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。
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。
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/
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。
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。
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。
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/
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
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。
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。
