最前线｜助AI绘画独角兽StabilityAI全球走红，亚马逊云科技凭AmazonSageMaker登顶IDC报告(2)

Amazon SageMaker旨在打破机器学习的壁垒，推进前沿技术的普惠化，把机器学习能力真正从研究实验室交到企业手中，亚马逊云科技在2017年 re:Invent 全球大会上首次推出。Amazon SageMaker由十几种工具组成，包括SageMaker Data Wrangler、SageMaker Studio、SageMaker Autopilot、SageMaker Canvas和SageMaker Clarify等，并不断根据客户需求推出新的功能和特性。
亚马逊云科技近年来一直在Amazon SageMaker套件中快速推出新功能和特性。在过去的六年时间里，亚马逊云科技为其增加了超过290项新的功能和特性，包括调试器 (SageMaker Debugger)、模型监视器 (SageMaker Model Monitor)、剖析器(SageMaker Clarify)、AutoML (SageMaker Autopilot)、特征商店（SageMaker Feature Store）、无代码功能 (SageMaker Canvas)，以及第一个专门用于机器学习持续集成和持续交付（CI/CD）的工具，使机器学习在云端和边缘设备上变得更为简便，可扩展性更强。
这些功能和特性往往秉承开源特色，体现出强大的工程灵活性，支持快速交付和部署，可以有效支持用户的规模化推理，具有良好的性价比，可以为用户带来数据引力和规模经济等好处。
据此，IDC推荐具有构建者/开发者文化的企业、致力于以相对较小规模团队或较低运营成本来扩展ML/DL模型的企业，以及重视技术支持质量和及时性的企业使用Amazon SageMaker。
过去，从事机器学习需要专门技能，通常由数量有限的开发人员、研究人员或以机器学习为主要业务的公司所有。开发人员和数据科学家必须首先将数据可视化、转换和预处理为算法可用训练模型的格式，涉及大量的算力、漫长的训练周期，并需要设立专门的团队来管理环境。这些环境通常跨越多个支持GPU的服务器，以及需要大量的人工性能调整。
此外，在应用程序中部署经过训练的模型需要一套不同的应用程序设计和处理分布式系统的专业技能。随着数据集和变量的增加，新信息的出现，旧模型变得不再可用，企业不得不重复上述过程。这导致除了资金充足的企业和研究机构外，大多数人都无法接触到机器学习。