在亚马逊成立的这25年间，该公司多次利用各种机器学习方法进行网上推荐、商品关联及欺诈检测，即便面临互联网泡沫的冲击，亚马逊依然稳步成长，成为独一无二的电商巨头。

显而易见，人工智能和机器学习技术在亚马逊内部扮演着极其重要的角色。为此，亚马逊云服务（AWS）提出了一个口号：“把机器学习的能力交给每一位开发者”。

为了实现这一目标，AWS在2020年4月23日举行的AWS INNOVATE在线技术大会上宣布了一项重要消息：Amazon SageMaker和Amazon SageMaker Studio这两个关键的人工智能和机器学习平台即将在中国地区正式推出。目前，这项服务正处于有限预览阶段。

此前，AWS刚宣布AWS Glue和Amazon Athena在中国市场推出。据统计，全球已有上万用户在使用Amazon SageMaker服务，国内也有许多企业正在应用这一技术（例如虎牙直播）。Amazon SageMaker由AWS CEO Andy Jassy在2017年的AWS re:Invent大会上发布，一经推出便受到广泛关注，迅速成为开发领域的重要力量。

Amazon SageMaker是一项完全托管的服务，旨在帮助开发者和数据科学家快速构建、训练和部署机器学习模型。它简化了机器学习流程，使开发者能够更加高效地创建高质量模型。SageMaker提供了弹性笔记本、实验管理、自动模型创建、模型调试分析以及模型概念漂移检测等功能，并将其整合进Amazon SageMaker Studio，这是首个面向机器学习的集成开发环境。

截至目前，Amazon SageMaker支持多种主流深度学习框架，如TensorFlow、PyTorch、Apache MXNet、Chainer、Keras、Gluon、Horovod、Scikit-learn和Deep Graph Library。据AWS首席云计算企业战略顾问张侠博士透露，全球范围内有上万个客户在AWS上运行各种类型的机器学习负载，其中大约86%的TensorFlow负载是在AWS上运行的。统计数据显示，在AWS上运行机器学习负载的客户数量至少是其他云服务商的两倍。

关于SageMaker Studio，AWS CEO Andy Jassy曾在2019年的re:Invent大会上特别推介这一工具，吸引了众多开发者的关注。在那次大会上，SageMaker“全家桶”正式亮相：

• Amazon SageMaker Studio：这是首个面向机器学习的集成开发环境，提供更高水平的自动化、集成、调试和监控；
• SageMaker Notebooks：允许开发者在几秒钟内启动弹性机器学习笔记本，并可以一键共享；
• Amazon SageMaker Model Monitor：可通过模型概念漂移检测，发现生产环境中运行的模型何时开始偏离原始训练模型。

具体而言，Amazon SageMaker Studio提供了一个基于Web的可视化界面，开发者可以通过该界面执行所有机器学习开发步骤。借助SageMaker Studio，开发者可以全面控制从模型构建到部署的每一个环节。这意味着开发者可以快速上传数据、创建新笔记本、训练和优化模型、调整实验、比较结果，并将模型部署到生产环境——所有这些操作都可以在一个平台上完成，从而显著提升工作效率。

相比一些云服务提供商仍在探索机器学习服务，张侠博士曾表示：“每一个SageMaker服务都是为了开发者而设计的，AWS已将所有能力工具化。”

总体而言，一旦SageMaker和SageMaker Studio在中国市场全面推出，将成为AWS在中国市场的两大利器，进一步扩展其人工智能和机器学习领域的版图。