人工智能如何撑起亚马逊万亿市值？

亚马逊AI副总裁Swami Sivasubramanian住在西雅图郊区的一片树林里，这是当地熊的最爱，动物们经常在夜晚游荡他的后院去掠夺垃圾。他和他的家人尽了最大的努力寻找，但从未发现那些“入侵者”。

Sivasubramanian说:“我的妻子真的很想看到这些熊的行踪。她会一直努力熬夜寻找来拜访的熊，她希望我陪她。"

作为一名技术专家，Sivasubramanian在DeepLens中找到了解决方案，这是亚马逊今年发布的一款无线摄像头，开发人员可以用它运行深度学习和图像识别模型。这个模型可以检测到熊，并向他妻子手机发送一条短信。“我们家拥有世界上最好的熊探测器。”Sivasubramanian说。

这只是亚马逊在其众多业务中利用人工智能和机器学习的方式之一，事实上，亚马逊的AI技术已经渗透在各类场景。

亚马逊市值突破万亿美元背后：人工智能无处不在

今年9月4日，亚马逊成为苹果之后全球第二家市值破万亿的上市公司。亚马逊的股价一度升至2050.50美元，随后小幅回落至2039.51美元。

自2010年以来，亚马逊的股价总体保持快速增长的趋势，而且增长速度愈来愈快，势头比苹果、Facebook、微软、谷歌、Netflix都更强劲。从目前的发展趋势来看，亚马逊市值超越苹果荣登全球市值榜首指日可待！

亚马逊今年7月公布发布的2018年第二季度财报显示，其广告业务和AWS云业务是带动亚马逊市值增长的“两驾马车”。第二季度的广告营收达22亿美元，同比增长132%，云计算业务营收同比增长49%，为61亿美元。

李开复曾说，我们即将进入“OMO”（线上与线下融合）时代。在OMO时代，人工智能就是连接线上与线下的桥梁。而且AI的属性决定其需要大量的数据，如此看来，人工智能时代苹果的封闭模式不如亚马逊开放模式更有想象空间。事实上，人工智能在亚马逊已经无处不在。

亚马逊能够崛起成为市值万亿美元的公司，主要驱动力之一就是基于云存储和服务器业务。AWS已成为诸多公司的标准选择，他们基于AWS开发支持Amazon产品，例如Alexa，Amazon Go，Amazon Prime Video的X-Ray功能。

Sivasubramanian说：“我们在AWS中的使命，就是将这些机器学习能力交给每个开发人员和数据科学家。”

他还表示，迄今为止，已有成千上万的客户在零售，房地产，时尚，娱乐，医疗保健等行业中使用基于AWS的机器学习服务。AWS的机器学习工具的使用量比去年增长了250％，自去年11月以来，AWS在其机器学习产品组合中增加了100多项新功能或服务。

物流机器人在舞蹈

亚马逊位于西雅图以南18英里的亚特兰大855,000平方英尺的物流中心，一群橙色的亚马逊机器人正在跳舞。当太平洋西北地区的某个人在亚马逊网站上购买东西时，每个机器人都会自动开始行动，而且每个机器人都会自动连通其他机器人。

对于亚马逊，每年数百万的订单，即使每个订单节省一两秒时间，也会产生巨大的差异。亚马逊机器人公司的工程副总裁Brad Porter说，“单纯释放原本需要手工操作条形码扫描仪，就能极大提高效率，节省成本。”

最近几周，亚马逊已经在密尔沃基的物流中心开启了新系统，并准备在其他10个中心做同样的事情。Porter说，“我们几乎已经决定，我们准备好了。”

Amazon Go的复杂技术

Amazon Go外观看起来就像一个小杂货店，但里面却蕴含了复杂的技术。

Amazon Go副总裁Dilip Kumar表示，客户提起物品的行为对系统要求很高，因为这会阻挡摄像头对物品的识别。无论商店多么拥挤，哪怕是两个穿着相同的人并排站立并相互接触购买，Amazon Go的系统都必须能够跟踪商店中每个顾客所取的东西，可能包括多个相同的物品。

“你可以在这里拿一件物品，我可以在那里挑选一件物品。机器要能够将我的选择与你的选择联系起来，”Kumar说，“所有这一切的挑战不仅仅是制造传感器，还要能应对不同的照明条件，不同颜色和温度等。”

Kumar表示，接下来Amazon Go技术将增强其算法，使其计算能力更强大，并利用更便宜的传感器。未来Amazon Go系统能够更快地识别商店中的新商品，而无需训练算法来识别它们。他指出，这很重要，因为在任何特定时间，都有20％到30％的物品是新的。

目前，亚马逊仅有四家Amazon Go无人商店，包括西雅图的三家和芝加哥一家。据彭博社援引知情人士消息称，亚马逊正考虑在未来几年内开设多达3000家新的Amazon Go无人商店。

进击的Alexa

谈及亚马逊的人工智能，大多数人很容易想到语音助理Alexa。市场研究公司Consumer Intelligence Research Partners（CIRP）的报告显示，早在2017年9月，亚马逊Echo智能音箱出货量就突破了2000万台。

其实，亚马逊Alexa野心远不止于做一款智能音箱而已。

亚马逊还推出了Alexa Voice Service计划——将Alexa应用于第三方硬件制造商的产品。迄今为止Alexa已经连接了大约100种产品，包括Sonos，Ecobee，Sony，Lenovo等公司的产品。而且第三方开发商已经构建了超过45,000种技能，从帮助寻找食谱、玩家庭游戏到阅读新闻，可以做诸多事情。

此外，亚马逊还与各机构合作，为大学宿舍或酒店房间内的Echo设备创建可定制的技能。例如，亚马逊已经和万豪酒店合作，能够让Alexa打开和关闭电灯，打开电视，更换频道，并询问健身房位置等。

亚马逊Alexa副总裁Steve Rabuchin说，Alexa的下一个目标是让消费者创造自己的定制技能。过去，这需要一些基本的软件开发知识，但亚马逊希望将Alexa技能创造过程更加简单，因此我们推出了Blueprints——一种基于模板的Alexa技能创建工具，几乎任何人都可以理解。

使用Blueprints创建技能就像填写几个字段并点击保存一样简单。虽然技能通常不会像专业开发人员那样复杂，并且无法公开，但他们确实允许自定义技能，几乎所有Alexa用户都可以利用AI来实现某些高度个人化的目的。

通过云端输出人工智能能力

对于一个人工智能应用来说，最重要的就是三个因素：算法、数据以及计算能力。这三个因素最好的解决方案是什么？云计算可能成为解决这个问题最有效的方法和突破口。

我们知道，人工智能变现相对较难，而且变现周期长。所以科技巨头公司都选择将AI客户引入到云端平台来实现变现，比如微软Azure、谷歌cloud、IBM Cloud、阿里云、腾讯云、百度云。

亚马逊更如此。

“当我们孤立地谈人工智能的时候，会发现有许许多多的问题，但是一旦将人工智能对接到云计算上，这些所谓的困难恐怕就会迎刃而解。这就是人工智能和云计算结合的结果，两者结合的倍增效应会更好地推动人工智能在这个时代快速发展。”AWS首席云计算顾问费良宏说。

费良宏认为，AWS的人工智能服务分为三个层面：框架&基础设施层、平台服务层和应用服务层。

在框架&基础设施层，AWS除了支持自身的MXNet深度学习框架，还支持Tensorflow、Caffe2、CNTK等主流深度学习框架。开发人员、科学家和工程师可以将自己原有经验应用于AWS云计算之上并产品化。

平台服务层包括SageMaker和DeepLens, DeepLens文章开头已有介绍；SageMaker就是建立一个开发框架，可以让企业更快地把机器学习集成到自己的新应用中。两者一个软件一个硬件，软硬结合帮助企业简化工作提升效率。

最上层的应用服务包括Rekognition（图像识别）、Transcribe(语音识别)、Translate（翻译）、Polly(语音合成)、Comprehend(语义理解)、Lex(语音交互)，它们都是以云计算的服务形式出现。

总之，这些高级的人工智能／机器学习服务，是通过一个更简单的方式加速这些成熟的人工智能领域应用。哪怕我们没有更高深的知识、技能或相关经验的储备，同样可以获得人工智能的能力。

亚马逊不仅有强大的AWS云服务能力，其庞大的数据积累也是非常强的壁垒。

亚马逊有大量来自于互联网、移动端的数据，亚马逊平台每年新增超过100万名卖家，目前全球总卖家数量至少达到600万。费良宏说，数据驱动了亚马逊“飞轮”循环模式。

简而言之，亚马逊在面对客户时可以积累大量数据，通过这些数据针对市场进行深入分析，之后就可以开发出来更好的产品，而好的产品又会吸引更多的用户。有了这样的基础之后，这个飞轮就会不停地旋转下去，从而带动企业不断向前发展。

费良宏表示：在这种飞轮模式中，当它真正运转起来，大数据分析工具、人工智能的算法会使飞轮以更高的速度不停旋转，使我们的业务能够更快速地发展，在市场上获得更大的优势。

有算力，有数据，亚马逊AI已经打通任督二脉，未来将会释放更大的能量。

近期文章 

公众号后台回复“进群”备注“公司+称呼”
加入“人工智能读者俱乐部”