亚马逊云如何重塑世界?

上云的趋势是显著和必然的

作者:董指导 

来源:远川科技评论

美国有两个大会,格外受国内从业人士关注,一个是伯克希尔哈撒韦的股东大会,投资人士踊跃前往聆听股神巴菲特的经验智慧;另一个则是亚马逊云服务(AWS)的re:Invent全球大会。

AWS作为全球规模最大、技术领先的公司,从2012年起,每一年都会召开峰会,分享其科技方向、业务规划;这个峰会成为行业标杆,也影响着各行各业的发展。因此,每一年峰会上,都会有全球的开发者、观察者、企业客户等,前来了解云服务的前沿科技。

re:Invent全球大会往常都需要1799美金注册费,但仍一票难求。而今年,亚马逊云则首次将峰会搬到了线上,并且完全免费向全球公开。更难得的是,减价不减质。今年的峰会从12月1日召开,整整三周时间、百余场分享,全面阐述了亚马逊云在“重塑”之路上的坚定步伐。


01.重塑成本


云业务由亚马逊做大,既是偶然也是必然。电商流量的波峰波谷,导致弹性计算成为刚需。而亚马逊的坚定投入、对需求本质的追求,则促使云业务从自用走向了市场,开始重塑IT成本。

比如当年率先使用AWS的奈飞。2008年,随着海量视频快速上线,奈飞的IT资源撑到了极限。随后又遭遇了一场自然灾害,导致其自建的数据中心几乎三天都处于休克状态。而继续扩大数据中心建设,将会带来极大的IT支出。亚马逊云,通过弹性扩容、按需收费,完美解决了奈飞的忧虑。

可以说,奈飞发展途中一个重要选择,便是从自有投资数据中心,转向了采购云服务,重塑了自己的IT成本。而这个“重塑”这个技能,也是每家公司要实现基业长青的重要措施。

根据统计,50年前的《财富》500强企业,如今只剩下17%、83家还在榜单上;20年前的《财富》500强企业,如今也只有50%还在榜单上。要保持活力,必须能够自我革命,不断重塑,尤其能采用最先进的技术,来武装企业,来降本增效。这在疫情期间更为重要,也是AWS所持续打造的优势。

比如,在数据库方面,传统的数据库价格不菲、配置昂贵、但又扩容困难。而AWS最新推出的数据库服务Aurora Serverless v2,可以做到实时扩容,在不到1秒的时间内,即可瞬间扩展到支持几十万个数据处理事务。如此,开发者不需要买大量服务器来匹配峰值的运算需求,而是按需扩容,可以节省高达90%的成本。

这个量级,在业内领先,也推动了数据库服务的演进。与此同时,已经有35万个数据库迁移到了AWS,以应对消费经济激增、业务流量频发。而且AWS还以开源形式推出了Babelfish for PostgreSQL,让用户直接在云上运行SQL Server应用程序,降低传统数据库开支,提升数据库上云后的应用交付效率。

在数据分析方面,一直有个痛点,不同端的数据难以流动分析,就像成千上万个太平洋小岛被水面隔绝,难以形成高经济价值的共同体。而这次峰会,AWS也推出了Glue的新功能AWS Glue Elastic Views。它可以从多个不同数据源创建实例化视图,简单、高效地将数据孤岛连接起来,形成统一的数据视角。

当数据源发生变化时,AWS可以在在几秒钟内完成同步。让数据像血液一样流动起来,为企业业务运转提供生命力。

而这几年,容器技术大为流行,但容器和无服务器应用都由非常小的代码段组成,每个代码段通常由不同的团队开发和运维,有独立的基础架构。随着业务发展,在基础设施、开发、运维等团队之间,协调架构配置、代码部署和运维监控等工作也日益复杂,会拖慢应用开发速度。因此,管理容器又成了一个难题。

针对这种情况,AWS推出了容器开发利器AWS Proton,可以提供了更细颗粒度的云服务应用部署管理工具。只需要建一个调用栈,就可以自定义模板,填上相应参数。AWS的容器工具,相当于云服务界的“一键”快捷功能,省去了平时多个团队在多个环节的繁杂流程。

数据库、数据分析和容器开发这三个工具,只是AWS强大武器库的冰山一角。细看这三个工具,都是那种不起眼、却直击痛点的云服务利器。而这些工具的出现,都改变了企业IT部署的形态、成本,也大幅提高了企业的效率。让AWS成为值得信赖的“大管家”。


02.重塑AI


Alpha Go打败李世石带来的震撼才刚刚过去,无人驾驶等技术又借着新能源的热潮成为社会焦点。AI正在各行各业快速普及,据德勤数据显示,到2025年,世界人工智能市场将超过6万亿美元。而在这大潮中,机器学习则是核心研究领域之一,覆盖89%的人工智能专利申请和40%的人工智能相关专利。

所谓人工智能,先有人工,再有智能。这其中的一个核心问题在于,人才的增长,跟不上AI的发展。比如在我国,人工智能人才的供求比例为1:10,缺口超过500万。对于那些传统产业以及创新型小企业而言,使用机器学习、完成AI转型是一项“急切却又困难”的梦想。

而这次发布会上,亚马逊依托20多年的经验,公布了四大举措,为机器学习扩圈,为中小企业圆梦。

首先,提供开箱即用的工业领域机器学习解决方案。市面上,开源的算法与公开论文并不少,但对于AI的工业化应用而言,漫长的调参与针对特定配置修改,其实才是影响算法最终可用性的根本保障。为了降低用户的部署成本,AWS发布了五项服务,就像家用电器一样,开箱即用

其中,Amazon Monitron可以为用户提供从传感器、网关到机器学习服务组成的端到端机器监控系统,检测异常并预测何时需要维护工业设备;Amazon Lookout for Equipment面向已经拥有传感器的客户,提供机器学习模型并返回预测结果,检测异常设备行为。这两项服务,可以支持预测性维护。

AWS Panorama一体机可以连接到工业场所的网络中,自动识别摄像头数据流,与工业摄像头进行交互。AWS Panorama软件开发套件(SDK),方便工业相机制造商在新相机中嵌入计算机视觉功能。这两项服务,可以改善工业运营和工作场所安全。而Amazon Lookout for Vision通过机器学习技术为工业客户提供高精度、低成本的产品质量异常检测解决方案。

其次,针对不同需求客户,提供包罗万象、有针对性的工具箱。

工具箱包含三个层面:针对技术能力超强的客户,主要提供机器学习框架、处理器等工具集的底层;针对技术能力较强的客户,通过提供包含各种工具的全托管机器学习集成开发环境,帮助降低机器学习门槛;而针对技术能力相对薄弱的客户,AWS开箱即用的AI服务则可以实现各种AI业务需求的快速部署。

再次,将机器学习能力跟数据库进行嫁接,把机器学习覆盖人群拓展到数据库开发者和数据分析师。

一般来说,数据库开发者、数据分析师群体的人数,比机器学习开发人员群体大得多,而且也更容易培养,因此,“争取到他们”,将会大力促进机器学习发展。因此,AWS推出了包括Aurora ML、Athena ML、Redshift ML等在内的多项功能。让数据库开发者、数据分析师沿用数据库查询的方式,让他们的机器学习想法落地到业务应用中。

比如,当电商公司做出海业务时,需要为多国用户制定相应语言的服务,这就需要把数据库中的商品信息变成多种语言。在传统数据库模式下,这个工作量会很大。但是,通过AWS的新服务,数据库开发者只管查询商品信息、选择多语种翻译,返回的结果就会自动包含商品信息的多语种翻译。难度下降、效率提升。

再比如要了解公司业务增长时,在传统模式下,开发者需要在模型中预先定义增长率、再更新模型、处理数据,整个流程可能是几天甚至几周。但依托AWS的服务,可以采用自然语言,直接在查询框中输入问题,几秒钟之内就可以得到高度准确的答案。

最后,发展机器学习的中间力量,不断提升Amazon SageMaker的性能。

Amazon SageMaker是面向机器学习开发者的集成开发环境、全托管服务。它依托多项工具,化繁为简,使开发人员和数据科学家能够从根本上更轻松、更快速地构建、训练和部署机器学习模型。可以说,SageMaker性能越提升,机器学习发展也会越快。

因此,AWS也在不断提升托管服务。在过去一年,SageMaker交付了50多项新功能。而在今年的re:Invent大会上,AWS再次发布数据特征提取器Data Wranger,数据特征存储库Feature Store,自动化工作流Pipelines等9项新功能。

比如Data Wrangler内置了300多个数据转换器,让客户无需编写任何代码,就可以机器学习用到的特征进行规范化、转换和组合。Pipelines是第一个专为机器学习构建的、方便易用的CI/CD(持续集成和持续交付)服务。大型复杂深度学习模型的分布式训练,将当前的速度提升了两倍。

这些不断更新的功能,深受用户喜欢。在推出的3年内,已经拥有了3M、ADP、阿斯利康、Avis、拜耳等几万家客户。AWS将积累了二十余年的机器学习经验全部上云,帮助无数客户完成了更快、更高效向AI转型的步伐,重塑AI进程。


03.重塑混合云


尽管上云的趋势是显著和必然的,但过程却是曲折的。比如有些领域的一些工作负载需要在本地保留数年,有些应用对网络延迟非常敏感,而且需要接近本地资产,例如金融高频交易、制造支持系统、在电信边缘提供网络功能虚拟化 (NFV)服务等等。在这些领域,哪怕是一秒钟的延迟,带来的效果可能都是天差地别。

总结起来一句话,用户希望在本地也能用上AWS的工具,运行计算、存储等功能,享受到同等便利。在意识到用户需求和现有公有云产品之间的差异后,AWS认为,一切要从用户需求出发,于是有了“混合云”。

在业内,不少人认为混合云就是本地基础设施加上云,但AWS并不认可。AWS团队对于混合、本地(on-premise)再次进行了思考,本地不仅仅局限在本地数据中心,工厂、旅店甚至偏远地区的农林田地的IT需求,都应该算作本地。

于是,混合基础设置便演化为“云+各种边缘节点”。AWS便按照这个思路开始重塑混合云领域,围绕着用户需求,层层迭代,推出了一系列服务。

在过去几年中,AWS提供了Amazon VPC (虚拟私有云)、AWS Direct Connect(云直连)和Amazon Storage Gateway(存储网关)等服务,方便客户在使用AWS的同时运行本地数据中心。

而许多用户的本地数据中心是基于VMware虚拟化的,因此,为了减少用户学习成本,2017年,AWS与VMware协作,发布VMware Cloud on AWS,客户可以在AWS使用同样的VMware软件和工具,管理其AWS上的基础设施。

与此同时,对于必须驻留在本地的工作负载,客户也希望能够将AWS部署到本地。于是,在2018年,AWS开创式地推出了Outposts。这是一款和AWS云数据中心一样的服务器硬件,上面有计算、存储、数据分析等AWS服务,而且,仍然由AWS全托管,负责安装和维护等等。用户可以使用跟AWS云上相同的API、控制面板、工具、功能。

AWS Outposts有两种形态:一个 AWS原生形态(现在已经可用),它允许客户在Outposts使用与AWS公共区域完全相同的API和控制面板;另一个形态是VMware on AWS Outposts。借助AWS Outposts,客户可以选择计算优化、存储优化或图形优化的EC2(弹性计算云 )实例,这些实例可以有本地存储,也可以没有本地存储,还可以选择EBS(弹性块存储)卷。

针对时延敏感领域,AWS推出了本地区域,它是AWS区域的,可以让计算、存储和数据库服务靠近大城市,将本地终端用户的访问延迟进一步降低。基于5G网络,AWS Wavelength可以实现5G全程加速,让用户释放5G低延时的商业红利。

而针对环境恶劣、网络连接有限的地区,例如山区、船舶等,AWS推出了Snow系列设备,可以连续计算、数据存储和数据转送。搜集数据完成之后,可以带到总部去处理。

在本次re:Invent大会上,AWS CEO Andy Jassy宣布了1U和2U两款小尺寸的Outposts,1U尺寸像Pizza一样大小,和经典型号功能一模一样,但体积缩小至1/40。小尺寸的Outposts可以很好地适应医院、饭馆、商店、工厂等等,这些IT设备空间受限的场所。

可以说,AWS的混合云,并不是一个“本地+云简单混合”的结果,而是一个不断迭代的过程,就像打怪升级一样,不断遇到挑战、解决挑战。


04.尾声


AWS从问世到实现第一个100亿美元收入,用了123个月;第二个100亿美元增长,用了23个月;第三个100亿美元增长,则用了13个月;如今,第四个100亿美元增长,只用了12个月。

收入快速增长的背后,源自于AWS的不断“重塑”。2011年,AWS发布了80多项重要服务和功能;2012年,发布了近160项;2013年,发布280项;2014年,发布516项;2015年,发布722项;2016年,发布1017项;2017年,发布1430项;2018年发布1957项;2019年,发布2345项。

今年re:Invent,AWS在计算、存储、数据库、数据分析、容器、机器学习运维、工业机器学习等多个方面推出了143项更新。根据Gartner在2020年8月发布的《2019年全球公有云IaaS和PaaS市场份额报告》,AWS的市场份额为45%,超过第二、第三、第四、第五名的总和(34.3%)。

而事实上,云服务也仍处于发展早期,Gartner发布的IT关键指标数据《2020:Industry Measures》显示,在全球IT总支出中,云上支出仅占4%。因此,无论是云产业,还是AWS,都会迎来广阔增长空间。而驱动力,则来自于创新。

创新很困难,而创新者不断颠覆自己来实现创新,则更为困难。AWS用云颠覆了传统IT,但仍以重塑姿态,不断颠覆自己。而这个秘诀,也许正是源自于贝索斯(Jeff Bezos)的思考“keep the vitality of Day 1”:永远客户至上customer obsession。

格隆汇声明:文中观点均来自原作者,不代表格隆汇观点及立场。特别提醒,投资决策需建立在独立思考之上,本文内容仅供参考,不作为实际操作建议,交易风险自担。

相关股票

相关阅读

评论