一年一度的亞馬遜($亞馬遜(NASDAQAMZN)$)雲科技re:Invent大會即將在下周开幕。作爲雲計算行業的頂級盛事，亞馬遜雲科技re:Invent大會看出雲計算領域創新的風向標，也是業界人士每年都翹首期待的盛會。

回顧歷年re:Invent大會，從雲上數據倉庫、雲原生數據庫到處理器、機器學習，亞馬遜雲科技總能在re:Invent大會上帶來一系列重磅發布，並且給雲計算行業帶來深遠影響。

對於即將开幕的2022 re:Invent大會，亞馬遜雲科技又會帶來哪些重磅發布和創新？近日，亞馬遜雲科技CEO Adam Selipsky接受了媒體採訪，透露了今年大會的創新方向。

創新永無止境

首先，Adam表示，盡管亞馬遜雲科技目前已經提供了超過200項雲服務，但創新還遠沒有結束。

“我不知道什么時候會是終點。”他說，“我們不斷發布新服務，因爲客戶需要，他們希望我們提供這些服務。同時，我們也付出了巨大的努力在現有服務中不斷增加新功能。這兩個方面都很重要。”

在亞馬遜雲科技，一項新服務的發布向來不是終點，而是一個起點，亞馬遜雲科技會不斷爲其增加新功能，其中一個方向就是幫助客戶連接和集成不同的亞馬遜雲科技服務。

Adam說，亞馬遜雲科技會在三個方面不斷投入：構建新服務；深化現有服務的功能；整合不同的服務。

建立端到端的數據之旅，獲取數據洞察

Adam從2005年开始參與亞馬遜雲科技的創建，2016從亞馬遜雲科技首席運營官的職位離开，加入可視化業務分析軟件公司Tableau擔任首席執行官， 2021年再次回歸亞馬遜雲科技，擔任首席執行官。

在Tableau的經歷，讓Adam有五年時間沉浸在數據、數據分析和商業智能的世界。回歸亞馬遜雲科技，他帶來了數據世界的深刻印記。他認爲，數據世界的方向是數據、數據分析、數據庫、機器學習的結合，需要從端到端的視角認識數據。不能停留在數據庫或數據分析服務這樣單點的解決方案，要真正了解數據流的全過程，從數據進入組織，到後面如何利用數據協作、共享、做決策。亞馬遜雲科技在這些方面投入了巨大的資源。

Adam認爲，數據庫、數據分析能力和機器學習之間的關系，就像數學課本中學習的文氏圖（也叫維恩圖），三個圓圈有重疊的部分。每個領域仍然相互獨立，但三者之間有非常大、非常強的交集。也因此，亞馬遜雲科技專門任命了一位負責人管理這三個領域，讓它們能真正的融合在一起。

當前，數據爆炸式增長，一方面帶來了巨大的機會，另一方面也帶來了巨大的挑战。被淹沒在數據中，不知道如何使用數據做出決策。也有一些機構找到已經找到了解決辦法，利用強大的技術，快速地從數據獲得洞察。

亞馬遜雲科技在正努力研究端到端的數據之旅，並在數據之旅的每一站都構建強大的功能和服務，然後將這些功能和服務利用數據治理這樣強大的概念結合在一起。明確誰有權訪問哪些數據，哪些數據需要設置保護，通過良好的數據治理，人們就可以自由發揮創造力，探索可用的所有數據。

底層創新和應用解決方案雙輪驅動

亞馬遜雲科技在全球有幾百萬客戶，客戶類型包羅萬象。沒有一種放之四海而皆准的解決方案。

技術能力特別強的客戶希望自己“掌握方向盤”，通常使用最底層的服務，例如Amazon EC2用於計算，Amazon S3用於存儲，他們希望直接與這些服務進行交互。

Adam認爲，即使這些底層的服務，依然很大的創新空間，主要在兩個方面：一是性能，二是性價比。Adam表示，15年前，很難想象到了2022年還會圍繞計算單元的性能和性價比有這么多前沿創新，很難想象計算單元的創新到了今天依然如此重要。之所以如此，一個原因是今天的數據集非常大，並且要構建機器學習，需要巨量的計算。如果不能顯著提高性價比，就無法負擔如此巨量的計算。

除了底層不斷創新，Adam還談到，越來越多的客戶希望在更高的層次——即在應用層和解決方案層面使用亞馬遜雲科技。因此亞馬遜雲科技正在不斷將大量資源投入到一系列高層級的解決方案中。Amazon Connect全渠道雲聯絡中心是一個例子，這個解決方案可以讓客戶在幾分鐘、幾小時或幾天內在雲中啓動並運行呼叫中心。

新冠疫情之初，巴克萊銀行所有客服座席都居家了。10天時間裏，他們就利用Amazon Connect啓動運行了6000個客服座席，可以繼續爲客戶提供服務。

Amazon Connect集成了許多了機器學習功能，例如電話呼叫轉文字的功能，這有助於主管培訓座席，可以從呼叫中提取語意和主題。針對這樣的服務，客戶不關心後台的支撐技術，只關心文字轉錄、提取語意這樣的功能。

對擁有幾百萬客戶的亞馬遜雲科技來說，向客戶提供各個層級的解決方案至關重要。

除了Amazon Connect這種通用的解決方案，亞馬遜雲科技還提供針對汽車、醫療、金融等行業垂直行業解決方案，例如醫療數據湖Amazon HealthLake，例如在工業物聯網服務方面有監控工業設備、進行預測性維護的服務等。原亞馬遜負責實體零售和技術的副總裁 Dilip Kumar於今年8月成爲亞馬遜雲科技應用副總裁，他將利用其整合多個團隊的能力，專注行業應用領域。亞馬遜雲科技將在這些領域進行大量投資，並推出一些令人興奮的創新。

精彩盤點：亞馬遜雲科技re:Invent大會歷屆重磅創新

2012年：發布業界首個雲上數據倉庫Amazon Redshift，實現並發擴展的過程中持續穩定的查詢性能，且按用量付費，數據倉庫不再只是超大型企業的專利。

在此之前，數據倉庫是一項重資產的技術，只有大企業才負擔得起，而且效果很不理想。Amazon Redshift直接在雲上部署，規避了軟件在本地安裝時要考慮的兼容存儲、計算能力以及最小安裝等問題。雲計算與生俱來的彈性優勢，讓Amazon Redshift帶給客戶低成本起步、簡化運維和接近無限的擴展能力，實現並發擴展的過程中持續穩定的查詢性能，且按用量付費。Amazon Redshift一經推出迅速成爲亞馬遜雲科技有史以來發展最快的服務，這個記錄一直保持到後來亞馬遜雲科技推出雲原生關系數據庫Amazon Aurora。

在亞馬遜雲科技，產品發布不是終點而是起點，在發布之後會一直不斷創新迭代。Amazon Redshift也不例外，尤其值得大書特書的是2017年發布的Amazon Redshift Spectrum，它讓Amazon Redshift具備了打通數據倉庫和數據湖的能力，支持企業進行跨數據倉庫、數據湖和運營數據庫的數據查詢，形成此後亞馬遜雲科技推出的智能湖倉架構的雛形。

2013年：發布實時流式數據服務Amazon Kinesis，爲移動互聯網時代的流式數據實時分析處理奠定基礎。

當年正值移動互聯網、物聯網興起，產生了海量的互聯網日志數據、設備數據、視頻數據。數據源頭多，實時產生，源源不斷奔湧而來，傳統的數據管理技術難以招架。Amazon Kinesis以雲上托管的形式，开啓了雲上實時接收及處理流式數據的先河，爲移動互聯網時代的流式數據實時分析處理奠定了基礎，如今它已廣泛用於監控、作弊檢測和實時排行榜等實時應用程序，消費電器、嵌入式傳感器、電視機頂盒等 IoT 設備的流數據處理，家庭、辦公室、工廠和公共場所的安全監控數據流處理，以及應用程序之間的數據共享、流式抽取-轉換-加載和實時分析。

2014年：發布雲原生關系數據庫Amazon Aurora，兼具性能和成本效益，它在日後成爲亞馬遜雲科技歷史上用戶數量增速最快的雲服務；發布業界首個Serverless函數計算服務Amazon Lambda，顛覆應用運營模式，免除運維煩惱，讓开發者更專注於業務。

Amazon Aurora雲原生關系數據庫截至目前仍是亞馬遜雲科技歷史上用戶數量增速最快的雲服務。 Amazon Aurora全面兼容开源數據庫MySQL及PostgreSQL，它的速度最高可以達到標准MySQL的5倍、標准PostgreSQL的3倍，成本卻只有傳統商業級數據的十分之一。Amazon Aurora還提供高可用性和持久性，可跨 3 個可用區（AZ）復制 6 個數據副本，從而可以容忍AZ+1 的故障，即，在1個AZ癱瘓的情況下仍然可以寫入數據；在1個AZ癱瘓並且再發生1個存儲節點故障的情況下，不會丟失數據。

Amazon Lambda是業界首個Serverless函數計算服務，它讓开發者可以運行幾乎任何類型的應用程序或後端服務代碼，無需預置或管理服務器，從而更專注自己的業務。Amazon Lambda的推出开闊了整個雲計算業界的視野，今天，Serverless這種全新的應用程序架構，正成爲整個軟件架構世界的一大核心議題。

2015年：發布首個按會話付費的商業智能（BI）服務Amazon QuickSight，強勢解決大數據應用“最後一公裏”問題；發布亞馬遜雲科技首個硬件服務Amazon Snowball，海量數據可以快速安全的遷移上雲。

跟數據倉庫的情況類似，在Amazon QuickSight之前，商業智能（BI）也是一項重資產的IT投入。Amazon QuickSight讓用戶按會話付費，基礎設施由亞馬遜雲科技全托管，極大地降低了 BI 的門檻。Amazon QuickSight是整個亞馬遜雲科技整個雲服務體系中離商業決策最近的服務之一，幫助客戶解決大數據應用的“最後一公裏”問題。

Amazon Snowball是亞馬遜雲科技首個硬件服務，以租用的方式提供給客戶，开創了海量數據快速安全遷移上雲新模式。今天，亞馬遜雲科技已經發展出完整的Amazon Snow 系列服務，規模從小到大，包括 Amazon Snowcone、Amazon Snowball 和Amazon Snowmobile，具備邊緣計算、PB級數據傳輸、邊緣存儲等多方面的功能，不斷將雲計算的能力推送到世界每一個角落。

2016年：發布Serverless的交互式查詢服務Amazon Athena和數據集成服務Amazon Glue，爲雲上數據湖解決方案邁出重要一步。

Amazon Athena和Amazon Glue的發布是亞馬遜雲科技邁向數據湖的重要一步，因爲數據不需要預處理，可以源源不斷地直接存入Amazon Simple Storage Service（Amazon S3，一種簡單、持久、可大規模擴展的對象存儲服務），成爲數據湖的核心。

2017年：發布Amazon Nitro系統，重構雲計算的基礎。Nitro架構充分釋放服務器性能，擺脫虛擬化損耗。用戶可獲取更多算力，上百種EC2實例創新都以此爲基石。發布首個機器學習集成开發環境Amazon SageMaker，破除軟硬件環境限制及資金門檻，釋放數據科學家的生產力。

Amazon Nitro架構是Amazon EC2計算實例實現高性能、高安全性和快速創新的祕密武器。傳統雲計算都是基於軟件虛擬化的計算，服務器既要運行提供給客戶的虛擬機，也要運行網絡、存儲、安全、監控等各項功能，服務器管理虛擬機大約要佔去30%的服務器性能开銷，導致服務器只有約七成的資源能夠提供給用戶。Amazon Nitro架構在業界首次使用專用芯片，採用板卡+專用軟件的方式，把服務器性能完全通過全新虛擬化技術解放出來，消除服務器虛擬化性能損耗，用戶可獲取全部物理服務器資源。如今，Amazon Nitro架構已經成爲亞馬遜彈性計算服務Amazon Elastic Cloud Compute（Amazon EC2）一代一代新實例的公共基礎平台，它讓亞馬遜雲科技可以利用處理器技術的不斷創新，快速推出新一代Amazon EC2實例，超過400種EC2實例創新都以此爲基石。

以往，开展機器學習需要搭建硬件環境並適配其兼容性、配置機器學習框架、分別部署多種工具，用於准備數據、訓練模型、測試模型、部署模型等等，繁瑣的流程給數據科學家帶來很高的上手門檻。Amazon SageMaker以全托管的方式，消除了基礎設施管理的繁瑣工作，並且將各種工具部署在一個平台上，讓數據科學家不需要花時間構建機器學習的基礎架構，直接利用开箱即用的集成環境，專注於機器學習本身。在2019年的re:Invent上，亞馬遜雲科技進一步推出了Amazon SageMaker Studio，這是首個全集成的機器學習开發環境，對用戶更友好，進一步提高數據科學家的工作效率。

2018年：首次發布Amazon Outposts，真正將雲能力延伸到本地，成爲亞馬遜雲科技重塑混合雲的關鍵一環；首次發布Amazon DeepRacer，一個人人都能玩轉且趣味無窮的自動駕駛賽車，極大地降低機器學習門檻。

Amazon Outposts採用租用的模式，利用亞馬遜雲科技相同的基礎設施，首次把Amazon EC2、

Amazon Elastic Block Store（Amazon EBS，一種易於使用、適用於任意規模的高性能數據塊存儲）、Amazon S3等服務引入客戶本地的數據中心，把雲延展到了客戶現場，爲客戶提供雲端和本地一致的體驗。AmazonOutposts的推出重塑了混合雲的概念。

機器學習的一個重要分支是強化學習。Amazon DeepRacer是一款由強化學習、3D 賽車模擬器驅動，真車 1/18 大小的全自動駕駛賽車。DeepRacer內置了強化學習框架，使用者通過簡單設置模型訓練參數就可以在线上 DeepRacer 模擬器中直接訓練、評估和調整驅動賽車的強化學習模型，然後將自己的模型部署到 Amazon DeepRacer 上，從而獲得堪比現實世界的自動駕駛經驗，中學生也能上手，寓教於樂體驗機器學習。亞馬遜雲科技還推出了Amazon DeepRacer 聯賽（包括线上模擬賽和线下實體賽），無論經驗豐富的專業人士，還是第一次开發模型的新手，都可以通過 Amazon DeepRacer 設備和 3D 虛擬賽車模擬器參加Amazon DeepRacer月度聯賽，在比賽中表現優異的選手還有機會參與re:Invent全球大會上舉行的Amazon DeepRacer冠軍杯賽。

2019年：發布基於Arm架構的自研雲原生處理器Amazon Graviton2，开創了企業級應用大規模使用雲端Arm架構服務的局面，同規格實例相較x86架構性價比提升可達40%；發布首個全托管量子計算服務Amazon Braket，讓企業通過熟悉的雲計算模式輕松地开始體驗量子計算。

Amazon Graviton2的推出，標志着亞馬遜的Arm架構自研處理器進入規模化應用階段。相比X86處理器，Arm處理器架構更精簡、更節能，但此前一直沒能在企業級應用領域取得突破。Amazon Graviton2的規模應用樹立了Arm處理器在企業級應用的標杆。對比x86處理器，基於Amazon Graviton2的同規格實例性價比提升可達40%。基於Amazon Gravition2處理器，亞馬遜雲科技推出了Amazon EC2 M6g、C6g 、R6g等實例。

Amazon Braket讓量子計算首次走出尖端實驗室，讓廣大的科研機構和企業也可以加入量子計算的應用探索。Amazon Braket托管了3個供應商的量子計算機，通過集成，亞馬遜雲科技把這些量子計算機的計算資源以雲服務的方式提供給客戶，讓任何有需求的客戶都可以探索量子計算的潛力。

2020年：發布雲上首個Mac實例Amazon EC2 Mac，首次實現在雲上按需運行macOS工作負載；發布Serverless數據庫Amazon Aurora Serverless v2，實時自動容量伸縮，擺脫繁瑣復雜的數據庫容量預置管理，恰到好處的精細化資源配置，僅爲實際用量付費。

Amazon EC2 Mac實例基於Mac mini構建，使客戶首次能夠在亞馬遜雲科技雲端按需運行macOS工作負載，爲iPhone、iPad、Mac、Apple Watch、Apple TV和Safari开發應用的开發人員，可以通過使用EC2 Mac實例，在幾秒鐘內配置和訪問macOS環境，根據需求動態擴展容量。

作爲Serverless關系數據庫，Amazon Aurora從Serverless v1進化到v2，是一個質的飛躍。v2可以做到實時自動容量伸縮，只需不到一秒的時間，即可瞬間將處理能力從數百個事務擴展到數十萬個事務。开發者不需要按峰值負載來預置容量，從而節省高達90%的成本。Amazon Aurora Serverless v2在整個行業推動了數據庫服務的演進。

2021年：發布新一代基於 Arm 的自研 CPU 處理器 Amazon Graviton3，性能提高25%，能效提高60%；大數據邁向 Serverless 時代，推出四個新的大數據分析無服務器選項；發布了面向縱向行業的服務Amazon IoT TwinMaker和Amazon IoT FleetWise。

基於Graviton3的實例跟由 Graviton2 處理器支持的前一代 C6g 實例相比，可將計算密集型工作負載性能提高多達25%；在相同性能下，與同類型EC2實例對比，可節省高達60%的能源消耗。

新推出的四個大數據分析無服務器選項，包括雲原生數據倉庫 Amazon Redshift Serverless, 雲上大數據分析 Amazon EMR Serverless, 流式數據管道 Amazon MSK Serverless 和實時數據處理 Amazon Kinesis on-demand，可以大幅縮減企業大數據分析旅程，讓用戶不再擔心硬件資源問題。

Amazon IoT TwinMaker可以开發人員更加輕松、快捷地創建樓宇、工廠、工業設備和生產线等現實世界的數字孿生，幫助更多客戶構建應用提高運營效率和減少停機時間。Amazon IoT FleetWise讓汽車制造商可以輕松、經濟地收集汽車數據，近乎實時地上傳到雲端，以便構建應用程序並利用數據分析和機器學習服務提高汽車的質量、安全性和自動駕駛能力。

本文作者可以追加內容哦 !