Amazon EC2 C7gn实例 (图片来源：Business Wire)

亚马逊云科技拥有十多年芯片设计经验，在云中以更低成本实现更高的性能和可扩展性。十多年来，亚马逊云科技推出了多种定制化的芯片设计，帮助客户运行要求更高的工作负载，包括更快的处理速度、更高的内存容量、更快的存储输入/输出（I/O）和更高的网络带宽。亚马逊云科技自2013年推出Amazon Nitro系统以来，已经开发了多个自研芯片，包括五代Nitro系统、致力于为各种工作负载提升性能和优化成本的三代Graviton芯片、用于加速机器学习推理的两代Inferentia芯片，以及用于加速机器学习训练的Trainium芯片。亚马逊云科技在芯片设计和验证的敏捷开发周期中使用基于云的电子设计自动化，这使团队能够更快地创新，更快地将芯片提供给客户。实践证明，亚马逊云科技更现代化、更节能的半导体处理确保了芯片的快速迭代及交付。每推出一款新的芯片，亚马逊云科技都进一步提升了这些芯片支持的Amazon EC2实例的性能、效率以及更优化的成本，为客户提供了更多的芯片和实例组合选择，针对他们独特的工作负载进行了优化。

亚马逊云科技Amazon EC2副总裁David Brown表示：“从Graviton到Trainium、Inferentia再到Nitro，亚马逊云科技每一代自研芯片都为客户的各种工作负载提供更高的性能、更优化的成本和更高的能效。我们不断推陈出新让客户获得卓越的性价比，这也一直驱动着我们的持续创新。我们今天推出的Amazon EC2实例为高性能计算、网络密集型工作负载和机器学习推理工作负载提供了显著的性能提升，客户有了更多的实例选择来满足他们的特定需求。”

Hpc7g实例专为在Amazon EC2上大规模运行高性能计算工作负载提供超高性价比

很多领域的组织需要依靠高性能计算来解决复杂的学术、科学和商业问题。当前，众多客户如阿斯利康、F1一级方程式赛车、Maxar Technologies等在亚马逊云科技上借助其提供的卓越的安全性、可扩展性和弹性，运行传统的高性能计算工作负载，包括基因组学处理、计算流体动力学和天气预报模拟等。工程师、研究人员和科学家使用Amazon EC2网络优化型实例（如C5n、R5n、M5n和C6gn）运行高性能计算工作负载，这些实例提供了近乎无限的计算能力和服务器之间的高网络带宽，实现数千个内核处理和交换数据。虽然这些实例的性能足以满足目前大多数高性能计算场景，但人工智能和自动驾驶汽车等新兴应用需要高性能计算优化实例，可以扩展到数万个甚至更多的内核，进一步解决难度系数持续增加的问题并降低高性能计算工作负载的成本。

Hpc7g实例由新的Amazon Graviton3E芯片提供支持，为客户在Amazon EC2上的高性能计算工作负载（如计算流体动力学、天气模拟、基因组学和分子动力学等）提供了超高的性价比。与采用Graviton2处理器的当前一代C6gn实例相比，Hpc7g实例的浮点性能提高了2倍，与当前一代Hpc6a实例相比性能提高了20%，让客户能够在多达数万个内核的高性能计算集群中进行复杂的计算。Hpc7g实例还提供高内存带宽和200Gbps的EFA （Elastic Fabric Adapter，弹性结构适配器）网络带宽，可以更快的运行并完成高性能计算应用。客户可以通过开源的集群管理工具Amazon ParallelCluster使用Hpc7g实例，与其它实例类型一起配置Hpc7g实例，这让客户在同一个高能性计算集群中灵活运行不同的工作负载类型。有关高性能计算（HPC）实例的更多信息，请访问aws.amazon.com/cn/hpc/。

C7gn实例为网络密集型工作负载提供极佳性能，具有更高的网络带宽、更高的数据包转发性能和更低的延迟

客户使用Amazon EC2网络优化型实例运行其要求极其严苛的网络密集型工作负载，如网络虚拟化设备（包括防火墙、虚拟路由器和负载均衡器等）和数据加密业务等。客户需要为这些工作负载扩展性能，以处理不断增加的网络流量来应对业务高峰，或者缩短处理时间为最终用户提供更好的体验。当前，为获得更多的网络吞吐量，客户采用更大型号的实例，部署远高于需求的计算资源，导致成本增加。这些客户为减少数据处理时间，需要更高的数据包转发性能、更高的网络带宽以及更快的加密性能。

C7gn实例采用新的、具有网络加速功能的第五代Nitro，在Amazon EC2网络优化型实例中具有最高的网络带宽和数据包处理性能，而且功耗更低。Nitro卡将主机CPU的I/O功能卸载到专门的硬件并进行加速，将Amazon EC2实例的所有资源几乎都提供给客户的工作负载，从而以更低的CPU利用率实现更稳定的性能。新款Amazon Nitro卡使C7gn实例的每个CPU提供高达2倍的网络带宽，将每秒数据包处理性能提升50%，与当前一代网络优化型Amazon EC2实例相比，进一步降低了EFA网络延迟。与C6gn实例相比，C7gn实例提高了多达25%的计算性能及多达2倍的加密性能。第五代Nitro比第四代Nitro效能功耗比提升40%，进一步降低了客户工作负载的能量消耗。C7gn实例通过扩展网络性能和吞吐量以及减少网络延迟，优化了客户在Amazon EC2上要求最严苛的网络密集型工作负载的成本。C7gn实例目前提供预览版，欲了解更多信息，请访问aws.amazon.com/cn/ec2/instance-types/c7g/。

Inf2实例专为部署当今最严苛的深度学习模型而设计，支持分布式推理和随机舍入算法

为提供更好的应用或者更加定制的个性化体验，数据科学家和机器学习工程师正在构建更大、更复杂的深度学习模型。例如，越来越普遍的超过1,000亿个参数的大型语言模型（LLM），由于它们需要巨量的数据进行训练，这推动了对计算需求的空前增长。虽然训练备受大家关注，但在生产中运行机器学习，大部分的复杂性和成本却在推理上（例如，每花1美元用于训练，将有多达9美元用于推理），这限制了推理的使用并阻碍了客户创新。客户希望在其应用中大规模使用先进的深度学习模型，但却受限于高额的计算成本。当亚马逊云科技在2019年推出Inf1实例时，深度学习模型具有数百万个参数。此后，深度学习模型的规模和复杂性呈指数级增长，甚至有些深度学习模型的参数增长了500倍，超过了数千亿。致力于使用最先进的深度学习技术，开发下一代应用的客户，希望拥有高性价比、高能效的硬件，实现低延迟、高吞吐量的推理以及灵活的软件的支持，让工程团队能够快速大规模地部署其业务创新。

Inf2实例，配备了Amazon自研的最新款Inferentia2机器学习加速推理芯片，可以运行高达1,750亿个参数的大型深度学习模型（如LLM、图像生成和自动语音检测），同时在Amazon EC2上提供最低的单次推理成本。Inf2是第一个支持分布式推理的推理优化型Amazon EC2实例，该技术将大型模型分布在多个芯片上，为参数超过1,000亿的深度学习模型提供极佳性能。Inf2实例支持随机舍入，这种以概率方式进行四舍五入的方式与传统的四舍五入相比，能够提供更高的性能和更高的精度。Inf2实例支持广泛的数据类型，包括可提高吞吐量并降低了每次推理功耗的CFP8，和可提升尚未利用到低精度数据类型模块性能的FP32。客户可以通过用于机器学习推理的统一软件开发工具包Amazon Neuron开始使用Inf2实例。Amazon Neuron与PyTorch和TensorFlow等流行的机器学习框架集成，帮助客户仅需少量代码改动就能将现有模型部署到Inf2实例。由于大型模型需要多个芯片支持，芯片之间需要实现快速通信，Inf2实例支持亚马逊云科技的实例内部高速互连技术NeuronLink，提供192GB/s的环形连接。与当前一代Inf1实例相比，Inf2实例提供了高达4倍的吞吐量，降低多达10倍的延迟，与基于GPU的实例相比，它的每瓦性能提升高达45%。Inf2实例目前提供预览版，欲了解更多信息，请访问aws.amazon.com/ec2/instance-types/inf2。

Arup（奥雅纳）是一家由设计师、工程与可持续发展咨询师、顾问和专家组成的全球性公司，致力于践行可持续发展，并利用想象力、技术和严谨的态度来建造一个更美好的世界。 “我们使用亚马逊云科技的服务来运行高度复杂的模拟，帮助我们的客户建造下一代高层建筑、体育场馆、数据中心和关键基础设施，同时对影响大家生活的城市微气候、全球变暖和气候变化进行评估并提供洞察。” 奥雅纳高级工程师Sina Hassanli博士说，“我们的客户希望能以更低的成本进行更快、更准确的模拟，以便在开发的早期阶段为其设计提供信息。我们期待借助更高性能的Amazon EC2 Hpc7g实例，帮助我们的客户实现更快、更有效的创新。”

Aerospike公司的实时数据平台旨在帮助组织构建应用程序，以打击欺诈、支持全球数字支付、为数千万客户提供超个性化的用户体验等。 “Aerospike 实时数据平台是一个无共享（shared-nothing）、多线程、多模态的数据平台，旨在通过服务器集群高效运行，利用现代硬件和网络技术，为PB级数据以亚毫秒的速度提供可靠地高性能 。”Aerospike 首席产品官 Lenley Hensarling表示， “在我们最近的实时数据库读取测试中，我们很高兴看到，采用新一代Amazon Nitro的 Amazon EC2 C7gn 实例与 C6gn 实例相比，每秒交易量显著提升。我们期待着C7gn 实例以及未来更多亚马逊云科技基础设施提升带给我们的诸多优势。”

Qualtrics是一家设计和开发体验管理软件公司。“Qualtrics的重点是借助技术创新，缩小客户、员工、品牌和产品之间的体验差距。为实现这一目标，我们正在开发复杂的多任务、多模态的深度学习模型，包括文本分类、序列标记、话语分析、关键短语提取、主题提取、聚类以及端到端对话理解等。”Qualtrics 核心机器学习负责人 Aaron Colak 表示，“随着我们在更多应用程序中使用这些复杂的模型以及非结构化数据量不断增长，为给客户提供最佳体验，我们需要像Inf2 实例这样性能更高的推理优化解决方案，来满足我们的需求。我们很高兴看到新一代 Inf2 实例的推出，它不仅让我们实现更高的吞吐量，显著降低延迟，而且还引入了分布式推理和支持增强的动态形状输入等功能。随着我们部署更大、更复杂的模型，这将能进一步满足我们对部署的更高要求。”

北京——2021年12月1日，在亚马逊云科技re:Invent全球大会上，亚马逊云科技宣布推出三款由自研芯片支持的新Amazon Elastic Compute Cloud (Amazon EC2)实例，帮助客户显著提升在Amazon EC2上运行的工作负载的性能、成本和能源效率。新C7g 实例由Amazon Graviton3 处理器支持，与由 Amazon Graviton2 处理器支持的当前一代 C6g 实例相比，性能提高25%。由Amazon Trainium芯片支持的新Trn1实例为在Amazon EC2中训练绝大多数机器学习模型提供最佳性价比，及最快的训练速度。基于自研Amazon Nitro SSDs（固态驱动器）的新存储优化型Im4gn/Is4gen/ I4i实例为在Amazon EC2上运行的I/O密集型工作负载提供最佳存储性能。这些基于亚马逊云科技自研芯片的新Amazon EC2实例的发布，将帮助客户支持其关键业务应用程序。

亚马逊云科技Amazon EC2副总裁David Brown表示：“我们对自研芯片的持续投入升级，已经让客户在当今一些关键工作负载中获得了巨大的性价比优势。客户希望我们在每一代新的EC2实例上不断突破边界。亚马逊云科技的持续创新让客户有机会使用这些全新的、改变游戏规则的实例运行其重要的工作负载，获得更好的性价比。”

C7g实例由新的Amazon Graviton3处理器支持，与由Amazon Graviton2处理器支持的当前一代C6g实例相比，性能提高多达25%

基于Amazon Graviton2的计算实例自2020年推出以来，被众多客户如DirecTV、Discovery、Epic Games、Formula 1、Honeycomb.io、Intuit、Lyft、MercardoLibre、NextRoll、Nielsen、SmugMug、Snap、Splunk和Sprinklr等在生产中使用并已经获得显著的性能提升和成本节省。基于Graviton2的系列实例共有12种，包括通用型、计算优化型、内存优化型、存储优化型、突发性能型和加速计算型实例，让客户拥有云上至深至广的计算选择，并兼顾性价比和能效。随着客户在云中开展更多计算密集型工作负载如高性能计算（HPC）、游戏和机器学习推理，相应的计算、存储、内存和网络需求也随之增长，客户需要寻求更佳的性价比和能效来运行这些工作负载。

由Amazon Graviton3处理器支持的C7g实例与由 Graviton2 处理器支持的当前一代 C6g 实例相比，可将计算密集型工作负载性能提高多达25%。Amazon Graviton3处理器与Graviton2相比，为科学计算、机器学习和媒体编码工作负载提供高达2倍的浮点运算性能，为加密工作负载速度提升高达2倍，为机器学习工作负载提供高达3倍的性能。Amazon Graviton3处理器的能效也更高，在相同性能下，与同类型EC2实例对比，可节省高达60%的能源消耗。C7g实例是云中第一个采用最新DDR5内存的实例，与基于Amazon Graviton2的实例相比，它提高了50%的内存带宽，从而提高了科学计算等内存密集型应用的性能。与基于Amazon Graviton2的实例相比，C7g实例的网络带宽也高出20%。C7g 实例支持 Elastic Fabric Adapter (EFA)，允许应用程序直接与网络接口卡通信，提供更低且更一致的延迟，提高需要大规模并行处理（如 HPC 和视频编码）的应用程序的性能。C7g实例现已提供预览版。欲了解更多C7g实例的信息，请访问aws.amazon.com/ec2/instance-types/c7g。

由Amazon Trainium芯片支持的Trn1实例为在Amazon EC2中训练绝大多数机器学习模型提供最佳性价比，及最快的训练速度

越来越多客户正在构建、训练和部署机器学习模型，支持能够重塑其业务和客户体验的应用程序。为了确保提高准确性，这些机器学习模型必须构建在越来越多的训练数据上，导致其训练成本越来越高。这可能会限制客户能够部署的机器学习模型数量。亚马逊云科技为机器学习提供至深至广的计算服务选择，包括采用NVIDIA A100 Tensor Core GPU的EC2 P4d实例和采用Habana Labs  Gaudi 加速器的 EC2 DL1 实例。但是，即使拥有当今最快的加速实例，训练持续变大的机器学习模型仍然是非常昂贵和耗时的。

由Amazon Trainium芯片支持的Trn1实例为在Amazon EC2中进行深度学习模型训练提供最佳性价比以及最快的训练速度，与P4d实例相比，通过Trn1实例训练深度学习模型的成本降低多达40%。Trn1实例提供800Gbps EFA网络带宽（比最新基于GPU的EC2实例高两倍），并与Amazon FSx for Lustre高性能存储集成，让客户可以启动具有EC2 UltraClusters功能的Trn1实例。通过EC2 UltraClusters，开发人员可以将机器学习训练扩展到一万多个与 PB 级网络互连的 Trainium 加速器，让客户按需访问超算级性能，即便是最大型和最复杂的模型，训练时间也可以从几个月缩短到几天。Trn1实例现已提供预览版。欲了解更多Trn1实例的信息，请访问aws.amazon.com/ec2/instance-types/trn1。

采用全新Amazon Nitro SSDs的Im4gn/Is4gen/ I4i实例可为I/O密集型工作负载提供最佳存储性能

如今，客户将I3/I3en存储优化型实例用于需要直接访问本地存储数据集的应用程序，比如横向扩展的事务型和关系型数据库（如MySOL和PostgreSQL），NoSQL数据库（如Cassandra、MongoDB、Redis等），大数据（如Hadoop）和数据分析工作负载（如Spark、Hive、Presto等）。I3/I3en实例以低成本提供非易失性内存标准(NVMe) SSD支持的实例存储，针对低延迟、高 I/O 性能和吞吐量进行了优化。客户喜欢I3/I3en实例提供的快速事务处理能力，但随着其工作负载的不断升级——在更大规模的数据集上处理更复杂的事务，他们需要在不增加成本的情况下获得更高的计算性能和更快的数据访问速度。

Im4gn/Is4gen/I4i实例旨在通过架构最大限度提高I/O密集型工作负载的存储性能。通过自研的 Amazon Nitro SSDs ，Im4gn/Is4gen/I4i实例提供高达 30 TB 的 NVMe 存储，与上一代I3实例相比，I/O 延迟降低了 60%，延迟可变性降低了 75%，从而最大限度地提高了应用程序性能。Amazon Nitro SSDs通过优化存储堆栈、虚拟化管理程序和硬件与Amazon Nitro 系统紧密集成。与使用商用SSD相比，亚马逊云科技同时管理Amazon Nitro SSDs的硬件和固件，使SSD更新交付速度更快，让客户可以从改进的功能中获益。Im4gn 实例（现已可用）采用 Amazon Graviton2 处理器，与 I3 实例相比，性价比提高多达 40%，每 TB存储成本降低多达 44%。Is4gen 实例（现已可用）也采用 Amazon Graviton2 处理器，与 I3en 实例相比，每 TB 存储成本降低多达 15%，计算性能提高多达 48%。开始使用Im4gn/Is4gn实例，请访问aws.amazon.com/ec2/instance-types/i4g。I4i实例（即将可用）采用英特尔第三代可扩展处理器（Ice Lake），与当前一代 I3 实例相比，计算性能提高多达 55%。欲了解更多Im4gn/Is4gen/ I4i实例的信息，请访问aws.amazon.com/ec2/instance-types/i4i。

SAP HANA是世界领先的内存数据库，是SAP业务技术平台的基础。SAP HANA数据库与分析总裁Irfan Khan表示：“过去十年中，SAP HANA帮助客户管理他们最关键的事务和分析工作负载。亚马逊云科技在基于ARM的Amazon Graviton处理器的持续投入与创新，与亚马逊云科技的合作带来诸多可能，为我们的企业客户和SAP HANA云支持的SAP云分析和数据管理解决方案带来了显著的运营效率和性能提升。”

Twitter承载着当前正在发生和人们正在讨论的事情。Twitter平台主管Nick Tornow表示：“Twitter正在进行一个为期多年的项目，利用基于Amazon Graviton处理器的Amazon EC2实例来提供Twitter时间线。为进一步提高效率，我们测试了新的基于Amazon Graviton3处理器的C7g实例。在一系列可以代表Twitter工作负载性能的基准测试中，我们发现基于Amazon Graviton3处理器的C7g实例与基于Amazon Graviton2处理器的C6g实例相比，可将性能提高20%-80%，同时还将尾部延迟减少多达35%。我们非常高兴并期待利用基于Amazon Graviton3处理器的实例获得更好的性价比。”

一级方程式（F1）赛车始于1950年，是世界上最负盛名的赛车比赛，也是全球最受欢迎的年度体育赛事。“基于Amazon Graviton2处理器的C6g实例已经为我们的一些CFD（计算流体仿真力学）工作负载提供了最佳性价比。现在，我们发现在同样的模拟中，基于Graviton3的 C7g实例比基于Graviton2的 C6g实例快40%。”一级方程式管理首席技术官Pat Symonds表示：“我们很高兴EFA将在这种实例类型中标配。基于Graviton3的实例在性价比方面的优越表现，我们期待它成为运行所有CFD工作负载的最佳选择。”

Epic Games创立于1991年，是Fortnite、Unreal、Gears of War、Shadow Complex和Infinity Blade系列游戏的创造者。Epic的Unreal Engine技术为PC、主机、手机、AR、VR和Web带来了高保真、交互式的体验。Epic Games高级工程总监Mark Imbriaco表示：“当我们展望未来，为玩家构建更加引人入胜的沉浸式体验时，我们很高兴使用基于Amazon Gravtion3处理器的EC2实例。我们的测试表明，它们甚至适用于要求最严苛、延迟敏感度最高的工作负载，同时提供卓越的性价比，提升了《堡垒之夜》和任何基于虚拟引擎创造的游戏体验。”

Honeycomb开发了一个可视化平台，让工程团队可以可视化、分析和改善云应用程序的质量和性能。“我们很高兴能够基于Amazon Graviton3的预览实例测试我们的高吞吐遥感摄取工作负载。” honeycomb.io首席开发者布道师Liz Fong-Jones表示：“在处理相同工作负载的情况下，我们运行的C7g实例比C6g少30%，延迟降低了30%。我们期待在Amazon Graviton3的C7g实例正式可用后尽快投入到我们的生产环境中。”

Meta AI专注于将人们与其关心的事物联系起来，提供有意义且安全的体验，推进机器学习并指导开放研究。Meta AI PyTorch工程高级总监Lin Qiao表示：“PyTorch开发人员不断创新，以提高深度学习模型的准确性，并找到更好的方法解决问题。同时，这些模型的规模呈指数级增长，这让训练它们变得更加困难，成本更高。我们的PyTorch团队一直在与Amazon Neuron团队合作，为易用性和性能设定了一个高标准，确保在PyTorch中为Trainium等加速器提供原生支持。这其中包括研究集体计算原语，以及为扩展性能和分布式训练设置适当的基础。我们期待与亚马逊云科技合作，将Trainium与PyTorch原生产品（如eager mode和dynamic shapes）进行更多集成。”

Anthropic构建了可靠、可解释和可操控的人工智能系统，这些系统将有机会为商业和公共利益创造价值。Anthropic联合创始人Tom Brown表示：“我们的研究兴趣横跨多个领域，包括自然语言、人工反馈、缩放定律、强化学习、代码生成和可解释性。我们成功的一个关键是利用现代基础设施，让我们可以启动超大高性能深度学习加速器的集群。 我们期待使用Amazon Trainium芯片支持的Trn1实例，因为它们具有前所未有的能力，可以扩展到上万个节点，还有更高的网络带宽，这将让我们可以在控制成本的同时更快地迭代。”

Splunk是领先的数据平台提供商，旨在调查、监控、分析和处理任何规模的数据。Splunk云平台和基础设施副总裁Brad Murphy表示：“我们运行基于C/C++的工作负载来索引和搜索事件数据。我们的工作负载受CPU限制，并受益于高容量和低延迟的SSD存储。在评估由Amazon Graviton2支持的新Im4gn/Is4gen实例时，我们观察到，与当前使用的I3/I3en实例相比，搜索运行时间减少了50%。Im4gn和Is4gen实例成为运行我们存储密集型工作负载的绝佳选择，性价比显著提升且TCO更低。”

Sprinklr通过 30 多个数字化渠道帮助全球大型企业提升客户满意度——使用为企业构建的先进、复杂的人工智能引擎来创建洞察力驱动的策略，创造更优秀的客户体验。“我们在由Amazon Graviton2处理器支持的Amazon EC2 Im4gn/Is4gen实例上对基于Java的搜索工作负载进行了基准测试。与较大的I3en实例相比，较小的 Is4gen 实例就能提供相似的性能，这意味着有机会显著降低TCO。” Sprinklr工程副总裁Abhay Bansal表示：“我们在将工作负载从I3实例迁移到Im4gn实例时，还发现查询延迟显著降低，多达50%，性价比提升40%。迁移到基于Amazon Graviton2的实例很容易，完成基准测试需要两周时间。我们对已有的经验感到非常满意，并期待基于Im4gn和Is4gen实例在生产环境中运行这些工作负载。”

Redis Enterprise通过帮助软件团队为实时世界创建高性能数据层，为全球超过8000个组织提供关键任务应用程序和服务。Redis联合创始人兼首席技术官Yiftach Shoolman表示：“我们非常高兴看到，全新低延迟Amazon Nitro SSDs的Amazon EC2 I4i实例提供比上一代实例更快的交易速度。我们预计I4i实例更强的存储性能和更快的网络和处理器速度将为我们那些基于I4i实例使用Redis-on-Flash的客户带来显著改善，获得更具吸引力的TCO。”

北京——2020年12月1日——在今天正式揭幕的AWS re:Invent大会上， 亚马逊云服务（AWS）发布了适用于Amazon Elastic Compute Cloud(Amazon EC2)的全新Mac实例（EC2 Mac实例）。基于Mac mini电脑构建的EC2 Mac实例，使客户首次能够在AWS云端运行按需的macOS工作负载，从而将AWS的灵活性、可扩展性和成本优势提供给所有基于Apple的开发人员。 通过使用EC2 Mac实例，为iPhone、iPad、Mac、Apple Watch、Apple TV和Safari创建应用程序的开发人员现在可以在几秒钟内配置和访问macOS环境，并根据需求动态扩展容量，获益于AWS的按使用付费定价。 想要开始使用EC2 Mac实例，请访问：https://aws.amazon.com/ec2/instance-types/Mac/

如今，数以百万计的开发人员依靠行业领先的Apple平台和工具如Xcode和Swift，强大的框架如Core ML和Metal,为全球超过10亿客户提供世界一流的应用。现在有了EC2 Mac实例，AWS客户可以在AWS上运行macOS工作负载，并能够从AWS过去十多年为数百万客户提供的安全的按需基础架构所带来的规模、弹性、可靠性和体验中受益。客户可以无缝地配置和访问macOS计算环境，从而享受便利的、分布式测试和快速的应用程序构建，为开发人员带来更多选择，以便他们可以将Mac用作本地或云中受信任的平台。客户还可以将跨平台的Apple、Windows和Android应用程序的开发整合到AWS上，从而提高开发人员的生产率并缩短产品上市时间。与其它Amazon EC2实例类似，客户可以轻松地将EC2 Mac实例与其它AWS服务和功能结合使用，例如将Amazon Virtual Private Cloud（VPC）用于网络安全，将Amazon Elastic Block Storage（EBS）用于可扩展存储，将Amazon Elastic Load Balancer（ELB）用于分发构建队列，并且将Amazon Machine Image（AMI）用于系统映像编排。 EC2 Mac实例通过托管的AWS基础架构减轻了繁重的运维工作，这意味着基于Apple的开发人员可以完全专注于构建出色的应用程序。

AWS EC2副总裁David Brown说：“客户告诉我们，他们希望将Apple构建环境与AWS服务集成在一起。借助EC2 Mac实例，开发人员现在首次可以在AWS中配置和访问按需macOS计算环境，从而可以专注于为Apple行业领先的平台创建具有突破性的应用程序，而不是把精力耗费在采购和管理基础架构上。 ”

Apple全球产品营销副总裁Bob Borchers说：“Apple蓬勃发展的社区拥有2800万开发人员，他们将继续开发突破性的应用程序体验，从而使世界各地的客户满意。随着EC2 Mac实例的发布，我们很高兴以全新的方式访问Apple平台进行开发工作，并将我们世界一流硬件的性能与AWS的可扩展性相结合 。”

EC2 Mac实例是由Mac mini计算机和AWS Nitro System共同组成，配备了英特尔的第八代3.2GHz（4.6GHz Turbo）Core i7处理器，6个物理/ 12逻辑内核和32 GiB内存，可通过高速Thunderbolt 3互联提供高达10 Gbps VPC网络带宽和8 Gbps EBS存储带宽。 这种由独特的AWS Nitro System赋能的Amazon EC2 Mac 实例，可以像其它任何Amazon EC2实例一样，是Amazon VPC网络和Amazon EBS存储完全集成和托管的计算实例。 EC2 Mac实例可按需购买或通过Saving Plans购买。 EC2 Mac实例现已在美国东部（弗吉尼亚北部）、美国东部（俄亥俄州）、美国西部（俄勒冈）、欧洲（爱尔兰）和亚太地区（新加坡）地区提供，即将在其它地区陆续推出。

Intuit是一家任务驱动型全球金融平台公司，旨在为超过5000万的消费者、自营职业者和小型企业提供金融支持，提供的产品包括TurboTax，QuickBooks和Mint。 Intuit产品开发副总裁Pratik Wadher说：“EC2 Mac实例及其熟悉的EC2接口和API，使我们能够将现有的iOS和macOS构建与测试管道无缝迁移到AWS上，从而进一步提高了开发人员的生产力。由于弹性容量扩展和利用多个区域的高可用性设置，我们的数据中心基础架构的性能提高了30％。 现在，我们约有80％的生产运行在EC2 Mac实例上，我很高兴看到AWS在此领域的创新前景。”

自2013年成立以来，Ring一直致力于为所有人提供更安全的社区环境。Ring首席技术官Joshua Roth说： “Ring致力于使每个人都能获得有效的家庭和邻里安全保护，同时努力使社区团结在一起。EC2 Mac实例将使我们能够将Apple构建基础架构迁移到AWS上，从而为所有Apple开发人员解锁AWS的可扩展性、可靠性、安全性和功能。 这些EC2 Mac实例还使我们能够在需要时迅速扩展Mac构建团队，通过整合单个基础架构提供商来简化跨平台应用程序的开发，并最终为成千上万的Apple客户加速创新。”

FiLMiC Inc.是屡获殊荣的移动电影摄影机应用程序FiLMiC Pro的创建者。 FiLMiC的iOS开发经理Seth Faxon说：“我们拥有一支由电影制作人、摄影师、创意人才和软件开发人员组成的全球团队，他们对移动电影和内容创作有着相同的热情，FiLMiC设计了业界最抢手的应用程序，将简单的移动设备转变为电影胶片相机。EC2 Mac实例使我们有能力扩展我们的持续集成构建片场，以便快速进行开发、测试和试飞阶段。这使得我们可以更快并且花更多的时间从事那些有趣的工作。”