2006年3月14日，当亚马逊推出他们的第一款云端服务项目Amazon S3时或许不会想到，会在短短数年后就成为全球云计算行业市场份额的领导者。
更为重要的是，对于亚马逊云科技来说，当他们自多年前站上行业第一的位置时，从那个瞬间开始，就意味着不再有可以“模仿”或“学习”的对象。换而言之，他们自此就需要担负起引领整个云计算行业技术和服务创新的“责任”，因为只有这样，才能真正实现行业领导地位的长期保持。
那么，亚马逊云科技做到这一点了吗？至少到2021年当下这个时间点为止，我们所看到的现状，是亚马逊云科技已经成功地连续数年在全球云计算市场保持高比例的市场份额领先，并成功地连续数年实现了业绩的稳定增长。更重要的是，他们也连续数年在Gartner的魔力象限（Magic Quadrant）报告中，在企业实力和技术远见两个方面同时，保持对其他所有竞争对手的大幅优势。
亚马逊云科技是如何实现这些成就，在他们担纲云计算行业领导者的这些年里，又为整个行业带来了怎样的改变？在2021年12月8日的一场沟通会后，我们得以窥见了亚马逊云科技为整个云计算行业所带来的种种变革。
重视自研芯片，但更坚持自研芯片的初心
如果此前有关注过亚马逊云科技，或者浏览过我们三易生活的相关内容，你可能知道，亚马逊云科技这些年来一直在通过各种各样的自研芯片，引领云计算性能的大幅跃升。
比如说，针对云端高性能存储的需求，亚马逊云科技有自研的Nitro SSD主控芯片；针对机器学习的计算场景，亚马逊云科技先后推出了Inferentia和Trainium两款云端机器学习芯片；而针对常规的云计算负载，亚马逊云科技的Graviton系列自研处理器更是已经大幅变革了行业规则。
然而对于很多人来说，可能只是看到了亚马逊云科技能够自研大量云计算相关芯片的研发能力，却没有意识到在这些自研芯片背后，亚马逊云科技的初衷。
亚马逊云科技为什么要自研芯片？首先，所有自研芯片最初的目的，都是出于要满足亚马逊云科技客户需求的考量，并且这也是最为重要的前提。
例如亚马逊云科技之所以要自研Nitro SSD主控芯片，是因为它可以简化云计算设备中的SSD的管理、提高可靠性，从而大幅强化客户存储在服务器里资料的安全性。
又比如说，他们在研发最新一代的Graviton3处理器时，之所以要选择增强并行处理宽度、增加半精度计算能力的方向，是因为相比单纯的提升频率或增加核心量，这样可以让处理器的能效比更高，可以让CPU支持机器学习推理能力，从而降低云计算的成本，从而让更多想“上云”的企业可以用更低的价格，享受到新型云计算处理器的好处。
没错，亚马逊云科技从来都不是先自顾自地埋头搞研发，然后再去推广新的产品或服务。他们是先有客户需求、有基于现有业务的经验积累，再针对性地去研发所需的芯片。而这种“以实际用户需求驱动”的思路，也正是亚马逊云科技与许多只顾自己“炫技”的同类企业相比，很大的一点不同。
“云”理应无处不在，但实现这一点却需要实力
什么是云计算？对于这个问题，可能很多人的想法是，将计算从自己的机房转移到云计算服务商的远程服务器上运行，这就叫云计算。
不得不说，这其实是一种相当传统，但同时也具有一定局限性的认知。因为按照这种思路，那么在网络状况不稳定、网络质量极差，或是因为各种各样原因而无法联网的地区和企业，就相当于被排除在了“云计算”的受益对象之外。
很显然，这实际上会造成一种计算资源分配的不公平。但要破解这一现象，所必须付出的努力却绝不简单。
就拿亚马逊云科技来说，一方面在传统的云计算区域上，其目前已经拥有遍布全球25个地理区域的80个可用区，并且即将在澳大利亚、印度、印度尼西亚、西班牙和瑞士再新建5个AWS区域、15个可用区。而且所有这些可用区的数据、配置，均可以在合规的前提下能够实现无缝镜像。
但另一方面，亚马逊云科技真正令人印象深刻之处在于，他们成功做到了将“云”扩展到了更远、更难以想象的边界上。
比如说针对超低延迟数据处理的需求，亚马逊云科技有基于5G网络的Wavelength区域。事实上，就在此次AWS re:Invent 2021 期间，位于拉斯维加斯的歌唱家与位于旧金山的伴奏者，就在AWS Wavelength的协助下实现了相距560英里，延迟却仅有30-40毫秒的远程同步演出，完美展示了这一与5G网络深度集成的云计算服务低延迟优势。
又比如说，针对那些极端在意数据安全，以及需要在本地进行计算处理的客户，亚马逊云科技推出了边缘云服务器Outposts产品线。只需将其部署在自己的机房，就能获得与在线云计算服务完全一致的管理界面、操作体验，而且还能在有需求的时候无缝接入亚马逊云科技的在线服务，而不需要再经历任何复杂的调试。
除此之外，得益于多款自研的机器学习IoT传感器、IoT网关设备，亚马逊云科技可以为那些无法联网，或是位于偏远地区的工厂提供基于AI的智能生产线赋能。如客户有需求，还可以通过AWS Snowmobile服务将位于数据中心里的数据，直接通过集装箱卡车运抵亚马逊云科技，实现无网络连接下的“人工数据转移”。甚至，亚马逊云科技的AWS Ground Station服务还可以实现全球低延迟卫星数据传输，而无需用户拥有自己的基础设施。换而言之，在“云计算”的可用区域上，亚马逊云科技早已将其扩展到了宇宙空间。
发力技术和培训，亚马逊云科技正在改变行业未来
有了先进的、低成本的云端算力设备，有了遍布全球的云服务架构和网络，对于亚马逊云科技来说，似乎一切都已经很完美了。
然而在他们自己看来，要想真正变革云计算产业，要想真正实现用“云”的力量去赋能各行各业，还有最后一块拼图没有完成。那就是如何才能进一步地降低云计算的门槛，让更多人可以更容易地使用云服务，并在云服务的帮助下实现自身的业务创新。
请注意，这里的“降低门槛”并非单指费用或网络条件，而是亚马逊云科技想要用他们的技术和行动，去让那些可能甚至对“云”本身一窍不通的用户，也能享受到云计算的好处。
为此，亚马逊云科技一方面通过技术研发，不断地推出使用更简便，不需要操作者具备太多专业素养的新型云服务项目。比如就在几天前刚刚发布的Amazon SageMaker Canvas，就可以让用户完全不需要写哪怕一行代码，就能完成数据的导入、机器学习模型的训练，以及自动生成准确的机器学习预测。
又比如，免费的Amazon SageMaker Studio Lab可以让开发者、学者，或者科学家不需要懂得环境配置、也不用亲自搭建设备，马上就能上手进行机器学习或数据分析。
不仅如此，作为当前全球云计算与机器学习的领军企业，亚马逊云科技更成功地编著了受到全球多所一流大学采用的深度学习教材，并将其免费开源。
同时，通过DeepRacer冠军杯赛、培训与认证、机器学习大学、机器学习纳米学位，1000万美元的亚马逊云科技人工智能和机器学习奖学金（Amazon AI & ML Scholarship）等项目，亚马逊云科技也一直致力于鼓励更多人参与机器学习相关的培训，获得机器学习的相关技能，甚至主动投身到机器学习的工作中来。
就在此次AWS re:Invent 2021期间，亚马逊云科技已经定下了一个“小目标”，要在2025年前完成全球范围内2900万人的机器学习培训课程。
说实在的，很难想象当这个“小目标”完成的时候，将会对未来十年、甚至几十年里全球的云计算市场格局带来多大的影响。但亚马逊云科技方面显然很明白，作为当前的行业领导者，这正是自己所必须具备的“大格局”。
