在Amazon成立的这25年中，曾无数次地使用各种各样的机器学习方法做网上推荐、产品关联和欺诈侦查，即使遭遇了弥漫全球的网络泡沫，其也能逆风成长为独树一帜的电商神话。
可见，人工智能、机器学习技术在这家培养了无数数据科学家的企业中，充当着至关重要的角色。为此，Amazon旗下的亚马逊云服务（AWS）还提出一个口号，叫“把机器学习的能力交到每一个构建者手中”。
为了“兑现”这句口号，在4月23日的2020 AWS INNOVATE在线技术大会上，AWS宣布一项重磅消息：Amazon SageMaker和Amazon SageMaker Studio这两个人工智能、机器学习最中间平台非常关键的服务，将很快在中国区域正式推出。目前这个服务在中国可进行有限预览。
这是继一个月前AWS宣布数据湖解决方案的关键服务AWS Glue 和 Amazon Athena在中国区域上线消息后的又一动作。
目前，全球已经有上万用户在使用亚马逊的SageMaker服务，在国内也有不少企业都在使用SageMaker（如虎牙直播）。资料显示，SageMaker是AWS CEO Andy Jassy在2017年的AWS re:Invent大会上发布的，一经推出，就得到了热烈响应，成为应用开发领域的一支新力量。
据介绍，Amazon SageMaker 是一项完全托管的服务，可以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。SageMaker 消除了机器学习过程中的繁重工作，让开发高质量模型变得更加轻松。
Amazon SageMaker为开发者提供了弹性笔记本、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强大功能，并将这些功能封装在首个面向机器学习的集成开发环境(IDE) Amazon SageMaker Studio中。
雷锋网注意到，截至目前，Amazon SageMaker 支持领先的深度学习框架和接口标准包括：TensorFlow、PyTorch、Apache MXNet、Chainer、Keras、Gluon、Horovod、Scikit-learn 和 Deep Graph Library。
AWS首席云计算企业战略顾问张侠博士表示，在全球范围内，有上万个客户都在AWS上运行各种各样的机器学习负载，大概有86%的Tensorflow负载都是跑在AWS上。据统计，在AWS上运行机器学习负载的客户量至少高于其它云运营商的2倍。
说到SageMaker Studio，AWS CEO Andy Jassy在2019年的re:Invent大会上曾重点抛出这一粒“金豆子”，吸引无数开发者叫好。也正是那次大会上，SageMaker“全家桶”正式亮相。
• Amazon SageMaker Studio，这是第一个用于机器学习的全集成开发环境，可为机器学习模型的开发部署提供更高的自动化、集成、调试和监控；
• SageMaker Notebooks允许开发人员在几秒钟内启动弹性机器学习笔记本，并可以一键自动执行笔记本的共享；
• Amazon SageMaker Model Monitor可通过模型概念漂移检测，发现生产中运行的模型性能何时开始偏离原始训练的模型·······
具体来说，Amazon SageMaker Studio能干什么？
实际上，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，开发者可以全面掌控构建、训练和部署模型的每个步骤。
也就是说，开发者可以快速上传数据、创建新笔记本、训练和调优模型，调整实验、对比结果，以及将模型部署到生产环境，而且上述所有工作都在一个地方完成，大大提升了工作效率。开发者可以在统一的 SageMaker Studio 可视化界面中执行所有机器学习开发活动，包括笔记本、实验管理、自动创建模型、调试以及概念漂移检测。
相比一些云厂商在试探机器学习的服务，张侠博士提到过：“每一个Sagemaker都是为了开发者设计的，AWS完全把能力都工具化了。”
总体来看，SageMaker和SageMaker Studio这两项服务一旦在中国市场全面推出，将成为AWS在这片市场上两支新的利箭，其人工智能和机器学习的版图也将更加丰富。 （雷锋网雷锋网(公众号：雷锋网)）
雷锋网原创文章，未经授权禁止转载。详情见转载须知。
