當前位置: 主頁 > 專題報導 >
 

AWS 創新之旅1:話說從頭 從基礎設施出發,AWS 營造雲端共享 IDE

本文作者:任苙萍       點擊:5003 2018-07-10 12:34
前言:
研調機構統計,目前「雲端運算市場」是由微軟 (Microsoft)、亞馬遜網路服務 (AWS) 和 IBM 三大巨頭寡佔,前十大供應商的整體營收、有高達七成皆出自於他們之手!(參見本刊七月號【產業特輯——智慧玩轉 IoT】系列文章)
 
然而,若單以「基礎設施」來看、非就平台即服務 (PaaS) 和軟體即服務 (SaaS) 做綜合評比,AWS 則是最大贏家;今年已是第三度舉辦的 AWS Summit 年會,更吸引逾 3,000 人參加。究竟,AWS 有何魅力?
 
Day 1 長青,創新活力源源不絕
AWS 香港及台灣總經理 Robert Wang 開場引言,截至今年第一季,AWS 全球營收已達 220 億美元,年增率為 49%;2008 年從 24 項服務開始,迄今已發展至 1,430 項、活躍用戶達數百萬,更養出不少「獨角獸」公司。之所以有這樣的成就,要歸功於亞馬遜 (Amazon) 創辦人貝佐斯 (Jeff Bezos) 在 1997 年就奠定的「Day 1」企業文化基調——今天,線上商務為客戶節省大量的金錢和寶貴時間;透過個人化,明天線上商務將進一步加速這樣的過程,並希望創建一個即便面對更成熟、更大的市場,仍然可長可久的經銷模式。


圖1:Amazon 秉持「永遠的 Day 1」企業文化
資料來源:筆者翻攝自 2018 AWS Summit 會場
 
為了不讓 Amazon 進入「Day2」——停滯不前、無關緊要,隨之而來的是令人難以忍受的痛苦、衰退與死亡,AWS 堅持拼搏精神,以緊跟市場趨勢、快速決策並回應市場,是其維持高度成長的關鍵;念兹在茲,就連其位於美國西雅圖的總部大樓牆上都不忘高掛「Day 1」字樣、時刻自勉。特地來台出席盛會的 AWS 全球雲端架構策略副總裁 Adrian Cockcroft 表示,系統創建者 (Builder) 不限於專業開發者,高階主管、資料科學家、業務人士、學生等都可能參與其中,而每個人的核心能力及需求不盡相同,AWS 的好處正是可協助他們快速部署。

照片人物:AWS 全球雲端架構策略副總裁 Adrian Cockcroft
 
從前端瀏覽器、網路伺服器,到後端的應用伺服器和資料庫,AWS 都有相應的工具。Cockcroft 以智慧機器人連網為例,前端用戶可透過 Amazon 應用程式介面 (API) 與閘道器 (Gateway) 連接並調用 AWS Lambda 無伺服器 (Serverless) 運算服務,再將結果上傳物聯網 (IoT) 平台、或呼叫 Amazon Simple Queue Service (SQS) 訊息佇列服務以便進一步建立/擴展應用程式;另一方面,後端管理亦可利用 Lambda 讀取訊息佇列後回傳或於網域註冊。註冊目的有三:申請核准、創建複本 (Shadow)、執行 IoT 事件規則的判別。
 
起步早、經驗多、規模大,AWS 早已無處不在
曾是 eBay Research Labs 創始成員之一,後歷任 Netflix 個人化演算法團隊及雲端架構師、帶領 Netflix 開源計畫的 Cockcroft,在累積多年工作經驗後有感而發:人們應重新思考「軟體開發」這件事,因為「編程、登錄、建創、測試、部署、運行」其實是環環相扣的,連同資安防護與擴展性皆應一併納入考量,以免浪費時間在除錯與重工上面。寫過程式的人,應不難體會箇中痛苦——那種抓破頭就是抓不到 bug、跑不出結果,或看似完事,卻忽然驚覺遺漏了某個項目的挫敗;更別說之後若需擴展功能或架構,又得再次複製、遷移,甚至從頭來過。
 
以此為初衷,AWS 推出 Cloud 9 雲端整合開發環境 (IDE),只需一個瀏覽器便能撰寫、執行和偵錯程式碼,且已預載所有 Serverless 應用程式需用到的軟體開發套件、程式庫和外掛程式,包括 Node.js、JavaScript、Python、PHP、Ruby、Go 和 C++ 等 40 多種程式設計語言工具。它還提供一個可在本機測試和偵錯 AWS Lambda 函數的環境,讓用戶能重複使用程式碼,進而節省時間並提高程式碼的品質。同樣著重 IDE 的還有 AWS 的機器學習 (Machine Learning) 平台 SageMaker,用戶只要在同一個 IDE 就可建立影像、圖檔、音頻等多元模型。

圖2:AWS Cloud9 讓程式碼的協同作業變簡單,可與團隊共享開發環境;成員可即時看到他人輸入的內容,還能在 IDE 即時對話
資料來源:
https://aws.amazon.com/tw/cloud9/
 
雖然不斷有 AI 雜音傳出,更有人大膽預言今年將是 AI 泡沫破裂的一年,但 Cockcroft 並不贊同這樣的說法,反倒認為人工智慧 (AI) 現在只是發展初期,對於客戶的重要性也與日俱增,不過,它是一個複雜的領域,不容易追蹤績效表現;而 SageMaker 在架構、演算法與開發管道上都做了優化,且每幾個月就會更新功能,未來還擬加強翻譯的語言支援,包括一些語意變異,以提高翻譯品質,能讓用戶快速嘗試多種訓練模型並評估推論結果。Cockcroft 自評 AWS 優勢在於:起步早、經驗多、規模大,AWS 早已無處不在。
 
從底層出發,往上串接框架、平台&應用
對於垂直應用,AWS 也投注相當多心力在個別法規及特殊行業要求,已有若干金融機構將核心業務移至 AWS 雲端平台;除了自有顧問團隊,也與系統整合商與代管業者維持良好關係,為 AWS 提供專業支援。此外,日前有研調單位提出一種說法:去年中國大陸頒佈一項命令,強制國際大廠的雲端服務在中國所處理的資料,必須留在中國,恐擠壓到外商的領導地位,反倒有利阿里雲、騰訊雲、百度雲等本土業者的成長。對此,Cockcroft 回應:AWS 的營運方針本就不會把一個區域市場的資料移轉至另一個區域,業務壁壘分明,故上述情況不會發生。
 
熟稔 AI 專業的 AWS 亞太區新興技術主管 Olivier Klein 則對 AWS 的 AI 工具做詳細介紹:
1.最底層的是驅動 AI 的基礎架構,硬體以 NVIDIA Tesla V100 GPU、Intel Xeon Skylake 等專有晶片為代表,軟體則是 AWS Deep Learning AMI / Greengrass ML 等;
2.資料科學家所關注的是 Caffe2 / PyTorch / TensorFlow 等各式編程框架與 KERAS / Gluon 等推論引擎;
3.為工程師準備的平台服務,Amazon SageMaker、AWS DeepLens、Spark & EMR 以及群眾外包 (crowdsourcing) Amazon Mechanical Turk (簡稱 MTurk);
4.最上面才是 LEX / POLLY 等特定應用服務。
 

圖3:AWS 在 AI 的佈局                                                                                       資料來源:AWS 提供
 
Klein 解釋,機器學習是指投入從客戶端取得或交易收集到的資料,經由「訓練」了解它們的樣貌並對日後資料做出預測;而深度學習 (Deep Learning) 是機器學習的基礎模型之一,旨在藉由類似人腦運作的神經網路不斷試驗,找出行為、特徵模型後,就能進行簡易的 AI 智慧應用。例如,江湖一點訣,一旦洞悉魔術方塊的邏輯後,不需一秒即可瞬間破解。在底層建置就緒後,AWS 今年擬把重心放在後三者及相關支援;其中,SageMaker 與 DeepLens 更是明星級的平台服務/產品。
 

照片人物:AWS 亞太區新興技術主管 Olivier Klein
 
DeepLens:第一台具深度學習能力的攝影機
前者精髓在於:不論使用何種框架,都能在平台上進行 AI 模型優化!後者吸睛之處是:它是世界上第一台專為開發人員設計、啟用深度學習的智能攝影機。只要 10 分鐘、簡單三步驟,就可在 DeepLens 建立一個深度學習專案:1.從預載的訓練模型程式庫選取想要的模型 (涵蓋時下熱門電腦視覺使用案例) 或用戶自己先行透過 SageMaker 訓練的模型;2.點擊後便可將模型部署到裝置;3.在 AWS 管理主控台即時查看結果。調用 Amazon Lex 服務,可獲得自動語音辨識 (ASR) 將語音轉換為文字的功能,並提供自然語言理解 (NLU) 來辨識文字含義。
 
如此,可為聊天機器人 (Chatbot) 和客服中心 (Call Center) 等建立具高度參與的使用者體驗和逼真的交談互動。DeepLens 攝影機則可透過為多人拍攝大量照片,以類似動畫的方式在手機、電視呈現,並搭配樹莓派 (Raspberry Pi) 學習辨認身體部位。Klein 說明,iPhone 等內嵌紅外線高檔攝影機等裝置,可讀取不同部位的深度做影像對應,精確度高、較難破解或欺騙,適用於身份驗證;但一般無紅外線功能的攝影機 (包括 DeepLens)只能約略概估五官重點距離,再據以描繪出輪廓,但供作盜用他人大頭貼圖檔等基本辨識已夠用。
 
基本上,攝影機數量越多、識別精準度越高,且不受膚色影響;若身體有缺損,更容易識別。另可配合動作識別做更高階的應用,如:安防偵測。Klein 透露,AWS 未來考慮將臉部辨識特徵開源出來,提供數據供用戶建模;另音訊應用亦將持續進化,除了借助 API 將 AWS Lambda嵌入到第三方應用程式外,還將依據聲音檔 (Voice Profile) 設定權限並強化語意分析,包括:發聲主體、詞句情緒等,讓客服中心更易於辨別詢問內容。
 

 
圖4:AWS DeepLens 是可編程並預載訓練模型的攝影機,搭載多種傳輸介面
資料來源:
https://aws.amazon.com/tw/deeplens/
 
走在產業前沿,資安控管再加分
AWS 全球副總裁暨大中華區執行董事容永康表示,亞馬遜三年前開始在台灣投入資源,而前年收購的一家以色列晶片商 Annapurna,亦在台灣設有 IC 研發中心,所生產的晶片恰好用於 AWS 網路資安控管;近兩年更成立售後技術服務據點,提供全球中文用戶的技術支援。他經過這幾年的觀察,發現台灣在 IoT、AI 等人才仍十分缺乏,故展開一連串人才培育計畫 (參見:《雲端創新、落地對接,亞馬遜飛速成長的秘密》一文
http://compotechasia.com/a/shi__shang_/2018/0402/38468.html)。


照片人物:AWS 全球副總裁暨大中華區執行董事容永康
 
為了將 AI 模型與框架簡單化,AWS SageMaker ML 設計只要簡單勾選幾個選項、接上開放式 API 就能多方試驗,不須寫程式就能讓開發人員和資料科學家快速建立、訓練及部署任何規模的機器學習模型,同時建立自己的生態圈;「凡市場常用的標準,我們就將它公有雲化,一來可降低開發成本、提高績效,二來開發者可繼續使用自己習慣的工具,縮短學習曲線」,容永康說。當問到對「混合雲」的看法時,他指出,從技術角度而言,當私有雲的技術可在公有雲執行,其實兩者已無太大區別;但要將所有私有雲轉到公有雲上,的確需要時間。
 
AWS 與 VMWare 及 OpenStack 最大推手 Rackspace 皆有緊密合作,關鍵還是在於客戶的應用;新形態應用多傾向 Cloud First,但容永康不諱言,仍有一些傳統產業會有「私有雲」較安全的錯覺,卻忽略每天需花費多少心力在資安維護上。再者,AWS 作為全球性企業,對於各國的監管要求更有經驗、從容應對;例如近來備受關注的歐盟《通用資料保護法規》(GDPR),AWS 早在今年 2 月就率先完成整個 GDPR 服務準備審核,驗證旗下所有通用服務和功能均符合 GDPR 所要求的高隱私條和數據保護標準。
 
AWS 深受新創與傳產二代青睞,漸獲根深蒂固之大型組織認同
特別一提的是,有一些「傳統資訊業」也開始找上 AWS 合作,希望開拓新產品/業務,且不乏是由董事長或董事會領頭尋求創新、轉型,另有不少傳產第二代是主動上門表達合作意願。整體來說,AWS 在 IoT 和 AI 領域所提供的多種工具,用戶不必多方登錄就能有更多選擇。除了 AWS 外,亞馬遜還從電商著手,介紹台灣好的產品外銷到全球;不過容永康強調,AWS 與亞馬遜電商在業務上還是有明顯切割,以免妨害部分也是從事電商的客戶權益。
 

圖5:AWS 倡導雲端訓練、邊緣執行推論結果
資料來源:AWS 提供
 
本身與微軟 Azure 和 AWS 都有合作關係的系統商客觀分析:Azure 最初聚焦於企業用戶,作法較傳統、由合作夥伴層層提供服務;AWS 一開始以新創業者居多,但隨著佈局日益完善,已有大型企業或組織轉投 AWS 懷抱。然而,微軟 Azure 平台負載也有超過半數是在 Linux 等非微軟作業系統上,且近年來在開源做了許多努力,日前還宣佈買下開源工程師的最愛——軟體原始碼代管服務商 GitHub,但他們認為這只是短期心理作用,後續還是要看服務本身而定。