自推出以來已有十多年，如今，AWS已成長為全球最成功的雲基礎架構公司之一，佔據了30％以上的市場份額。AWS仍然是亞馬遜最強大的部門之一，佔該季度亞馬遜總運營利潤的77％。去年，AWS為該公司創造了350億美元的收入。在Gartner的最新公告中，AWS已連續第十次被評為領導者。
AWS一直致力於滿足開發人員的快速轉換的需求。尤其是在機器學習用例激增的情況下，客户希望將其ML工作負載安裝在雲平台上。讓我們看一下AWS在提供ML服務方面的表現。
SageMaker
傳統的機器學習開發是複雜，昂貴且迭代的。找到正確的工具並將其集成可能會非常耗時且容易出錯。SageMaker通過在單個工具集中提供用於機器學習的所有組件來解決這一難題，從而使模型可以更快，更輕鬆地投入生產。
例如，使用SageMaker Autopilot，只需單擊幾下即可自動檢查原始數據，應用特徵處理器並選擇最佳算法集，跟蹤其性能。
CodeGuru
代碼和應用程序效率越高，運行成本就越低。開發人員可以將Amazon CodeGuru集成到現有工作流程中，並且內置的代碼審查可以檢測和優化代碼以降低成本。Amazon CodeGuru使用ML提供智能建議，以提高代碼質量並確定應用程序最昂貴的代碼行。
CodeGuru Profiler提供有關如何解決性能問題以及運行低效率代碼的估計成本的可視化效果和建議。鑑於CodeGuru Reviewer使用機器學習來識別應用程序開發過程中的關鍵問題和難以發現的錯誤。
Rekognition
在識別特定於業務的圖像中的對象和場景時，需要使用Rekognition。在建立模型以監視裝配線或農場時，Rekognition可以使用高度可擴展的深度學習技術輕鬆添加圖像和視頻分析，而無需使用任何機器學習專業知識。
Comprehend
Amazon的Comprehend是一種NLP服務，它使用機器學習來查找文本中的見解和關係。無需任何機器學習經驗，用户就可以利用Comprehend中的AutoML功能來構建適合企業需求的文本分類器。
Elastic Inference
根據AWS的説法，機器學習的推理佔總運營成本的90％。使用彈性推理，可以將運行深度學習推理的成本降低多達75％。開發人員只需將適量的GPU驅動的推理加速連接到任何服務，例如EC2或SageMaker實例類型或ECS任務，而無需更改代碼。
Kendra
使用Amazon Kendra可以輕鬆在您的網站上搜索。通過機器學習的支持，Amazon Kendra是一種高度準確且易於使用的企業搜索服務。Kendra為網站和應用程序提供了強大的自然語言搜索功能，因此最終用户可以輕鬆地找到信息。
Augmented AI (A2I)
對於任何組織而言，建立人工審核系統都是一個耗時且昂貴的過程。通過消除與構建人工審閲系統相關的繁重工作，Amazon Augmented AI使構建工作流變得容易。亞馬遜的A2I服務還可以輕鬆地將人工判斷和AI集成到任何ML應用程序中，而不管它是在AWS還是在其他平台上運行。
Polly
聊天機器人，播客或家庭播客，具有類似於人的語音傳遞功能，對B2C公司而言是巨大的挑戰。使用Polly，AWS嘗試解決相同的問題。客户可以使用該服務傳遞逼真的聲音，並通過實時輸出增強用户體驗。所有要做的就是將文本發送到Amazon Polly的API並以流的形式返回音頻，該音頻可以立即播放。亞馬遜使Polly具備了用多種語言進行語音表達的能力，從而使全球受眾都更加容易。
所有這些量身定製的服務已在全球範圍內以各種方式為組織提供動力。AWS甚至涉足高性能體育賽事，例如一級方程式。F1分析師和AWS攜手合作，從每時每刻汲取了深刻的見解，並以直觀的方式向觀眾展示。AWS的應用程序也已擴展到創意領域，例如AWS DeepComposer可以讓您在幾秒鐘內開始彈奏鍵盤。
儘管由於微軟和谷歌產品的加速發展以及其他雲平台的發展，近年來的競爭變得更加激烈，但AWS仍然成功地佔據了主導地位。