Amazon SageMaker帮助AI服务公司解决两大难题

上海音智达信息技术有限公司（音智达）是一家在数据领域耕耘了近二十年的老兵，主要为企业提供大数据和机器学习的具体实施和落地服务，随着人工智能的快速发展和应用，一些新的问题开始显现，比如人才的问题、技术架构复杂的问题、运维管理成本高的问题等。

音智达有多年的数据服务经验，非常了解企业的应用现状和需求，也看好数据平台在云上的优势，在使用亚马逊云科技机器学习服务Amazon SageMaker之后，有效解决了音智达在提供务过程中遇到的问题，对于音智达提升自身服务能力起到了明显作用。

企业对于数据服务的认识在变化

大数据和机器学习这类数据服务本身非常的高大上，但实施落地起来却总绕不开一些具体问题，比如什么是真正的需求、对应需求应该选择什么样的方案、如何一步步落地实施,最后与业务结合并用起来。

音智达帮助企业落地大数据和机器学习，其主要工作内容就是方案的具体实施和落地，同时也提供大数据软件产品和数字化转型的咨询服务。作为数据领域的一个老兵，音智达有接近二十年的从业经验，音智达见证了许多应用中的变化和面临的新挑战。

音智达CEO孙晓臻

首先，企业数据构成在变化。音智达CEO孙晓臻表示，五年前，即使是500强头部客户，他们的平均数据量大约也只有10TB，基本都是ERP、CRM这类数据。五年后的今天，平均数据量基本上都在200TB以上，部分公司甚至有1PB数据。

原来，真正增长的数据量既不是ERP，也不是来自CRM，而是非结构化数据。许多企业正在往互联网电子商务发展，因此，企业收集了越来越多的与客户相关的行为数据，企业的数据构成渐渐有了互联网公司的特点，数据量的积累为数据服务的应用打下了基础。

企业应用人工智能的新阶段

企业数据构成变化的同时，数据能力与业务的结合也越发紧密。

孙晓臻表示，随着大数据和AI技术的逐步落地，对于行业知识的要求也越来越高，行业知识不仅越来越细分，这些业务知识本身也在发展，需要不断学习。这是在落地过程中发现的另外一个非常重要的问题。

同时，在落地过程中，由于做的分析越来越多，使得企业对于数据价值的期望值也越来越高，当一些分析无法满足期望值时，部分企业对于数据服务的信心在下降。作为数据服务落地的服务商，音智达有时候还需要向用户证明数据分析的价值。

在孙晓臻看来，企业人工智能的应用正在从试错和实验阶段向普及阶段发展。

音智达于2016年成立数据科学家团队，过去几年有大量项目都是验证性质的，企业在验证项目是否符合其需求，一些企业也看到了其中存在的价值。在疫情的影响之下，企业开始正视在这些项目上的投入，期望项目能为其带来真正的价值。

孙晓臻表示，现在企业不满足于看到一些个亮点，而是需要真正高质量的方案，需要在丰富的业务场景下为其带来真正的业务价值，会用一个个具体的KPI来衡量这些价值。

在意识到数据服务的价值后，企业数据平台的架构也在发生着变化，企业看到了云上丰富的服务类型，也看到了云计算对于数据合规和数据隐私方面的作用，越来越多的企业认为把数据应用到云上可以给自己带来更多价值。

音智达所面临的挑战

作为入行二十多年的数据服务供应商，音智达深知行业的痛点，它所面临的挑战也是不为人所知的，孙晓臻表示音智达的挑战主要有以下这四个方面：

首先是人才的挑战，人才招聘和培养都很难，虽然每年都有大量毕业生，但想要将这些人培养到能做有意义的工作，并且长期留在公司效力其实很难。

其次是技术难度的挑战，大数据和人工智能技术在快速发展，相关的技术方案越来越多，解决一个问题可能有多种方式可用，多种工具可选。同时，要解决的问题也越来越多，服务的规模越来越大，对于平台的挑战也越来越大。此类问题都归类于技术难度的提高。

第三个问题在于部署和运维的成本，许多企业并不想在部署和运维上花太多精力，同样对于音智达来说，也不想耗费太多精力。

最后一个问题在于没有高性价比的，缺乏可扩展性的服务平台，而在有了亚马逊云科技的Amazon SageMaker之后，这个问题得到了解决，而且，解决的不只是这一问题。

孙晓臻表示，当人才的问题、技术架构的问题以及部署运维等问题无法在短时间内自行解决，不如找一个像亚马逊云科技这样的合作伙伴。

亚马逊云是全球最大的公有云服务商，同时提供了功能完备的数据服务平台，孙晓臻认可数据平台云化的种种优势，看好数据平台云化的发展趋势，在2017年就开始与亚马逊云科技展开合作，其AI能力也很快得到了亚马逊云科技的能力认证。

与亚马逊云的合作应对挑战

音智达对于亚马逊云的机器学习服务AmazonSageMaker非常满意，在孙晓臻看来，这不只是一个一站式的数据科学平台，而且是一个能快速构建用户所需机器学习能力的平台。

音智达在服务过程中，首先会去了解企业为什么需要人工智能，要用在什么场景，要解决什么业务问题，然后再关注具体实现的问题。搞清楚用户需求之后能在亚马逊云上用SageMaker快速构建机器学习服务架构，即使是面对不断变化的需求，都能快速构建这种服务架构。

孙晓臻坦言：“某种程度上我们是通过亚马逊云平台提供的AI/ML能力，才真正掌握了怎样服务客户和怎样实施落地的办法。”

SageMaker节省了音智达的人员使用成本，或者说是提高了人员的工作效率。

通常而言，一个机器学习服务要落地需要这样几类人，一类人负责消化需求，一类负责数据工程相关工作，一类人负责主攻算法，还有一类负责机器学习应用的开发、运维和调试，还要有人负责工程实施落地。

而在有了SageMaker之后，算法专家可以专做算法，数据工程人员可以专心准备数据，应用开发人员无需关注如何实现高并发，运维人员无需过渡关注如何配置和优化资源，也无需特别关注如何保证数据安全性。对于音智达来说，无疑是减少了人员成本。

当效率提升之后，音智达就可以将更多精力去了解用户需求，把更多精力放在更多细分场景中，去消化和满足更多样化的需求，通过亚马逊云科技机器学习平台，成功解决来自人才、技术难度等方面的挑战。

结语

笔者也曾亲手体验过Amazon SageMaker，它提供丰富全面的机器学习能力，即使是对机器学习并不熟悉的人，也能在短时间内训练出一个机器学习模型，当然，想要训练一个有意义的，有价值的模型自然需要做许多有针对性的优化。

如孙晓臻所言，SageMaker提供的服务梳理了机器学习的一套落地流程，它提供各种代码和计算资源，能让人在准备好数据之后，快速将算法转变成可用的模型，如果用户需要速度，那云平台将能提供最快的速度。

从实施的角度看，如果用户要的是数据安全，那么云上关于数据安全合规有一套非常成熟的体系，能满足绝大部分用户对于数据安全的需求。

最后，对于任何想要尝试，并考虑将机器学习作为业务能力的一部分的话，SageMaker都是现阶段最不错的选择，能让企业在很短的时间内看到新的可能。