自推出以来已有十多年，如今，AWS已成长为全球最成功的云基础架构公司之一，占据了30％以上的市场份额。AWS仍然是亚马逊最强大的部门之一，占该季度亚马逊总运营利润的77％。去年，AWS为该公司创造了350亿美元的收入。在Gartner的最新公告中，AWS已连续第十次被评为领导者。

AWS一直致力于满足开发人员的快速转换的需求。尤其是在机器学习用例激增的情况下，客户希望将其ML工作负载安装在云平台上。让我们看一下AWS在提供ML服务方面的表现。

SageMaker

传统的机器学习开发是复杂，昂贵且迭代的。找到正确的工具并将其集成可能会非常耗时且容易出错。SageMaker通过在单个工具集中提供用于机器学习的所有组件来解决这一难题，从而使模型可以更快，更轻松地投入生产。

例如，使用SageMaker Autopilot，只需单击几下即可自动检查原始数据，应用特征处理器并选择最佳算法集，跟踪其性能。

CodeGuru

代码和应用程序效率越高，运行成本就越低。开发人员可以将Amazon CodeGuru集成到现有工作流程中，并且内置的代码审查可以检测和优化代码以降低成本。Amazon CodeGuru使用ML提供智能建议，以提高代码质量并确定应用程序最昂贵的代码行。

CodeGuru Profiler提供有关如何解决性能问题以及运行低效率代码的估计成本的可视化效果和建议。鉴于CodeGuru Reviewer使用机器学习来识别应用程序开发过程中的关键问题和难以发现的错误。

Rekognition

在识别特定于业务的图像中的对象和场景时，需要使用Rekognition。在建立模型以监视装配线或农场时，Rekognition可以使用高度可扩展的深度学习技术轻松添加图像和视频分析，而无需使用任何机器学习专业知识。

Comprehend

Amazon的Comprehend是一种NLP服务，它使用机器学习来查找文本中的见解和关系。无需任何机器学习经验，用户就可以利用Comprehend中的AutoML功能来构建适合企业需求的文本分类器。

Elastic Inference

根据AWS的说法，机器学习的推理占总运营成本的90％。使用弹性推理，可以将运行深度学习推理的成本降低多达75％。开发人员只需将适量的GPU驱动的推理加速连接到任何服务，例如EC2或SageMaker实例类型或ECS任务，而无需更改代码。

Kendra

使用Amazon Kendra可以轻松在您的网站上搜索。通过机器学习的支持，Amazon Kendra是一种高度准确且易于使用的企业搜索服务。Kendra为网站和应用程序提供了强大的自然语言搜索功能，因此最终用户可以轻松地找到信息。

Augmented AI (A2I)

对于任何组织而言，建立人工审核系统都是一个耗时且昂贵的过程。通过消除与构建人工审阅系统相关的繁重工作，Amazon Augmented AI使构建工作流变得容易。亚马逊的A2I服务还可以轻松地将人工判断和AI集成到任何ML应用程序中，而不管它是在AWS还是在其他平台上运行。

Polly

聊天机器人，播客或家庭播客，具有类似于人的语音传递功能，对B2C公司而言是巨大的挑战。使用Polly，AWS尝试解决相同的问题。客户可以使用该服务传递逼真的声音，并通过实时输出增强用户体验。所有要做的就是将文本发送到Amazon Polly的API并以流的形式返回音频，该音频可以立即播放。亚马逊使Polly具备了用多种语言进行语音表达的能力，从而使全球受众都更加容易。

所有这些量身定制的服务已在全球范围内以各种方式为组织提供动力。AWS甚至涉足高性能体育赛事，例如一级方程式。F1分析师和AWS携手合作，从每时每刻汲取了深刻的见解，并以直观的方式向观众展示。AWS的应用程序也已扩展到创意领域，例如AWS DeepComposer可以让您在几秒钟内开始弹奏键盘。

尽管由于微软和谷歌产品的加速发展以及其他云平台的发展，近年来的竞争变得更加激烈，但AWS仍然成功地占据了主导地位。