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，這是亞馬遜今年發布的一款無線攝影頭，開發人員可以用它運行深度學習和影像識別模型。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能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。

亞馬遜市值突破兆美元背後：人工智能無處不在

今年9月4日，亞馬遜成為蘋果之後全球第二家市值破兆的上市公司。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月公布發布的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%，雲計算業務營收同比增長49%，為61億美元。

李開複曾說，我們即將進入“OMO”（線上與線下融合）時代。在OMO時代，人工智能就是連接線上與線下的橋梁。而且AI的屬性決定其需要大量的數據，如此看來，人工智能時代蘋果的封閉模式不如亞馬遜開放模式更有想象太空。事實上，人工智能在亞馬遜已經無處不在。

亞馬遜能夠崛起成為市值兆美元的公司，主要驅動力之一就是基於雲存儲和伺服器業務。AWS已成為諸多公司的標準選擇，他們基於AWS開發支持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數據科學家。”

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英裡的亞特蘭大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個中心做同樣的事情。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，因為這會阻擋攝影頭對物品的識別。無論商店多麽擁擠，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繫起來，”Kumar說，“所有這一切的挑戰不僅僅是製造傳感器，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技術將增強其算法，使其計算能力更強大，並利用更便宜的傳感器。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消息稱，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能，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智能音箱出貨量就突破了2000萬台。

其實，亞馬遜Alexa野心遠不止於做一款智能音箱而已。

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已經連接了大約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設備創建可定製的技能。例如，亞馬遜已經和萬豪酒店合作，能夠讓Alexa打開和關閉電燈，打開電視，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技能創建工具，幾乎任何人都可以理解。

使用Blueprints創建技能就像填寫幾個資料欄並點擊保存一樣簡單。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用戶都可以利用AI來實現某些高度個人化的目的。

通過雲端輸出人工智能能力

對於一個人工智能應用來說，最重要的就是三個因素：算法、數據以及計算能力。這三個因素最好的解決方案是什麽？雲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，人工智能變現相對較難，而且變現周期長。所以科技巨頭公司都選擇將AI客戶引入到雲端平台來實現變現，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能的時候，會發現有許許多多的問題，但是一旦將人工智能對接到雲計算上，這些所謂的困難恐怕就會迎刃而解。這就是人工智能和雲計算結合的結果，兩者結合的倍增效應會更好地推動人工智能在這個時代快速發展。”AWS首席雲計算顧問費良巨集說。

費良巨集認為，AWS的人工智能服務分為三個層面：框架&基礎設施層、平台服務層和應用服務層。

在框架&基礎設施層，AWS除了支持自身的MXNet深度學習框架，還支持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雲計算之上並產品化。

平台服務層包括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集成到自己的新應用中。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（影像識別）、Transcribe(語音識別)、Translate（翻譯）、Polly(語音合成)、Comprehend(語義理解)、Lex(語音互動)，它們都是以雲計算的服務形式出現。

總之，這些高級的人工智能／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能領域應用。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能的能力。

亞馬遜不僅有強大的AWS雲服務能力，其龐大的數據積累也是非常強的壁壘。

亞馬遜有大量來自於互聯網、移動端的數據，亞馬遜平台每年新增超過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，數據驅動了亞馬遜“飛輪”循環模式。

簡而言之，亞馬遜在面對客戶時可以積累大量數據，通過這些數據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用戶。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，大數據分析工具、人工智能的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，有數據，亞馬遜AI已經打通任督二脈，未來將會釋放更大的能量。