国产在线丝袜-国产在线丝袜精品一区免费-国产在线一二三区-国产在线永久视频-亚洲福利视频一区二区三区-亚洲福利视频一区二区

今年恰逢AWS re:Invent十周年，新任亞馬遜云科技首席執行官Adam Selipsky也首次亮相re:Invent全球大會。
“探路者”精神
本屆大會選擇“探路者”作為貫穿大會始終的主題。對此，亞馬遜全球副總裁、亞馬遜云科技大中華區執行董事張文翊表示，大家對這個概念并不陌生，他們不被規則所限，從不安于現狀；他們深入洞察，開放視野；還有一類探路者，他們不斷賦能他人。而我們身邊也有很多鮮活的例子，無論是科研人員發現新的治療方案挽救生命，還是為身處黑暗的人帶去光明; 無論是尋找新的手段打破物理邊界，還是通過云進行獨特的創新，探路源源不斷。
納斯達克與亞馬遜云科技的合作被張文翊視作“探路者”的經典案例。據介紹，為了成為全球第一個100%全面上云的金融市場和解決方案提供商，納斯達克決定將分階段的把全部業務遷移到亞馬遜云科技上。2022年，他們將首先把美國的一個期權交易市場上云。為了實現全面上云的目標，也適應對延時的要求，納斯達克通過Outposts建立了混合架構，推出了金融行業第一個專用亞馬遜云科技的本地區域。
對于目前火熱的元宇宙概念，張文翊認為這是云計算可以大量賦能的一個領域。在她看來，元宇宙一定是云計算可以大量賦能的一個領域，因為元宇宙本身需要的就是計算、存儲、機器學習等，這些都離不開云計算。例如作為開發元宇宙游戲Fortnite（堡壘之夜）的公司，Epic Games在全球擁有3.5億用戶，它的工作負載幾乎全部都跑在亞馬遜云科技上。
“過去的十五年，云計算從被質疑到成為新一代IT標準，并發展成影響整個ICT產業的創新和革命。不過即便如此，一切不過是剛剛開始。”張文翊援引分析師的預測稱，目前云上支出只占整個IT支出的5%到15%，在中國市場，這個數字甚至只有2.7%。未來將有大量的工作負載遷移到云，更多的創新即將在云上開展，云產業前景巨大。
構建云端商城
活動首日，AWS發布了多項涵蓋計算、物聯網、5G、無服務器數據分析、大機遷移、機器學習等方向的新服務和功能，包括基于新一代自研芯片Amazon Graviton3的計算實例、幫助大機客戶向云遷移的Amazon Mainframe Modernization、幫助企業構建移動專網的Amazon Private 5G、四個亞馬遜云科技分析服務套件的無服務器和按需選項、以及為垂直行業構建的云服務和解決方案，如構建數字孿生的服務Amazon IoT TwinMaker和幫助汽車廠商構建車聯網平臺的Amazon IoT FleetWise。
Graviton3：Arm服務器芯片的新標桿
“盡管我們已經如此努力地創新，我們依然意識到，如果希望針對所有可能的工作負載徹底變革計算的性價比，我們需要徹底重新思考實例。為了實現這個目的，我們需要深入底層技術，一直到芯片。因此，我們開始自己設計基于Arm的芯片。” Adam說。
為此，AWS發布了新一代基于Arm架構的自研服務器芯片Amazon Graviton3，并宣布推出基于這一款新芯片的第一個實列Amazon EC2 C7g，適用于HPC、批處理、電子設計自動化(EDA)、媒體編碼、科學建模、廣告服務、分布式分析和基于CPU的機器學習推理等計算密集型工作負載。
AWS在2018年底推出了首款Graviton處理器，2019年推出了第二代Graviton2，如今，AWS客戶可使用12種由Graviton2驅動的不同實例。
但這并不是亞馬遜云科技在自研芯片領域的全部。“芯片領域的經驗至關重要，就像我們常說的‘經驗，沒有壓縮算法！’”。按照亞馬遜云科技大中華區產品部總經理顧凡的說法，作為云廠商里最早做自研芯片的廠商，截至目前，AWS已經擁有基于Arm架構的Graviton服務器芯片，基于機器學習推理和訓練的芯片Trainium，以及用于CPU卸載工作負載的第四代AWS Nitro系統芯片。 


亞馬遜云科技大中華區產品部總經理顧凡
數據顯示，與Amazon Graviton2處理器支持的當前一代C6g實例相比，計算密集型工作負載性能提高多達25%。在相同性能下，與同類型Amazon EC2實例對比，可節省高達60%的能源消耗。
為機器學習模型訓練提供最佳實例
Amazon EC2 Trn1實例由Amazon Trainium芯片支持。Trainium是AWS在2020年專為機器學習模型設計而推出的自研云端訓練芯片，AWS方面希望在Amazon EC2中能夠為絕大多數機器學習模型訓練提供最佳性價比及最快的訓練速度。
大型機用戶輕松上云
大型機非常昂貴、非常復雜，而且學習COBOL語言的人越來越少。維護大型機就像投籃時把兩只腳固定在地上，不是不行，但絕不是最好的方式。所以很多客戶正試圖盡快逃離大型機，獲得云的彈性和敏捷性。


新服務Amazon Mainframe Modernization的推出，可以將大型機核心工作負載遷移到云的時間縮短2/3。讓以前很難享受到云優勢的大型機用戶，現在也可以輕松上云。客戶可以選擇兩種方法擺脫“主機束縛”：重構大型機工作負載，將老舊應用程序轉換成基于Java的現代云服務，在亞馬遜云科技運行；或者將工作負載平移到亞馬遜云科技，只需要少量更改代碼。 
輕松構建5G專用移動網絡
新推出的Amazon Private 5G讓企業可以讓企業搭建5G專網的時間從數月降低到幾天。據稱，Amazon Private 5G可以自動設置和部署網絡，并按需根據額外設備和網絡流量的增長擴容，客戶只需在亞馬遜云科技的控制臺點擊幾下，就可以指定想要建立移動專網的位置，以及終端設備所需的網絡容量。至于交付、維護、建立5G專網和連接終端設備所需的小型基站、服務器、5G核心和無線接入網絡(RAN)軟件，以及用戶身份模塊(SIM卡)等工作，均由AWS負責。
普通人，也能從事機器學習
機器學習是數據洞察必不可少的一環。在主題演講中，Adam又宣布了一項重要的Amazon SageMaker新功能——Amazon SageMaker Canvas，它讓業務人員和數據分析人員能夠使用可視化的點選界面，生成高準確度的機器學習預測，不需要寫程序代碼。
值得關注的是，與其現有的機器學習服務不同，這里的目標受眾不是高度技術性的數據科學家和工程師，而是企業內部的任何工程師或業務用戶。這意味著，未來，機器學習的使用門檻將得到進一步降低，更多新的用戶群體，即使不具備機器學習經驗、數據科學經驗，也不是開發者，也能從事機器學習工作。
4項基于云的分析服務
Amazon Redshift、MSK、EMR和Kinesis是AWS分析服務套件新推出三種無服務器選項和一個按需選項。Adam指出，不少企業希望獲得數據分析的好處，但卻不想管理基礎設施，不想去做集群調優，不關心儀表盤和按鈕，也不希望預測應用需要多少基礎設施，這4項服務的推出，正好滿足了用戶的需求。
例如Redshift可在幾秒鐘內自動設置和擴展資源，讓客戶在PB級數據規模運行高性能工作負載，而無需管理數據倉庫集群；EMR讓客戶無需部署、管理和擴展底層基礎設施，即可使用開源大數據框架運行分析應用程序；Kinesis On-demand則可以提供每分鐘GB級別的讀寫吞吐量，而無需進行容量規劃。
構建安全的數據湖
AWS Lake Formation是一個非常重要的安全提升，允許限制對特定行和列的訪問，并僅向授權用戶自動過濾和顯示數據，但建立和管理數據湖涉及許多人工、復雜和耗時的任務，動輒就要花費數周或幾個月的時間。，采用AWS Lake Formation，幾天就能輕松地建立一個安全的數據湖。
亞馬遜云科技這次為其數據湖服務Amazon Lake Formation增加了兩個功能，Row and cell-level security for Lake Formation為湖中數據提供精確到數據行和單元格的細顆粒度訪問控制，Transactions for governed tables in Lake Formation確保湖中數據的一致性，這兩項功能讓數據湖的搭建、治理和管理更加容易。
數字孿生的魅力
為了賦能更廣泛的行業，亞馬遜云科技還重磅推出兩項IoT新服務：Amazon IoT TwinMaker和Amazon IoT FleetWise，前者意在讓開發人員更加輕松、快捷地創建現實世界的數字孿生，如樓宇、工廠、工業設備和生產線；后者則是讓讓汽車制造商更輕松、更經濟地收集、管理汽車數據，并實時上傳到云端。


熟悉“數字孿生”概念的人士都懂得，作為物理系統的虛擬映射，它可根據其所代表的現實世界對象的結構、狀態和行為定期更新。然而，打造數字孿生很不容易，必須從各種數據源搜集數據，厘清數據之間的相互關系和所有數據源，并把數據和三維模型結合起來，才能創建虛擬實景。加之事物發生變化時，必須保持實時更新。
而Amazon IoT TwinMaker的出現，能夠讓開發人員輕松匯集來自多個來源(如設備傳感器、攝像機和業務應用程序)的數據，并將這些數據結合起來創建一個知識圖譜，對現實世界環境進行建模。
先進的車載傳感器每小時可產生多達2TB的數據，而且隨著品牌和型號不斷增加，數據格式各不相同，所以必須建立定制的數據收集系統。然而，建立這些系統既困難又耗時。通過Amazon IoT FleetWise，汽車制造商可以輕松地收集和管理汽車中任何格式的數據，并將數據格式標準化，方便在云上輕松進行數據分析。
此外，當數據進入云端后，汽車制造商還可以將數據應用于車輛的遠程診斷程序，分析車隊的健康狀況，幫助汽車制造商預防潛在的召回或安全問題，或通過數據分析和機器學習來改進自動駕駛和高級輔助駕駛等技術。
結語
在被問及此次發布的產品和服務何時落地中國？產品和服務面向的國內和美國市場有何不同時？顧凡回應稱，我們有時候不能直接簡單去看某個產品的中外差別，而是要看是否把中國客戶的需求結合到了產品設計中。
“因為中國客戶的機器學習場景非常多，所以在SageMaker全球同步首發的六個區域中，中國就占據了兩席，當然，我們也一定會加速把Graviton3帶到中國。”他說。