新款处理器的计算核心是前者的四倍，内存带宽是前者的五倍，而性能更是提高到了七倍之多。正因为有着这样的自有芯片“撑腰”，AWS在今天也正式推出了新一代的M6g、R6g和C6g实例。与基于x86架构服务器处理器的上代实例相比，新的自有芯片将云计算的性价比一口气提升了40%，也进一步拉大了与竞争对手之间的实力差异。不过AWS的芯片“大招”还不只一个，他们还同时发布了针对机器学习推理的首款自研专用处理器AWS Inferentia。在这款全新处理器的加持下，新的AWS Inf1实例凭借高达2000TOPS的推理算力，成为了当今速度最快的机器学习云计算实例。与旧款的G4世代实例相比，Inf1的吞吐量提升了三倍，费用却下降了四成，而且它实现了对TensorFlow、PyTorch、MXNet等多种流行机器学习框架的同时兼容和深度集成，这更为AWS的机器学习云计算业务带来了许多新的可能性。
众所周知，机器学习的本质其实就是长时间的数据训练和积累，这意味着不管是对于个人开发者还是大型企业来说，要想建立起属于自己的机器学习模型，以往都需要付出高昂的计算设备成本及漫长的时间成本。正因为如此，能够充分节约成本、同时提供更高性能的云计算，自然而然也就成为了机器学习的最佳拍档。云计算机器学习的性能有多高？AWS在现场也公布了一组数据。在执行相同的计算任务时，还处于测试阶段的当前最新型个人设备，需要35分钟完成训练，这其实已经是很快了。但相比之下，使用AWS P3实例加速主流学习框架，最慢只需28分钟就能搞定，比高价的顶级个人设备至少快了20%。试想一下，如果这是一个大型复杂的机器学习项目，那么云计算带来的就不只是时间的节约，还有成本等多方面的优势。正因为如此，据统计，当前全球85%的TensorFlow机器学习任务，都已经选择了在AWS“上云”。然而，AWS在深度学习方面的技术创新并未就此止步。就在今天，他们还推出了业界首个全集成机器学习开发环境Amazon SageMaker Studio，不仅再一次带来了机器学习在云端环境上的效率倍增，更有望彻底改变旧时代的机器学习开发方式。首先，作为一款“全集成”机器学习开发环境，Amazon SageMaker Studio能够让用户在一个界面中同时直观的部署、训练，以及调整他们所有位于AWS上的机器学习模型。用户不再需要昂贵的计算设备，仅用一台普通的联网电脑，透过浏览器就可以实现以往需要大量软件配合才能做到的工作，完全免除了复杂的配置过程，既提高了机器学习的稳定性，更降低了开发者使用这一最新技术的门槛。比如，Amazon SageMaker Studio包含了强大的可视化监控工具Amazon SageMaker Experiments，它能够直观地显示学习模型的迭代，训练参数和结果。而另一个组件Amazon SageMaker Debugger则具备自动收集和监控错误信息，实时反馈机器学习性能的功用。有了它，开发者便能第一时间发现模型中的错误并加以修正，减少工作时间的同时提高机器学习训练的准确度，从而为未来的AI性能打下更为坚实的基础。如果你觉得以上这些都还不够神奇，那么Amazon SageMaker Autopilot无疑将能称得上是AI训练的全新未来。有了它，开发人员从此无需烦恼“我该用哪种训练模型”的问题，只需要将训练所需的数据以最简单的CSV表格形式上传，Amazon SageMaker Autopilot便能自动识别数据类型，自动以最多50种不同的训练模型建立机器学习任务，自动训练并给出可视化的结果。如此一来，开发者只需要简单地点击几下，等待一段时间，就能“坐享其成”的收获几十种不同训练的结果，并根据需求挑选出准确度最高或耗时最短的模型。试想一下，如果没有云计算、如果没有AWS，这样的机器学习开发方式在以往完全是不可想象的。
2012年，AWS推出了全球第一个云端数据仓库服务Amazon Redshift。短短七年时间里，它已经收获了包括3M科技、全日空、EA、辉瑞、麦当劳在内的全球数万家一流企业的信赖，成长为全球最大的云端数据仓库。为何AWS的云数据仓库如此受欢迎？除了作为开创者的业界影响力之外，在今日的Keynote中，我们也得以进一步窥见这家业界第一云存储的成功秘诀。比如说，AWS早早就认知到，要想应对未来的在线业务需求，高带宽、高吞吐量会是云端数据仓库最重要的生命线之一。为此，Amazon Redshift很早就采用了高带宽连接、SSD（固态硬盘）缓存的结构设计，其性能高达其他云端数据仓库三倍以上。不仅如此，从2012年至今，AWS一直持续跟进SSD技术的进步，据他们统计，在这七年时间里，服务器CPU到内存的访问带宽仅仅只上涨了两倍，但SSD的吞吐量性能却大涨十二倍之多。而且，AWS不只是被动地接纳新技术，他们还结合云存储的业务需求，自行开发出了旨在强化存储队列深度性能的AQUA（Advanced Query Accelerator，高级队列加速器） for Amazon Redshift硬件。通过结合最新的NVMe SSD阵列、自有NITRO定制系统以及定制的分析处理器，AQUA for Amazon Redshift能将AWS云数据仓库的队列性能进一步提高到同行们的十倍以上，同时还能保持成本不上涨。更为重要的是，它在AWS S3存储服务和RA3计算集群中间架设了一个全新的过渡层，实现了以往从未有过的在存储空间中直接执行计算任务的体验，也大大降低了计算延迟，进一步提高了云数据仓库的操作性能。正因为有了领先的硬件“黑科技”作为支撑，AWS在今天宣布了全新的 Amazon S3 Access Points、 Amazon Redshift Federated Query功能以及Amazon Redshift RA3 Instances with Managed Storage实例。它们分别提供了简化的云端程序大数据访问管理、带来了对整个数据仓库，数据湖和关系数据库的快速联合查询和分析功能，以及允许用户更加个性化地配置他们的云计算和云存储资源。并且能够实现每集群容纳3PB（3000TB）日志数据存储、一次性分析多达数年操作数据，同时存储成本还降低高达90%的UltraWarm热数据存储服务，更是充分显示了AWS在如今云存储巨头林立的市场中，所具备的巨大成本以及性能优势。
在今日长达近三小时的Keynote中，AWS几乎是以令人目不暇接的速度不断地发布着全新的产品、技术、服务，针对现代企业运营中的种种困境提出解决一个又一个全新的、基于云端、基于AI的解决方案。在它们之中，我们看到了强大的自研处理器、看到了全新的开发工具、看到了对新技术的积极采用，看到了身为业界第一大品牌的深厚经验积累。当然，除此之外，AWS甚至还已经宣布了其开放式的量子计算机项目以及面向5G网络的边缘计算和存储服务（AWS Wavelength）——后者已经开始为包括欧洲、美国和日本韩国的四家运营商提供服务，让人不免对未来中国市场的进一步拓展充满想象。正如亚马逊AWS首席云计算企业战略顾问张侠先生，在随后的一场媒体交流会上所说的那样，AWS认为人工智能、5G和量子计算会是未来长期持续的方向，因此在这些方面的技术和服务将会持续演进，但是AWS要做的并不是去追求单一技术上的提升发展，而是哪里有客户的需求，哪里能帮上忙，AWS就会往哪个方向走。比如说自己做芯片，这并不是为了彰显技术，而是单纯要适应云厂商的发展需求。而在5G方面，不同的地区、不同的应用场景就会有不同的云应用，这些应用场景取决于运营商和客户的要求，AWS的任务就是去用新技术、新功能来满足他们，成为一个更加工具化、理想化的5G发展助推器。这不禁令人想到Andy Jassy在Keynote上所说的一句话：“有的企业喜欢做一些很酷的东西，也想要别人觉得他们很酷。但是我们AWS并不是为了追求酷才去积极进步，我们所做、所想的一切，都只是要去帮助我们的客户。”
尽管亮相已经一年，但即将亮相的大批打孔屏机型也意味着将迎来普及。
云游戏的表现如何，看看谷歌Stadia就知道了。
