机器学习正在推动数万亿规模的全球产业，市场调查机构Grand View Research最近发布的《机器学习市场报告2025》预计，到2025年，全球机器学习市场规模将达到967亿美元。

机器学习也是科技巨头的重点研究和布局领域，亚马逊云科技就是典型的一家企业，该公司的Amazon SageMaker在业界独树一帜。

近日，亚马逊云科技大中华区云服务产品管理总经理顾凡在亚马逊云科技人工智能与机器学习沟通会上表示：“Amazon SageMaker落地中国区域一年以来，我们见证了中国各个行业、各种类型客户积极应用亚马逊云科技的服务，进行机器学习创新，我们希望通过将更多服务落地到中国区域，并坚持‘授人以渔’甚至 ‘扶上马，送一程’的方式帮助客户更快应用机器学习技术，把机器学习的能力交到每一位构建者手中，加速人工智能和机器学习的普惠。”

加速机器学习技术迭代

据分析，市场需求量最大的是Amazon SageMaker这样的产品，因为客户、开发工程师、数据科学家已经明确知道，当前，AI/ML最需要的是规模化产出，不是从零到一，而是从一到十。

如果花很多精力在机器学习GPU硬件、机器学习的框架搭建、机器学习的开发流程，一定程度上是浪费宝贵的时间，因为这些这些工作不具备差异化的价值。

Amazon SageMaker让客户集中力量钻研业务，把精力花在算法和模型构建上迭代。而把基础设施管理、以及机器学习过程的烦琐步骤都变成云服务，让开发人员的效率提到最高。所以， Amazon SageMaker每年都在迭代，加入新的功能。

亚马逊在二十年前就开始了自己的机器学习实践。亚马逊的业务非常广泛，有大家知道的Alexa、Echo、甚至Prime Air，这些业务背后到处都是机器学习的身影。

今天，很多企业都通过亚马逊云科技，受益于亚马逊的机器学习实践，在全球有数以十万计的客户在使用亚马逊云科技机器学习服务，实现数字化转型和业务创新。

“机器学习其实是一个逐步建立信心的过程。不可一蹴而就”。顾凡表示。根据过去一年的经验，亚马逊云科技针对企业应用机器学习提出四点建议。

一是企业要找到一个适合机器学习的场景作为切入点。先突破创新业务，再改造核心业务。

二是避免重复造轮子，利用平台能力。让数据科学家，开发人员专注于的自己的应用和业务创新。

三是拒绝闭门造车，数据科学家要业务化，学习业务。

四是跟真心诚意赋能的厂商合作，牢牢把握住对数据和算法模型的所有权。

机器学习重在落地行业

传统行业是未来机器学习发力的一个重点。具体到应用落地上，亚马逊云科技会赋能合作伙伴，通过合作伙伴帮助客户解决算法模型构建方面的行业难题，落地行业解决方案。

上海音智达信息技术有限公司是亚马逊云科技合作伙伴之一，围绕人工智能和大数据技术提供预测性分析及商务智能解决方案，帮助客户实现数字化转型。

音智达就受益于亚马逊云科技的赋能。音智达CEO孙晓臻表示：“我们在机器学习方面的算法和人才储备远远不能够满足客户需求。与此同时，技术的发展使大数据与人工智能技术开发的难度也在提高，比如技术路线选择的风险。亚马逊云科技丰富的机器学习服务，大幅提升了音智达的技术开发和服务能力。”

作为亚马逊云科技机器学习服务层面的核心产品，Amazon SageMaker目前已经有几十个功能，横跨整个机器学习开发生命周期，能够帮助数据科学家的效率提升10倍，降低机器学习总体应用成本高达54%。

在媒体采访中孙晓臻说到：“Amazon SageMaker在我们整个AI战略里占了比较重要的位置。”

孙晓臻分析说，业内有很多一站式AI平台，强调的是低代码，定位业务用户。SageMaker完全不同，它是一个专业工具，必须要懂算法，有写代码的能力，但是这样能做出高质量的AI模型。所以在这个程度上，工具不同，产出的模型有很大的不一样。

云战略对于任何一家企业来说，都是未来发展的一个决定性要素。音智达计划通过跟亚马逊云科技合作，深耕汽车、快消零售、生命科学领域，机器学习在这些领域大有用武之地。