377
亚马逊云科技可以说是云计算创新风向的探路者。今年，恰逢亚马逊云科技re:Invent 大会十周年，从本次大会上，可以提炼出云计算发展的五个风向标，以窥得云计算下一步的创新和探索方向。
风向标1：重构云计算底座，自研芯片出击
当“上云”成为数字化转型下的必然需求，追求云上的性价比和计算创新就成为无止境的发展需求。而发生在底层的创新，往往是最具备颠覆性的。从半导体和芯片层面来看，自研芯片的创新，会是改变未来云计算游戏规则一个非常重要的能力。
亚马逊云科技最早投入自研芯片的云厂商，迄今为止已经拥有Nitro、Graviton、人工智能机器学习自研芯片三条产品线。
在今年的re:Invent全球大会上，亚马逊云科技宣布推出三款由自研芯片支持的Amazon Elastic Compute Cloud (Amazon EC2)实例，能够进一步提升在Amazon EC2上运行的工作负载的性能、成本和能源效率。新C7g 实例由Amazon Graviton3 处理器支持，与Graviton2 处理器支持的C6g 实例相比，性能提高25%；由Amazon Trainium芯片支持的新Trn1实例为在Amazon EC2中训练绝大多数机器学习模型提供更好的性价比，和更快的训练速度；基于自研Amazon Nitro SSDs（固态驱动器）的新存储优化型Im4gn/Is4gen/I4i实例为在Amazon EC2上运行的I/O密集型工作负载提供更好的存储性能。这些基于亚马逊云科技自研芯片的新Amazon EC2实例的发布，能够帮助客户支持其关键业务应用程序。
亚马逊云科技大中华区产品部总经理顾凡强调，自研芯片需要一定的经验积累，亚马逊云科技基于对云上客户工作负载的深刻理解，逆向工作，去设计自己的芯片，是重构云计算底座自研芯片这一环节中的最大优势。
亚马逊云科技大中华区产品部计算与存储总监周舸介绍，该公司从自研芯片出发进行云计算的进一步创新，可以追溯至2006年，当时发布第一个Amazon EC2 Instance，团队规模仅有十人。随着更多用户不停对Amazon EC2提出更多要求，亚马逊云科技持续增加了很多机型，包括给SAP的超过24TB内存的实例，包括给转码业务专门提供的vt1，以及今年苹果最新的基于Arm架构的M1芯片提供的新实例。随着实例多样化创新的不断深入，亚马逊云科技意识到必须专注于芯片研发的本身，从芯片开始创新。
从2013年到现在，亚马逊云科技的几条芯片产品线同时在展开，包括：已经发展到第四代的Nitro，专门进行训练和推理；Graviton家族，从最初的Cache到Web一直延伸到数据分析，甚至机器学习和高性能计算的工作负载，现在第三代Graviton已发布，性能超过上一代的25%，且在特定的工作负载上，还会有更大提升，应用已经衍生到更多工作负载中。
在机器学习芯片方面，Inf1已经发布了一段时间了，中国市场很多用户在用Inf1做推理。预测未来，训练和推理两个工作负载会分开，从实例的角度，也会有不同的实例面向训练和推理，且通用CPU的推理使用会越来越多。
周舸还谈到了C6i和C6g，在训练部分，P4d和Intel Habana配合的DL1，也是今年很重要的发布。此外还有Trn1，是用Trainium训练芯片做成的实例。他表示，“机器学习发展非常快，机器学习配套的各种加速芯片的发展速度也非常快的，从P3、P3dn再到P4d、Trn1发展速度，每年的机器学习专用芯片的演进提升速度都是超过翻倍的速度在提升，比通用CPU快得多。”
随着机器学习模型复杂度的提升，并行训练随之而来的挑战就是内存和网络，从P3dn开始，亚马逊云科技不断提升内存，今年的Trn1内存已经达到512G；网络方面，Trn1达到800G，Trn1n可以达到1600G。
周舸强调，“在专用芯片方面，我们不光是在提升这些芯片本身的能力，我们也在构建更适合这些专用芯片发挥作用的网络环境和配套的所有服务，真正让机器学习的训练能力大幅提升。”
此外还有Nitro，到现在已经是第四代。Nitro提供了统一的安全性平台，无论使用什么样的CPU计算平台，都可以获得一致的安全性、VPC接入能力以及API的统一性等，同时，Nitro也可以帮助提高存储性能。
存储方面，亚马逊云科技今年推了两个新的存储层，一是及时索引分层，可以帮助用户在归档数据中需要取用时，能够像热数据一样马上就能索引到。同时，智能分层也覆盖到了新的存储层，迄今共有8个存储层可提供给用户。
风向标2：大云无疆，无限拓展
“The Everywhere Cloud”就是对“大云无疆，无限拓展”最贴切的诠释。用户需要的是没有边界的云，比如拓展到5G网络的边缘，或是靠近人口中心的城市，或是用户自己的数据中心，甚至扩展到万物互联的物联网设备……时至今日，像Ground Station这样的托管卫星地面站服务，甚至可以将亚马逊云科技的云边界拓展到太空。
顾凡表示，亚马逊云科技致力于把数据库、数据湖、数据分析、人工智能和机器学习更紧密地集成起来，让客户的整个数据旅程中使用其全栈服务。同时，降低门槛至关重要，因为只有降低门槛、民主化，才能让更多人不害怕技术的复杂度，真正用技术来找到洞察和指导行动。
当未来的计算、存储、数据相关的服务打破各种创新边界的时候，还有哪些边界需要去突破？其实是存在于很多的物理地域中，比如由于数据存在本地的法规要求，各种距离产生的延时问题、网络带宽问题、连接稳定性等问题等，亚马逊云科技如今有25个区域，覆盖全球六大洲，提供了81个可用区。据了解，下一步还会再提供9个新的服务区，30个本地区域，进一步接近用户。持续的拓展能力，也是对“大云无疆”的进一步践行。
风向标3：代码即云，万物皆API
代码即云该如何理解？回看云计算这些年的发展，不难发现，它深刻改变了一个事实，就是应用开发者如何看待底层的基础设施和各种平台资源。
今天，在应用开发者眼中，一切云计算资源都可以代码化，都可以被编程。而这一切的基础，源于亚马逊云科技从第一天就坚持的API文化，即万物皆API。从2006年的Amazon EC2仅几个API就可以创建、注销计算资源，到15年后的今天，有超过200大类亚马逊云科技的服务，有上千种API服务于数百万级的客户。
无处不在的云是一个非常复杂的分布式的系统，但是其背后应该建构在非常简单的原则之上。亚马逊云科技的API驱动服务，就像是打造一套超级简单的机械系统的基础，便于用户、开发者最大化其创新能力。那么，亚马逊云科技构建API的心得有哪些？
亚马逊云科技大中华区产品部数据类产品高级经理王晓野谈到：第一，API一旦被发布成为一个公共可用的服务，会有成千上万的客户不断去调用它，因此任何改动都是不明智甚至危险的；第二，API最大的挑战其实是向后兼容，老版本的API不可以触碰和开发者的协定；第三，应该真正从客户场景出发，找到客户最希望实现的功能；第四，让API的故障模式有据可查，然后持续进行改进;第五，创建具有明确、特定目的、自描述的API;第六，对于API和云服务，要隐藏背后的技术实现，真正关注于客户需求。
当然，API仅是一个基础，为了便于大多数开发者使用SDK来调用云服务、API，亚马逊云科技推出了支持各种语言的SDK，帮助各种类型的用户降低门槛，赋能其业务创新。
风向标4：降低门槛，把云计算交到更多人手里
降低门槛本身就是云计算的非常重要的核心价值，让不同类型的公司、不同职位的员工，都能降低对新技术的恐惧，从而让更多人参与进来，利用工具去获取对数据的洞察、指导自身的行动，这就是云计算要降低门槛。
如何降低门槛？亚马逊云科技针对数据科学家提供了Amplify Studio、CDK等；针对运营人员提供DevOps Guru，以及四个无服务器的分析服务；针对业务人员Redshift ML、有Canvas、有QuickSight Q；针对行业客户，今年re:Invent一个很重要的风向标，就是面向特定行业，例如制造业、汽车行业分别推出了数字孪生、Amazon IoT TwinMaker以及Amazon IoT FleetWise。
亚马逊云科技大中华区机器学习产品高级经理张洋表示，为了降低机器学习门槛，亚马逊云科技为数据科学家和工程师提供了深入的人工智能与机器学习的服务，通过三层服务来赋能不同具有AI/ML机器学习相关能力的人。
在基础层，为机器学习专家提供了丰富的算力和经过优化的深度学习的框架。在深度学习框架层面，优化了主流框架，例如Tensorflow、MXNet，便于用户快速构建环境，避免搭建环境时框架兼容性和依赖性问题，提升了训练的速度，降低了推理的延迟。中间层致力于降低创建机器学习平台的门槛，提供了Amazon SageMaker端到端机器学习平台，跨越了整个机器学习全流程，方便用户在Amazon SageMaker环境中处理数据标记、数据处理、特征存储、算法探索、模型推理到上线再到边缘端设备管理的整个过程。
而从机器学习全流程的数据准备、模型构建等方面，亚马逊云科技提供端到端的由平台统一完成的工作，从而加快了机器学习的整个流程。
风向标5：可持续发展
可持续发展是亚马逊云科技非常重要的一环，re:Invent多次涉及这个话题，从可持续发展的责任共担模型，再到碳排放的跟踪工具，以及若干个新的可再生能源的项目，这一系列的举措都是为了可持续发展。
顾凡表示，云厂商要去考虑如何达到自身的可持续发展目标，其中两个重要的举措包括：一是如何提升云基础设施的利用效率，二是如何更多地采用可再生能源支持业务和运营。亚马逊云科技既要完成自身的可持续性发展目标，同时，还将在整个亚马逊云科技的平台上，帮助更多客户完成企业的可持续发展目标。
下载ECAD模型
