AI/ML：以速度和规模进行创新的触发器

## 视频 <video src="https://dev-media.amazoncloud.cn/30-LibaiGenerate/31-LiBaiRebrandingVideo/INO104-AI_ML__A_trigger_for_innovation_at_speed_and_scale-LBrebrandingWCaptionCN.mp4" class="bytemdVideo" controls="controls"></video> ## 导读 在组织决定如何进一步优化运营或创建新产品时，使用[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail) (ML)进行创新是一个常见的考虑因素。将[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)工具与新兴的生成式 AI 应用程序配对的能力提供了一个令人兴奋的机会。本论坛概述了亚马逊云科技构建和扩展支持[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)的创新的方法。通过亚马逊消费者/零售和其他业务的具体例子，探索 AI /ML 如何在提高效率，提高速度和降低成本的同时,帮助提高客户体验的门槛。听取亚马逊在构建和扩展 AI/ML 的文化、流程和技术方面的经验教训。 ## 演讲精华 <font color = "grey">以下是小编为您整理的本次演讲的精华，共1500字，阅读时间大约是8分钟。如果您想进一步了解演讲内容或者观看演讲全文，请观看演讲完整视频或者下面的演讲原文。</font> 此次极具价值的会议首先由亚马逊云科技的领导者张先生热情地欢迎观众，并向他们阐述了亚马逊如何通过运用人工智能和[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)深刻改变客户体验的主题。他提供了关于亚马逊宏伟使命的背景信息，即成为地球上最以客户为中心的公司。要在如此庞大且高速运行的亚马逊业务中实现最佳客户体验，人工智能和[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)的应用至关重要。为了展示亚马逊惊人的规模，张先生分享了一些令人震撼的数据。截至2020年，亚马逊在全球拥有超过2亿Prime会员。他们每年在全球交付超过19亿个包裹，比任何可比的国际托运提供商快两倍多。亚马逊在其庞大的在线市场上销售超过4亿种独特的产品。要应对全球库存管理、运营数百个大型服务中心、协调复杂的物流、监控动态天气和交通状况等复杂活动，亚马逊唯一的方法就是利用大量数据和先进的[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)算法。这使得亚马逊能够实时了解其全球业务的状况，并根据数据做出决策，以满足客户的需求。张先生提供了一个关于库存放置优化的[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)案例，即一个实际应用场景。当客户购买一个产品时，亚马逊在全世界范围内有数百个可能的中心可以进行储存和运输。亚马逊并不会简单地默认选择离客户最近的地理中心，而是使用基于[Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail)的复杂[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)模型来评估各种因素，以确定从哪个设施发货效果最佳。 一些考虑到的变量包括：每个履行中心的处理费用，这可能因人员成本、自动化程度和其他因素而异；承运人的运费可能受到距离客户位置的影响；将同一客户的多个物品合并到同一个箱子里，从而降低材料和运输成本；利用亚马逊的预测功能，提前规划本地需求，避免缺货。通过这些实时处理的各种要素，亚马逊的人工智能能够在全球数百个履行中心找到发货的最低成本的单一最佳方案。 另一个应用案例是亚马逊如何利用[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)来主动关注产品安全问题并保护客户。过去，他们仅依赖于对客户投诉或新闻报道的反应来检测产品问题，这使得他们每年只能手动调查几百个问题。 通过构建复杂的模型，整合客户评价、员工反馈、公共数据库以及其他数据来源，亚马逊如今能够预测每年数十万件产品的风险增加，这是检测率的1000多倍的提升。这为消费者避免了数十亿次可能遇到危险的安全购买实例。 第三个用例是亚马逊通过[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)算法优化包装。该公司一直在从主要使用纸箱转向更轻量级的邮递员和信封来运输产品。这不仅大幅减少了材料，降低了运输成本，减少浪费，而且更加环保。 如今，不再是人类猜测数百万种产品中每种物品的适当包装，而是使用[Amazon SageMaker](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail)构建和部署的[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)模型做出100%的包装决策。这些模型会考虑各种变量，如产品尺寸、重量、易碎性、在运输过程中的预期处理要求和客户需求。例如，亚马逊可以判断一个收藏的乐高套装即使大小适合放在邮递员里也需要一个盒子，因为客户更有可能保持包装的原样。 在短短七年的时间里，亚马逊已通过运用[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)优化包装策略，成功在其全球配送网络中减少了一半以上的纸箱使用，从而节省了在资源和碳排放方面的巨额开支。通过优化数十亿个包裹的分发过程，亚马逊为地球环境做出了巨大贡献。 总的来说，在电子商务行业，仅满足客户需求已不再能满足当今市场的期望。亚马逊通过利用海量数据和亚马逊SageMaker平台上的强大[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)算法，为客户提供双赢的创新方案。例如，他们在结算过程中提供详细的环保选择，让客户了解不同的运输方式及其相关排放情况。亚马逊的持续增长和创新能力在很大程度上依赖于将实用[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)应用于所有业务环节。 Ricardo Allen进一步阐述了亚马逊如何在内部分析中使用生成性AI技术，如在[Amazon Kendra](https://aws.amazon.com/cn/kendra/?trk=cndc-detail)中应用CodeWhisper和[Amazon Lex](https://aws.amazon.com/cn/lex/?trk=cndc-detail)等技术。通过像Parti和Bedrock这样的工具，团队可以访问基础模型，从而创造出新的解决方案。在公司内部，亚马逊利用像CodeWhisler这样的工具，可将软件开发人员的工作效率提高57%，同时提高安全性27%。 在关注用户体验方面，亚马逊致力于在提供建议和见解的同时，仍让用户掌控最后的决策和结果。Ricardo提供的实例包括： - 通过[Amazon Connect](https://aws.amazon.com/cn/connect/?trk=cndc-detail)将大量客户服务通话总结为易懂的洞察，帮助客服代理人更高效地协助客户； - 基于广泛的销售数据和趋势，为第三方卖家提供产品营销和促销建议，帮助他们借助[Amazon Redshift](https://aws.amazon.com/cn/redshift/?trk=cndc-detail)拓展业务； - 使用[Amazon Rekognition](https://aws.amazon.com/cn/rekognition/?trk=cndc-detail)为可能缺乏资源优化视觉内容的卖家生成高质量的产品图片和清单。 亚马逊在应用生成性AI时遵循的一个基本原则是审慎权衡机遇与风险。他们的目标是在避免产生问题内容（如虚假或捏造的信息）的前提下，充分利用这些技术带来的优势。Ricardo概括了亚马逊在负责任地应用生成性AI方面所采用的一些策略： 使用能够处理大量二进制数据的安全且可扩展的数据湖解决方案的数据市场，以及通过自动化和API实现按需数据访问和使用的亚马逊云科技服务数据管道。这些已成为亚马逊内部数据平台的典范，同时也为外部提供了亚马逊云科技数据交换的产品。在启动最初的[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)项目时，亚马逊建议要在努力程度、成功概率和业务影响之间进行审慎的权衡。通过利用诸如SageMaker之类的现代化平台来解决瓶颈问题，使团队能够比使用定制系统更快速地扩大规模。优先级排序至关重要。 亚马逊始终坚持以客户为中心的传奇式理念，这成为了推动其运用[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)改进公司各个方面体验的动力。通过系统性地解决客户问题，亚马逊打造了诸如SageMaker等产品和服务，帮助企业扩大自身的[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)计划。以客户为中心的理念对于亚马逊而言至关重要。 总的来说，亚马逊广泛地依赖于实际应用中的嵌入式[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)来解决问题，以实现成为地球上最以客户为中心的公司这一宏伟目标。AI/ML服务如SageMaker是亚马逊创新速度和规模中不可或缺的一部分。通过亚马逊云科技推广[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)，他们致力于让世界各地的企业利用人工智能改造自身。 **下面是一些演讲现场的精彩瞬间：** 亚马逊在全球范围内的平均包裹交付时间仅为1.9天，这比任何其他规模相近的竞争对手都要快两倍多。  保持领先地位的关键在于实时了解您运营中所有事物的状态。  亚马逊凭借其物流网络和高效的配送速度实现了高效的订单交付。  领导者们经常讨论如何运用数据和智能技术为客户提供真正的优质选择，从而减少对环境的影响。  亚马逊正在寻求通过创造性的人工智能技术提高业务1-2%的表现。  领导者们强调，亚马逊的SageMaker和[Amazon Q](https://aws.amazon.com/cn/q/?trk=cndc-detail)是[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)服务领域的杰出典范。  ## 总结 优化包裹交付过程，从数百个履行中心进行操作，以满足1-2天内交货的承诺，同时保持最低的成本和最低的碳足迹。AI会考虑各种因素，如库存水平、运输成本和需求预测，以确定每个订单的最佳发货履行中心。 为确保产品安全，AI会主动识别数百万种独特销售产品的潜在风险，如污染和不正确贴标。通过分析客户投诉、退货数据和其他信号，ML模型可以标记出需要调查的问题物品。 对于包装类型，AI会为每个订单优化选择，以平衡保护性、美观性和可持续性。根据产品尺寸、易碎性、用途（礼品或自用）等其他属性，ML模型可以确定最佳的包装方式。 亚马逊还利用ML和其他先进技术，如生成性AI，以提高客户服务、销售和营销等领域的人类能力。关键是在负责任地使用AI的基础上提出建议，而非单方面做出决策。人类仍将对最终结果负责。 在扩大AI/ML应用的过程中，亚马逊注重一致的愿景、跨职能的团队结构和健壮的数据基础。各团队需思考如何最佳地运用ML解决客户问题，而非仅仅追求技术潮流。建立正确的愿景和团队结构，寻找初始的ML项目以展示价值并建立动力至关重要。所有这些背后都是通过对瓶颈的自动化消除和精选的可发现数据进行支持。 亚马逊对客户的痴迷推动了AI/ML的创新和应用，规模空前。通过服务如SageMaker和亚马逊云科技AI服务，该公司将这些能力普及化，使得任何规模的组织都能借助AI改造客户体验。 ## 演讲原文 ## 想了解更多精彩完整内容吗？立即访问re:Invent 官网中文网站！ [2023亚马逊云科技re:Invent全球大会 - 官方网站](https://webinar.amazoncloud.cn/reInvent2023/?s=8739&smid=19458 "2023亚马逊云科技re:Invent全球大会 - 官方网站") [点击此处](https://aws.amazon.com/cn/new/?trk=6dd7cc20-6afa-4abf-9359-2d6976ff9600&trk=cndc-detail "点击此处")，一键获取亚马逊云科技全球最新产品/服务资讯！ [点击此处](https://www.amazonaws.cn/new/?trk=2ab098aa-0793-48b1-85e6-a9d261bd8cd4&trk=cndc-detail "点击此处")，一键获取亚马逊云科技中国区最新产品/服务资讯！ ## 即刻注册亚马逊云科技账户，开启云端之旅！ [【免费】亚马逊云科技“100 余种核心云服务产品免费试用”](https://aws.amazon.com/cn/campaigns/freecenter/?trk=f079813d-3a13-4a50-b67b-e31d930f36a4&sc_channel=el&trk=cndc-detail "【免费】亚马逊云科技“100 余种核心云服务产品免费试用“") [【免费】亚马逊云科技中国区“40 余种核心云服务产品免费试用”](https://www.amazonaws.cn/campaign/CloudService/?trk=2cdb6245-f491-42bc-b931-c1693fe92be1&sc_channel=el&trk=cndc-detail "【免费】亚马逊云科技中国区“40 余种核心云服务产品免费试用“")