人工智慧如何撐起亞馬遜萬億市值？
亞馬遜AI副總裁Swami Sivasubramanian住在西雅圖郊區的一片樹林裡，這是當地熊的最愛，動物們經常在夜晚遊蕩他的後院去掠奪垃圾。他和他的家人盡了最大的努力尋找，但從未發現那些“入侵者”。
Sivasubramanian說:“我的妻子真的很想看到這些熊的行蹤。她會一直努力熬夜尋找來拜訪的熊，她希望我陪她。"
作為一名技術專家，Sivasubramanian在DeepLens中找到了解決方案，這是亞馬遜今年釋出的一款無線攝像頭，開發人員可以用它執行深度學習和影象識別模型。這個模型可以檢測到熊，並向他妻子手機發送一條簡訊。“我們家擁有世界上最好的熊探測器。”Sivasubramanian說。
這只是亞馬遜在其眾多業務中利用人工智慧和機器學習的方式之一，事實上，亞馬遜的AI技術已經滲透在各類場景。
亞馬遜市值突破萬億美元背後：人工智慧無處不在
今年9月4日，亞馬遜成為蘋果之後全球第二家市值破萬億的上市公司。亞馬遜的股價一度升至2050.50美元，隨後小幅回落至2039.51美元。
自2010年以來，亞馬遜的股價總體保持快速增長的趨勢，而且增長速度愈來愈快，勢頭比蘋果、Facebook、微軟、谷歌、Netflix都更強勁。從目前的發展趨勢來看，亞馬遜市值超越蘋果榮登全球市值榜首指日可待！
亞馬遜今年7月公佈釋出的2018年第二季度財報顯示，其廣告業務和AWS雲業務是帶動亞馬遜市值增長的“兩駕馬車”。第二季度的廣告營收達22億美元，同比增長132%，雲端計算業務營收同比增長49%，為61億美元。
李開復曾說，我們即將進入“OMO”（線上與線下融合）時代。在OMO時代，人工智慧就是連線線上與線下的橋樑。而且AI的屬性決定其需要大量的資料，如此看來，人工智慧時代蘋果的封閉模式不如亞馬遜開放模式更有想象空間。事實上，人工智慧在亞馬遜已經無處不在。
亞馬遜能夠崛起成為市值萬億美元的公司，主要驅動力之一就是基於雲端儲存和伺服器業務。AWS已成為諸多公司的標準選擇，他們基於AWS開發支援Amazon產品，例如Alexa，Amazon Go，Amazon Prime Video的X-Ray功能。
Sivasubramanian說：“我們在AWS中的使命，就是將這些機器學習能力交給每個開發人員和資料科學家。”
他還表示，迄今為止，已有成千上萬的客戶在零售，房地產，時尚，娛樂，醫療保健等行業中使用基於AWS的機器學習服務。AWS的機器學習工具的使用量比去年增長了250％，自去年11月以來，AWS在其機器學習產品組合中增加了100多項新功能或服務。
物流機器人在舞蹈
亞馬遜位於西雅圖以南18英里的亞特蘭大855,000平方英尺的物流中心，一群橙色的亞馬遜機器人正在跳舞。當太平洋西北地區的某個人在亞馬遜網站上購買東西時，每個機器人都會自動開始行動，而且每個機器人都會自動連通其他機器人。
對於亞馬遜，每年數百萬的訂單，即使每個訂單節省一兩秒時間，也會產生巨大的差異。亞馬遜機器人公司的工程副總裁Brad Porter說，“單純釋放原本需要手工操作條形碼掃描器，就能極大提高效率，節省成本。”
最近幾周，亞馬遜已經在密爾沃基的物流中心開啟了新系統，並準備在其他10箇中心做同樣的事情。Porter說，“我們幾乎已經決定，我們準備好了。”
Amazon Go的複雜技術
Amazon Go外觀看起來就像一個小雜貨店，但裡面卻蘊含了複雜的技術。
Amazon Go副總裁Dilip Kumar表示，客戶提起物品的行為對系統要求很高，因為這會阻擋攝像頭對物品的識別。無論商店多麼擁擠，哪怕是兩個穿著相同的人並排站立並相互接觸購買，Amazon Go的系統都必須能夠跟蹤商店中每個顧客所取的東西，可能包括多個相同的物品。
“你可以在這裡拿一件物品，我可以在那裡挑選一件物品。機器要能夠將我的選擇與你的選擇聯絡起來，”Kumar說，“所有這一切的挑戰不僅僅是製造感測器，還要能應對不同的照明條件，不同顏色和溫度等。”
Kumar表示，接下來Amazon Go技術將增強其演算法，使其計算能力更強大，並利用更便宜的感測器。未來Amazon Go系統能夠更快地識別商店中的新商品，而無需訓練演算法來識別它們。他指出，這很重要，因為在任何特定時間，都有20％到30％的物品是新的。
目前，亞馬遜僅有四家Amazon Go無人商店，包括西雅圖的三家和芝加哥一家。據彭博社援引知情人士訊息稱，亞馬遜正考慮在未來幾年內開設多達3000家新的Amazon Go無人商店。
進擊的Alexa
談及亞馬遜的人工智慧，大多數人很容易想到語音助理Alexa。市場研究公司Consumer Intelligence Research Partners（CIRP）的報告顯示，早在2017年9月，亞馬遜Echo智慧音箱出貨量就突破了2000萬臺。
其實，亞馬遜Alexa野心遠不止於做一款智慧音箱而已。
亞馬遜還推出了Alexa Voice Service計劃——將Alexa應用於第三方硬體製造商的產品。迄今為止Alexa已經連線了大約100種產品，包括Sonos，Ecobee，Sony，Lenovo等公司的產品。而且第三方開發商已經構建了超過45,000種技能，從幫助尋找食譜、玩家庭遊戲到閱讀新聞，可以做諸多事情。
此外，亞馬遜還與各機構合作，為大學宿舍或酒店房間內的Echo裝置建立可定製的技能。例如，亞馬遜已經和萬豪酒店合作，能夠讓Alexa開啟和關閉電燈，開啟電視，更換頻道，並詢問健身房位置等。
亞馬遜Alexa副總裁Steve Rabuchin說，Alexa的下一個目標是讓消費者創造自己的定製技能。過去，這需要一些基本的軟體開發知識，但亞馬遜希望將Alexa技能創造過程更加簡單，因此我們推出了Blueprints——一種基於模板的Alexa技能建立工具，幾乎任何人都可以理解。
使用Blueprints建立技能就像填寫幾個欄位並點選儲存一樣簡單。雖然技能通常不會像專業開發人員那樣複雜，並且無法公開，但他們確實允許自定義技能，幾乎所有Alexa使用者都可以利用AI來實現某些高度個人化的目的。
通過雲端輸出人工智慧能力
對於一個人工智慧應用來說，最重要的就是三個因素：演算法、資料以及計算能力。這三個因素最好的解決方案是什麼？雲端計算可能成為解決這個問題最有效的方法和突破口。
我們知道，人工智慧變現相對較難，而且變現週期長。所以科技巨頭公司都選擇將AI客戶引入到雲端平臺來實現變現，比如微軟Azure、谷歌cloud、IBM Cloud、阿里雲、騰訊雲、百度雲。亞馬遜更如此。
“當我們孤立地談人工智慧的時候，會發現有許許多多的問題，但是一旦將人工智慧對接到雲端計算上，這些所謂的困難恐怕就會迎刃而解。這就是人工智慧和雲端計算結合的結果，兩者結合的倍增效應會更好地推動人工智慧在這個時代快速發展。”AWS首席雲端計算顧問費良巨集說。
費良巨集認為，AWS的人工智慧服務分為三個層面：框架&基礎設施層、平臺服務層和應用服務層。
在框架&基礎設施層，AWS除了支援自身的MXNet深度學習框架，還支援Tensorflow、Caffe2、CNTK等主流深度學習框架。開發人員、科學家和工程師可以將自己原有經驗應用於AWS雲端計算之上併產品化。
平臺服務層包括SageMaker和DeepLens, DeepLens文章開頭已有介紹；SageMaker就是建立一個開發框架，可以讓企業更快地把機器學習整合到自己的新應用中。兩者一個軟體一個硬體，軟硬結合幫助企業簡化工作提升效率。
最上層的應用服務包括Rekognition（影象識別）、Transcribe(語音識別)、Translate（翻譯）、Polly(語音合成)、Comprehend(語義理解)、Lex(語音互動)，它們都是以雲端計算的服務形式出現。
總之，這些高階的人工智慧／機器學習服務，是通過一個更簡單的方式加速這些成熟的人工智慧領域應用。哪怕我們沒有更高深的知識、技能或相關經驗的儲備，同樣可以獲得人工智慧的能力。
亞馬遜不僅有強大的AWS雲服務能力，其龐大的資料積累也是非常強的壁壘。
亞馬遜有大量來自於網際網路、移動端的資料，亞馬遜平臺每年新增超過100萬名賣家，目前全球總賣家數量至少達到600萬。費良巨集說，資料驅動了亞馬遜“飛輪”迴圈模式。
簡而言之，亞馬遜在面對客戶時可以積累大量資料，通過這些資料針對市場進行深入分析，之後就可以開發出來更好的產品，而好的產品又會吸引更多的使用者。有了這樣的基礎之後，這個飛輪就會不停地旋轉下去，從而帶動企業不斷向前發展。
費良巨集表示：在這種飛輪模式中，當它真正運轉起來，大資料分析工具、人工智慧的演算法會使飛輪以更高的速度不停旋轉，使我們的業務能夠更快速地發展，在市場上獲得更大的優勢。
有算力，有資料，亞馬遜AI已經打通任督二脈，未來將會釋放更大的能量。
文|李雋