亚马逊 AWS 副总裁 Swami 接受钛媒体采访。拍摄：苏建勋
对于大部分公司来说，本周（9月17日-19日）在上海举行的世界人工智能大会，无疑是一个展现自身 AI 实例的绝佳舞台。
作为国内人工智能领域迄今级别最高的行业活动，BAT、科大讯飞、小米、谷歌、亚马逊等企业高管均出席或发表演讲。马云从社会层面对机器与人类关系的解读，李彦宏以技术出发讨论企业掌握 AI 命脉的方法论，高管的演讲，传达出的是不同公司对人工智能的战略差异。
其中，来自亚马逊 AWS 副总裁 Swami Sivasubramanian （斯瓦米•西瓦苏布拉曼尼，以下简称 Swami）的展示就有些与众不同。
在 Swami 不到20分钟的演讲中，单是提及的客户案例，就包括了英特尔、GE、美国橄榄球联盟、GE、英特尔、Tinder、穆迪、英语流利说、F1方程赛车、图森等超过10家公司，可以说，客户层面的案例面貌，甚至比 Swami 介绍 AWS 自身的内容还要多得多。
Swami 在2018世界人工智能大会上展示出的亚马逊 AWS 客户列表
事实上，这样的行事风格，不仅体现在 Swami 的一场演讲，在整个亚马逊AWS的服务体系中，“客户”是其围绕的唯一核心。
在亚马逊成立早期，其创始人杰夫·贝佐斯（Jeff Bezos）曾说过这样一段话：“我们希望把亚马逊打造成为世界上最以客户为本的一家公司，我们不用关注竞争对手，也不用管别人在做什么，只需要关注客户。”
当然，在任何一种商业体的运营策略中，“以客户为中心”都不会是一个过时的方法论。因此，为了将这句话不再沦为一个口号，AWS 以及整个亚马逊，都将客户层面的需求，紧密融合在具体产品、业务、内部组织的推动进程中。
从具体的执行层面来看，2006年亚马逊推出 AWS 云计算服务时，其宗旨就是将原本造价高昂的云端资源与运算能力，用更弹性、经济的方式分配给中小企业；到了2015年，亚马逊开始尝试将这种资源利用的“民主化”转移到人工智能产品，具体的做法包括将内部一些机器学习的服务打包，相继推出 Amazon Machine Learning（机器学习平台）、Rekognition（图像识别平台）、Polly（语音识别平台）等 AI 应用。
在去年11月，亚马逊AWS在美国宣布推出 Amazon SageMaker，这款可以直译为“魔法生成器”的产品，将人工智能系统最开始的搜集数据；甄选平台、框架和模型算法；到用这些数据训练模型，找到这些模型关键的参数和配置，再到机器学习里最后一步“推断（Inference）”——全部流程都可以通过“魔法生成器”来实现。
通过对 AI 系统复杂部署方式的产品化，Amazon SageMaker 让原来需要10-20多个博士级人工智能专家需要操作9个月的项目，缩短至仅受过一些训练的人员花3-4周就可以完成一个模型。这大大加快了人工智能在实际中的使用和应用的速度。
可以说，亚马逊拓展 AI 的终极目标实则相当朴素：就是把人工智能这样一个复杂的、需要专业人士来运营的技术，交到普通的数据分析师、软件开发、甚至是业务人员手里。
而在降低 AI 产品门槛的同时，亚马逊在内部组织管理方面，也时刻体现出“以客户为核心”的烙印。
在今年9月 AWS 峰会北京站，亚马逊 AWS CTO 沃纳·威格尔（Werner Vogels）穿着一件游戏公司 Fortnite （自然也是 AWS 的客户）的T恤衫亮相，在接受采访时 Werner 谈到：“说句实在话，我也不知道我管理了多少人员。”
亚马逊 CTO 沃纳·威格尔（Werner Vogels）
由于 AWS 采用去中心化的人员架构，有多少产品服务类别，就可以对应多少团队，且每个团队有独立的负责人，而这种“自恰式”的自主管理方式，自然是为了能更有主观能动性地对客户的需求提供响应。
“在亚马逊 AWS，我们90%到95%的新项目都是基于客户给我们的反馈，剩下5%也是从客户角度出发所做得创新尝试。”Swami 对钛媒体说到。
根据 Swami 透露，目前在亚马逊 AWS 上使用机器学习服务的企业已经数以万计，调用量同比去年增长了250%，超过80%的客户都是跑在AWS的云计算上，在中国的客户包括图森、小米、猎豹移动、小红书、流利说，海康威视等。
而在9月17日世界人工智能大会期间，Swami 也接受了钛媒体在内的媒体采访，并对亚马逊 AWS 的发展策略；亚马逊对于 AI 落地的看法；以及最新成立的上海亚马逊人工智能研究院等情况进行了回复。
以下为对话实录，经钛媒体编辑后发布：钛媒体：和国内众多 AI 公司相比，您认为亚马逊 AWS 在 AI 技术积累与应用落地两个层面的优势是什么？
Swami：我们不随意对竞争对手去做评论，但对于亚马逊而言，我们更关注的是客户的需求。
在技术能力方面，亚马逊关注机器学习已经超过20年。从早期在网上销售图书开始，我们就已经使用机器学习的能力给客户进行推荐以及预测，从而确保整个供应链达到进一步优化。不管是SageMaker还是其他工具及技术，亚马逊提供了最深入、最广泛的解决方案；
另外，我们也开发了很多系统与工具，比如亚马逊Alexa，就是通过深度学习来提供语音服务，还有计算视觉技术等等。可以说，在深度学习方面我们已经积累了丰富的经验，客户也覆盖了各个领域。比如医疗领域的 GE、时尚行业、还有一些非营利组织。
钛媒体：可否谈谈亚马逊此次在上海开设的人工智能研究院的职责是什么？
Swami：首先，我们希望能从中国本土招聘到最优秀的人才，来关注对开源技术、深度学习以及人工智能方面的研究。为什么会在这个时候？最主要的原因是我们已经在和诸如上海纽约大学等学校合作的过程中，发现了非常优秀的人才，所以非常希望能和这些出色的教授、博士生一起关注最先进的技术。
但至于会展开什么样的项目，如果大家熟悉亚马逊对未来发展的规划，会发现我们90%到95%的新项目，都是基于客户给予的反馈，剩下5%的项目也是从客户角度出发做得一部分创新尝试。
比如我们在考虑到底该怎么将深度学习运用到数据库的结构上，或者运用在自然语言处理、计算机视觉技术等等，从而提升数据分析的准确性与可拓展性。
钛媒体：7月份的时候，您在纽约亚马逊大会上谈到：亚马逊会用人工智能和机器学习，去优化公司的结构，这将是另一个创新的领域。可否从 AWS 的角度谈一下该如何具体去做？
Swami：对亚马逊而言，机器学习已经完全深入到业务的方方面面。
亚马逊每个事业部的负责人都会在年初时提交一个六页的文件，来阐述自己在下一年的业务发展规划，在这份文件中，所有人必须要回答的一个问题就是：如何更好地利用机器学习，从而对事业部产生改变。
可以说，“机器学习”已经是亚马逊的DNA所在，不论是亚马逊官网对机器学习给出的建议，还是我们的物流、Alexa 中使用到的机器推荐、预测能力，都是基于深度学习基础的产物。
因此，我想整个亚马逊都可以说是数字驱动、或者是深度机器学习驱动的公司，并不是说机器学习是一件非常酷的事情我们才去做，它已经完全生根在我们每一天的日常业务运作当中。
钛媒体：AI 目前的落地途径还是非常有限，您如何看待其中的挑战和困难？
Swami：正是因为有云的存在，人工智能才有了更多的民主化。如果我们看历史的发展，人工智能和机器学习并不是一个全新的概念，最早在30年之前就有深度学习的技术，可为什么之前深度学习、机器学习没有大规模的被采纳或者说落地呢？也是因为如下几个原因。
首先，它需要非常大量的数据；另外，机器学习对于CPU、计算能力有非常高的要求，所以在以前，只有大型互联网公司才具备在数据库上建立系统的能力；而亚马逊AWS的出现改变了这样的状态。
AWS诞生之后，不一定是大公司，哪怕是小型的初创企业，也可以从零开始使用人工智能，而且成本非常低；同时我们提供的存储系统具备很强的可扩展性与安全性，也可以按需使用你需要的技术和服务。
钛媒体：可否举例谈谈亚马逊 AWS 的机器学习平台能为客户带来的价值？
Swami：比如美国的金融科技公司Intuit、医疗行业的百时美施贵宝，它们经常遇到的挑战是：公司没有足够多的专业人才来建立机器学习的模型，而我们能够提供的，就是让用户方便获取打造机器学习模型的能力。
Intuit 告诉我们，使用AWS以及SageMaker产品后，他们的机器学习开发时间，从以前的几个星期减少了90%时间，这也就是为什么我们能够通过客户的口碑相传，在每一年都能达到250%的速度增长。
从计算资源的角度来讲，AWS 是世界最大的云服务提供商，我们有很多客户都有大量“跑数据”以及计算的需求。包括我们自己的 Amazon GO和Alexa，像 Amazon GO从摄像机里捕捉到的数据量是非常大的。
还有F1方程赛所用的赛车，每一辆F1方程赛车上面都有120个传感器，一场比赛产生的数据量在3GB左右，在采用亚马逊的机器学习平台来建模之后，F1方程赛可以对过去65年间所有的比赛数据进行分析。所以对于亚马逊AWS来讲，我们有着非常强的计算能力与可拓展性。
