亚马逊云科技大中华区产品部总经理陈晓建表示：“作为全球云计算的开创者和引领者，亚马逊云科技在每年的re:Invent全球大会上都会发布众多新服务、新功能和新应用。我们在基础设施、计算、存储、数据等领域持续重塑云计算，并围绕当今最具变革性的技术生成式AI推出重磅新服务及功能。我们希望通过这些技术创新，帮助更多企业加快创新速度，利用生成式AI全面重塑未来。”

全面发力生成式AI——帮助企业更轻松、安全地构建和应用生成式AI

生成式AI在技术变革、重塑人们的行为方式方面拥有巨大潜力。亚马逊云科技为生成式AI提供三层架构，包括利用基础模型构建的应用程序、使用基础模型进行构建的工具和用于基础模型训练和推理的基础设施，并在每一层都持续创新，帮助客户更轻松、安全地构建和应用生成式AI，进一步降低利用生成式AI的门槛。

• 推出Amazon Q，重塑未来工作方式。这是一种新型生成式AI支持的助手，可以根据客户业务进行定制，专门用于满足办公场景需要。客户可以快速获得复杂问题的相关答案、生成内容并采取行动 – 所有这些都基于客户自身的信息存储库、代码和企业系统的见解。此外，客户的内容绝不会用于训练Amazon Q的底层模型。无论是在亚马逊云科技上进行构建、使用内部数据和系统，还是使用亚马逊云科技应用程序实现商业智能(BI)、联络中心和供应链管理的客户，Amazon Q都是良好的基于生成式AI的助手，能够帮助各个行业、各种规模的企业安全地使用生成式AI。Amazon Q已向客户提供预览版，Amazon Connect中的Amazon Q已正式推出，Amazon Supply Chain中的Amazon Q即将推出。
• Amazon Bedrock发布更多模型选择和全新强大功能，助力安全构建和规模化生成式AI应用。来自Anthropic、Cohere、Meta、Stability AI和亚马逊最新的高性能模型为客户提供更丰富的行业领先模型选择，以支持各种用例。此次发布进一步降低了生成式AI应用的门槛——为客户提供了更多行业领先的模型选择和评估模型新功能，以简化客户使用相关和专有数据定制模型的方式；提供自动执行复杂任务的工具；并为客户配备了提供负责任地构建和部署应用程序的保障。
• 推出五项Amazon SageMaker新功能，助力规模化开发应用模型。Amazon SageMaker的五项新功能让企业更轻松快速地构建、训练和部署支持各种生成式AI使用场景的机器学习模型。新功能包括：Amazon SageMaker HyperPod可大规模加速基础模型训练，能够缩短高达40%的训练时间，并可以确保持续数周或数月的训练过程不中断；Amazon SageMaker Inference 推理功能可平均降低50%的部署成本和20%的推理延迟；Amazon SageMaker Clarify可以帮助客户评估、比较和选择最佳模型；Amazon SageMaker Canvas的两项增强功能——用自然语言指令准备数据、利用模型进行大规模业务分析，将使客户能够更轻松、更快速地将生成式AI集成到他们的工作流程中。

强大的数据支持对生成式AI至关重要，在2023 re:Invent全球大会上，亚马逊云科技围绕数据基础设施、集成以及治理等推出多项服务及功能。

• 进一步丰富向量数据库选择，确保业务数据和向量数据同步支持生成式AI。亚马逊云科技推出了Amazon OpenSearch Serverless向量引擎、Amazon DocumentDB和Amazon DynamoDB的新向量搜索功能、Amazon Memory DB for Redis向量搜索预览版，提升生成式AI应用在响应和延迟方面的性能表现。亚马逊云科技还正式推出图数据库分析引擎Amazon Neptune Analytics，帮助Snapchat这样的应用在几秒钟内对数十亿个连接进行图形分析。
• 推出四项Zero-ETL集成特性，让跨数据存储的数据访问与分析更快速、更便捷。通过全新的Amazon Aurora PostgreSQL、Amazon DynamoDB、Amazon Relational Database Service（Amazon RDS）for MySQL与Amazon Redshift的Zero-ETL集成特性，使得在Amazon Redshift中连接和分析多个关系型和非关系型数据库的数据变得更加容易。此外，客户现在还可以使用Amazon OpenSearch Service对Amazon DynamoDB数据进行近乎实时的全文和向量搜索。无论数据存储在哪里，这些Zero-ETL集成特性都能简化数据连接和操作流程，使客户灵活地利用亚马逊云科广泛而领先的数据库和分析服务，深入挖掘新洞见的同时，更迅速地实现创新并做出更明智的数据驱动决策。
• 在数据治理方面，亚马逊云科技为Amazon DataZone推出了AI描述建议功能预览版，它能够为企业的数据集自动生成更易理解的业务描述，并提供该数据集的使用建议。亚马逊云科技还推出了Amazon Clean Rooms ML预览版，可帮助企业及其合作伙伴在集合数据上应用机器学习模型，而无需相互复制或共享原始数据，并为其推出了第一个专门帮助公司为营销用例创建相似细分市场的模型。

重塑云计算——自研芯片、存储、无服务器的持续创新

芯片是企业所有工作负载的基础。亚马逊云科技十多年来持续针对自研芯片进行创新，每一代自研芯片都提升性价比和能效；同时为客户提供了基于AMD、Intel以及英伟达等的最新芯片和实例组合。在2023 re:Invent全球大会上，亚马逊云科技推出Amazon Graviton4和Amazon Trainium2自研芯片，为机器学习训练和生成式AI应用等广泛的工作负载提供更高性价比和能效。

• Graviton4与当前一代Graviton3处理器相比，性能提升高达30%，独立核心增加50%以上，内存带宽提升75%以上，为在Amazon Elastic Compute Cloud (Amazon EC2)上运行的工作负载提供最佳性能和能效；基于Graviton4的Amazon EC2 R8g实例目前已提供预览。值得一提的是，通过与光环新网和西云数据的紧密合作，基于Graviton3处理器的Amazon EC2 C7g、M7g、R7g实例目前均已在亚马逊云科技中国（北京）区域和中国（宁夏）区域正式可用，为中国客户广泛的云上工作负载带来更高性价比和能效。

• Trainium2芯片专为以高性能训练具有数万亿个参数或变量的基础模型和大语言模型而构建。Trainium2与第一代Trainium芯片相比，性能提升多达4倍，内存提升3倍，能源效率（每瓦性能）提升多达2倍。Amazon EC2 Trn2实例采用最新的Trainium2，一个单独实例包含16个Trainium加速芯片。Trainium2实例致力于为客户在新一代EC2 UltraClusters中扩展多达100,000个Trainium2加速芯片，并与Amazon Elastic Fabric Adapter（EFA）PB级网络互联，提供的算力高达65 exaflops，客户可按需获得超级计算级别的性能。

Amazon Simple Storage Service（Amazon S3）自17年前推出以来，已成为最受欢迎的云存储服务之一，在全球拥有数百万各行各业的客户。在本次大会上，亚马逊云科技宣布Amazon S3 Express One Zone正式可用，与Amazon S3 Standard相比，数据访问速度提高至多10倍，数据请求成本降低50%，为机器学习训练和推理、交互式分析以及媒体内容创建等请求密集型工作负载提供最高性能存储。

亚马逊云科技在17年前就开创性地推出了无服务器技术，为客户提供极致的弹性和自动扩展能力。在2023 re:Invent全球大会上，亚马逊云科技推出了三款无服务器服务创新，帮助客户以任意规模分析和管理数据并显著简化运营，客户无需花费时间和精力去配置、管理和扩展其数据基础设施。其中，Amazon Aurora Limitless数据库可跨多个Amazon Aurora Serverless实例自动分发和查询数据，并能够扩展到每秒百万次的事务级写入并管理PB级数据。Amazon ElastiCache Serverless可以帮助客户在一分钟内创建高可用的缓存，并实时进行垂直和水平扩展以支持客户复杂的应用程序，且无需管理基础架构。Amazon Redshift Serverless利用人工智能（AI）预测工作负载并自动扩展和优化资源，帮助客户实现高性价比的目标。

○ Salesforce在整个产品组合中大幅扩展了对亚马逊云科技的应用，特别是在其具有战略意义且增长较快的创新领域，即Salesforce Data Cloud中采用了亚马逊云科技的原生服务。亚马逊云科技则在整个公司范围内扩大了对Salesforce CRM产品的应用，包括采用Data Cloud来管理统一的客户资料

○ Salesforce现已在亚马逊云科技 Marketplace上正式可用，成千上万的共同客户可以轻松购买并加速部署Salesforce产品

北京——2023年11月28日 亚马逊云科技在2023 re:Invent全球大会上，宣布与全球领先的人工智能客户关系管理系统公司Salesforce进一步扩展长期的全球战略合作伙伴关系，深化在数据和人工智能领域的产品集成，并首次将部分Salesforce产品上架亚马逊云科技Marketplace。这一全新的拓展协议使客户能够更轻松且无缝地在Salesforce和亚马逊云科技之间管理数据，并以负责任的方式将新的生成式AI技术安全地融入到应用程序和工作流中。

为了让客户更容易地从Salesforce和亚马逊云科技的合作中受益，双方将加深业界领先产品之间的集成。Salesforce将全面支持Amazon Bedrock，这项完全托管的服务通过一个API即可调用多个来自领先AI公司的基础模型（FMs），并将其作为Salesforce开放模型生态战略的一部分。客户通过Einstein Trust Layer即可使用Amazon Bedrock，为Salesforce中基于AI的应用程序和工作流提供动力。此外，Salesforce Data Cloud还将支持亚马逊云科技其他技术之间的数据共享。这些Data Cloud集成将由新的集中式访问控制管理，使客户能够在文件夹、对象和文件级别对存储在Amazon Simple Storage Service（Amazon S3）中的Data Cloud内容进行安全的用户访问管理。

作为合作的一部分，Salesforce将通过Hyperforce扩大对亚马逊云科技的使用，包括计算、存储、数据和人工智能技术，以进一步增强Salesforce Data Cloud等热门服务。同时，亚马逊云科技也将扩大对Salesforce产品的应用，特别是Salesforce Data Cloud。Data Cloud让亚马逊云科技能够创建一个统一的客户档案，从而为客户提供更加个性化的体验。

以下是全新的增强集成服务：

● 简化亚马逊云科技Marketplace的购买选项：这是Salesforce首次登录亚马逊云科技Marketplace，提供的产品包括Data Cloud、Service Cloud、Sales Cloud、Industry Clouds、Tableau、MuleSoft、Platform和Heroku，亚马逊云科技客户可以更轻松地订阅和管理Salesforce产品。单一的IT支出视图、简化的采购流程以及灵活的选项给客户提供了极大的便利，例如通过亚马逊云科技进行私有定价和合并计费，从而可以无缝地利用预先批准的预算并提高业务绩效。在美国的客户现在可以通过亚马逊云科技Marketplace购买部分Salesforce产品，在2024年将进一步扩大对产品范围和区域的支持。

● 通过统一数据管理增强客户体验：亚马逊云科技和Salesforce致力于将Data Cloud打造成一款全面、灵活且安全的软件即服务（SaaS）数据平台，以更好地满足客户需求。新的Zero-ETL（提取、转换和加载）集成减少了客户在Data Cloud和亚马逊云科技数据服务之间构建自己ETL管道的需求。因此，客户可以轻松无缝地整合所有数据，从而支持更快速的洞察、预测和更强大的应用。此外，借助由亚马逊云科技Amazon Elastic Compute Cloud (Amazon EC2) 、Amazon Elastic Kubernetes Service (Amazon EKS) 和Amazon Lambda所支持的Data Cloud，客户可以安全地运行自己的代码来执行数据处理任务，如复杂的转换、计算洞察、数据触发器或用户定义函数。

● 亚马逊云科技数据和AI服务安全集成到Salesforce Einstein 1平台：客户将可以使用更新的解决方案，如Salesforce Prompt Builder。作为Einstein Copilot Studio的一部分，Salesforce Prompt Builder能够基于自有数据创建自定义提示模板，该模板可以发送至客户偏好的基础模型，包括托管在Amazon Bedrock上的领先模型。这将使客户能够安全地将检索增强生成（RAG）等技术与 AI21 Labs、Amazon、Anthropic、Cohere、Meta 和 Stability AI 等领先人工智能公司的模型结合使用。除了通过Data Cloud和Amazon SageMaker的集成访问自己的基础模型外，开发人员还将能够通过Einstein Trust Layer使用简化的工具微调Amazon Bedrock上的基础模型，并在Salesforce Customer 360平台上提供生成式AI体验。

● Service Cloud和Amazon Connect集成提供无缝客户体验：通过深度集成Service Cloud Voice和Amazon Connect，Salesforce和亚马逊云科技将Amazon Connect Chat引入Service Cloud Digital Engagement，通过Amazon Connect的预测、容量规划和代理调度增强Salesforce Service Cloud 全渠道的监管体验。这与集成的生成式AI能力一起为客户洞察提供支持，并为代理和经理提供自动化辅助，从而实现统一的客户体验、更高效的跨渠道代理以及更明智的监管。这一深度集成的第一阶段计划于2024年初发布。

● 为开发者提供全新的亚马逊云科技计算和开发服务：Salesforce正在与亚马逊云科技合作，将Heroku重构为平台即服务（PaaS）层，用于跨Salesforce和亚马逊云科技的人工智能优先的应用程序开发。该计划预计于2024年上半年推出。Heroku将利用亚马逊云科技提供的强大且高性价比的基础设施来加强Dyno计算功能，包括由Nvidia GPU支持的加速Amazon EC2实例、用于机器学习训练和推理的Amazon Trainium和Amazon Inferentia，以及用于图形密集型应用的其他GPU优化的EC2实例。此外，Salesforce还将使用基于Amazon Graviton的EC2实例，以获得更高性价比的计算能力。这将为Heroku客户的资源密集型工作负载（如使用基础模型进行开发）提供更高性能、更具成本效益的基础设施。新的Heroku还将利用Amazon CodeWhisperer帮助客户更快速、更安全地构建应用程序。Salesforce开发人员还将使用Einstein Copilot Studio创建Einstein Copilot可以调用的自定义操作，涵盖从Salesforce中的工作流到托管在亚马逊云科技上的服务，为跨平台流程自动化创建了一种新的AI优先的模式。

“今天的深化合作是我们与亚马逊云科技长期合作的重要里程碑。”Salesforce主席兼首席执行官Marc Benioff表示， “我们将全球领先的人工智能CRM提供商和领先的云服务提供商汇聚在一起，提供一个可信赖、开放、整合的数据和人工智能平台，并确保我们满足亚马逊云科技Marketplace上大量客户对于我们产品的需求。通过这些合作，我们将让客户在全新的AI时代更具创新性、更高效、更成功。”

“Salesforce与亚马逊云科技让开发人员能够安全地访问和利用数据及生成式AI技术，推动企业和行业的快速转型。”亚马逊云科技首席执行官Adam Selipsky表示，“通过扩大合作，我们共同的客户可以采用更强大的方式来创新协作，并利用一系列广泛而深入的云服务构建更专注于客户体验的应用程序。”

“作为行业领先的保险公司，State FarmⓇ与亚马逊云科技和Salesforce合作多年，每次合作都为我们的团队和服务的客户带来巨大的价值。”State Farm高级副总裁兼首席数字官Fawad Ahmad表示， “随着这两家行业领先的公司进一步扩大合作，我们期待为State Farm所服务的9,400万保单和账户创造更多价值。”

产品可用性：

● 新的产品集成将于2024年推出。

● 位于美国的合作客户现在可以通过亚马逊云科技Marketplace购买部分Salesforce产品，产品范围和区域将于2024年进一步扩大。

【2021 re:Invent观察之一】自研芯片成就亚马逊云科技的算力优势

在re:Invent上，亚马逊云科技重磅推出了三项自研底层技术。

新推出自研通用计算处理器。亚马逊云科技宣布新一代基于Arm的自研CPU处理器Amazon Graviton3。这是亚马逊云科技自研设计的第三颗CPU处理器。

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（如高性能计算和视频编码）的应用程序的性能。

中桥调研咨询（Sino-bridges）首席分析师王丛指出：“5G和IoT的加速对于低能耗高性能AI推理算力提出新需求。亚马逊云科技刚刚发布的Amazon Graviton3让实例性能在上代Amazon Graviton2基础上进一步提升20%, 能耗效率提高60%。对于中国用户，不仅加快AI资源和AI创新能力的适配效率，同时，能够支持持续技术升级，优化AI/ML的长期投资保护。”

新推出自研机器学习训练芯片。亚马逊云科技去年re:Invent 上宣布研制机器学习训练芯片Amazon Trainium，在今年的re:Invent上宣布提供基于Trainium的实例。

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。

弗若斯特沙利文（Frost & Sullivan）咨询总监李庆评论说：“对于亚马逊云科技发布的两款定制芯片，我并不认为其核心目的是为了与传统芯片厂商进行竞争。按照亚马逊云科技一贯以用户需求为先的准则，两款芯片的发布也是自下而上的需求所致，两大核心用户需求首先是性能、其次是成本。目前对于计算场景的应用复杂程度已经倒逼芯片处理性能的提升。多重负载，尤其是在机器学习方面，芯片性能直接制约了算法的应用，而在这方面亚马逊云科技有先天的优势，批量数据处理，以及各类算法模型的积累都为自研新一代芯片提供了扎实的基础。与现有的云服务一起打包软硬一体的方案推向用户显然是可行的。但的确也对用户提出了更大的挑战，要重新调整原先软件的架构适配新型芯片。所以比起对过去传统业务的调整，更多的用户应该是在新业务场景下的全新部署。当然相对应的亚马逊云科技应该也会陆续发布相关产品协助用户实现新旧的迁移或者联动。”

新推出自研固态硬盘。亚马逊云科技还发布了采用全新Amazon Nitro SSD固态硬盘的Im4gn/Is4gen/ I4i实例，可为I/O密集型工作负载提供超高存储性能。通过自研的 Amazon Nitro SSD，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 SSD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%。

亚马逊云科技首席执行官 Adam Selipsky 表示，“尽管我们已经如此努力地创新，我们依然意识到，如果希望针对所有可能的工作负载彻底变革计算的性价比，我们需要彻底重新思考实例。为了实现这个目的，我们需要深入底层技术，一直到芯片。因此，我们开始自己设计基于Arm的芯片。”

加大底层技术自研，对亚马逊云科技在这样的领先者来说，其意义在于实现“我有人无，人有我优”。纵观云计算业界，基础设施服务成为所有云服务商的基础服务，未来制胜的关键在于，谁能以更高的性能、更高的效率、更低的成本、更低的能耗提供这些服务。

【2021 re:Invent观察之二】大云无疆，无限拓展

作为全球覆盖超级广泛的云，亚马逊云科技基础设施遍及25个地理区域的81个可用区，并计划新建9个区域和27个可用区，有14个本地扩展区域、17个Wavelength区域，有108个Direct Connect光纤直连站点，有310个边缘站点和13个区域缓存站点。

在此基础上，亚马逊云科技宣布，2022年将在21个国家建设超过30个本地扩展区，让客户以更低的延迟服务其终端用户。亚马逊云科技2020年开始在美国建立了两个本地扩展区，2021年增加了12个本地扩展区。2022年，建立本地扩展区的步伐将进一步加大。

不仅如此，亚马逊云科技还通过一系列技术，将云延伸到亚马逊云科技的基础设施之外，包括Amazon Outposts、IoT 服务、Snow 家族服务，一直延伸到 Amazon Ground Station，让云扩展到了太空的卫星数据。Outposts将亚马逊云科技的云体验延伸到客户的本地数据中心，跟云端无缝连接。IoT服务、Snow家族将云的能力延伸到地球上各个角落。 Amazon Ground Station是卫星地面站服务，通过卫星地面站接收数据到亚马逊云科技区域进行处理。

亚马逊云科技推出新的托管服务Amazon  Private 5G，则是让企业方便利用5G专网来连接企业内的联网传感器和边缘设备，并且通过亚马逊云科技控制台统一管理。

亚马逊云科技还发布了新服务Amazon Cloud WAN，将亚马逊云科技全球网络的优势带给企业，让企业的广域网跟云融为一体。

Amazon Cloud WAN让企业可以在全球的亚马逊云科技广域网络上建立、管理统一的云网络和监控全球流量。所有的远程用户和站点以及数据中心将使用 VPN 或直接连接到地理位置最近的地方，实际上在几分钟内亚马逊云科技就可以构建一个全球化网络服务。

【2021 re:Invent观察之三】一切为数据服务，数据创造价值

在re:Invent 全球大会上，亚马逊机器学习副总裁 Swami Sivasubramanian的主题演讲以《如何通过数据与人工智能进行创新》为题。Swami 指出，“数据是推动洞察的潜在力量，有助于更好地开展业务。”他列举了飞利浦医疗、纳斯达克等多种大数据的例子，”从大数据走向海量非结构化数据，事实上80%的数据是非结构化的。”

亚马逊云科技为数据服务提供了完整的、端到端的工具，从数据存储、到计算、分析、人工智能创新。利用广泛而深入的云服务，凭借在数据领域的产品创新与前瞻眼光，亚马逊云科技将助力企业实施现代化的端到端数据战略，实现数据驱动的创新。

现代端到端数据战略有三个要素：

• 数据架构现代化。不同的场景需要使用专门构建的工具，专门的工具需要专业的现代化托管平台，在这方面，亚马逊拥有无与伦比的成熟度和经验。

在已经很丰富的数据服务组合之上，亚马逊云科技又发布多个数据工具。

Amazon DevOps Guru for RDS是一个数据库性能工具，它利用机器学习，可以在几分钟内自动检测、诊断和解决难以发现的数据库性能问题。

Amazon RDS Custom 提供了 SQL Server支持，它通过托管式服务节省时间，帮助实现自动化版本维护与补丁升级，将宝贵的资源专注于更重要的业务。

另外一个重要的发布是Amazon Dynamodb 的新功能Standard-Infrequent Access表类，它可以将不频繁访问的表数据进行分类，DynamoDB 的存储成本降低60%。

Amazon Database Migration Service Fleet Advisor 是一个数据库迁移工具，它可以帮助客户选择最佳可用的计算实例和配置，用以部署机器学习模型，获得最佳的推理性能和成本，并且将过去数周才能完成的工作缩短到数小时。

• 统一分析数据。通过云上专门工具实现数据有机整合与统一，助力企业打破数据孤岛。

通过在亚马逊云科技上运行的数据湖，能够收集、存储和分析来自一系列分散系统的数据，助力业务发展。

亚马逊云科技为在 Amazon S3 上构建数据湖提供了无与伦比的耐用性、可用性和可扩展性，以及强大的安全性和分析工具，使用亚马逊云科技最新发布的数据湖构建工具，可以快速构建适合的数据湖，Amazon Athena 提供了一种有用的方法来分析所有数据，获得见解。

利用 Amazon QuickSight Q，客户可以快速、轻松地获得答案，所有用户无需培训即可访问 BI。

• 基于数据进行业务创新。帮助数据进行创新的内核是“从客户角度出发”，企业植根于自身业务的创新诉求是创新的原动力，而人工智能等技术为创新提供了手段与方法。

本次re:Invent，亚马逊云科技业界闻名的机器学习平台Amazon SageMaker又添六项新功能。

亚马逊云科技新推出的Amazon SageMaker Ground Truth Plus，让用户无需编写任何代码即可快速交付高质量的训练数据集。数据是机器学习的燃料。不过，准备数据的过程令人沮丧甚至令人愤怒。有了这项新功能，极大地解决了数据科学家准备数据的痛点问题。

在模型构建与算法编写环节，新推出的Amazon SageMaker Studio Notebook 允许用户访问广泛的数据源，在一个记事本中执行数据工程、分析和机器学习工作流。

新推出的Training Compiler 模型训练编译器，让机器学习模型培训速度提高50%。Inference Recommender 模型推理推荐程序，可将部署时间从数周减少到数小时。Serverless Inference 无服务器推理，通过按使用付费的定价降低拥有成本。

【2021 re:Invent观察之四】千方百计降低门槛，让更多人用云计算进行业务创新

为了帮助客户最大限度实现数据价值，亚马逊云科技千方百计降低数据使用的门槛。无论是开发人员、运维人员、数据科学家、行业用户，还是即将进入云计算行业的初学者，亚马逊云科技都在不断推出新的服务和功能，降低他们的使用门槛。

本次re:Invent上推出的很多新服务和新功能都具有这样的意图。前面介绍的QuickSight Q是一个例子。新推出的Amazon SageMaker Canvas又是另一个例子。它让业务分析师能够使用点击式界面生成更准确的机器学习预测，从而扩展了对机器学习的访问，无需编码。

IDC中国助理研究总监卢言霞指出：“在大数据方面，亚马逊云科技在数据融合、统一治理等方面帮助用户管理数字化旅程，并加速将机器学习和人工智能加入到数据旅程。在机器学习方面，发布了Amazon SageMaker Canvas，无需代码，通过简单点击即可完成整个机器学习工作流，值得没有技术背景的分析师，以及聚焦业务分析层面但希望实时数据洞察的分析人群关注。”

新发布的Amazon SageMaker Studio Lab 是一项免费、无需配置的服务，开发者、学者和数据科学家，只要有创新的想法，立即就可以动手实践机器学习。它也让客户将能够专注于实践机器学习与数据科学，无需设置或配置任何环境与机器。

为了将机器学习能力交到更多的人手中，亚马逊云科技还将通过DeepRacer冠军杯赛、培训与认证、机器学习大学、机器学习纳米学位等项目，计划到 2025 年全球培训 2900 万人。

亚马逊云科技也宣布了1000万美元亚马逊云科技人工智能和机器学习奖学金（Amazon AI & ML Scholarship），用于奖励全球范围内弱势群体和服务设施欠缺地区的学生，帮助他们做好准备，在未来从事机器学习相关工作。

艾瑞咨询研究副总监王成峰认为，此次re:Invent大会一如既往地体现了亚马逊云科技的卓越创新力和以客户需求为导向的产品研发能力，场景赋能更加多元化、精益化，并致力于数字技术红利的“普惠化”，面向更多非IT人群的终端应用，令人印象深刻。

【2021 re:Invent观察之五】低碳环保提上云开发者的议事日程

在re:Invent上，亚马逊CTO Werner Vogels发布了亚马逊云科技架构完善（Well Architecture） 的第六个支柱：可持续发展，倡导用环保的最佳实践来学习、测量、改进云端计算工作负载。

亚马逊云科技架构完善是一个设计和评估云上架构的参考设计，旨在帮助云架构师为应用程序和工作负载构建安全、高性能、高效的弹性基础设施。AWS 架构完善的框架最初只是一个白皮书，现在已经发展成为一整套方法体系，包括特定于域的详解、动手实验和 AWS 架构完善工具。

亚马逊云科技架构完善的框架为客户和合作伙伴提供了一致性的方法，供他们评估架构，实施能够在使用中扩展的设计。

此前，亚马逊云科技架构完善有卓越运营、安全性、可靠性、性能效率、成本优化五个支柱。现在增加了可持续发展作为第六个支柱。

在亚马逊云科技的倡导下，越来越多的构建者在构建云上应用时，将把低碳环保作为衡量因素，不是一味追求最高性能、最低延时、最高画质等等，而是在低碳环保跟性能、延时、画质等因素做一个最佳的平衡。

亚马逊云科技还提出了可持续发展的责任共担模式：亚马逊云科技负责云本身的可持续性，客户要承担在云上应用的可持续性。

亚马逊云科技义不容辞地为地球的可持续发展承担责任。

科学家指出，全世界需要在 2050 年前将全球变暖限制在 1.5 摄氏度以内，时间非常紧迫，必须取得前所未有的进展。为了推动集体的跨部门行动，应对气候危机，由亚马逊和Global Optimism共同发起了《气候宣言》，呼吁签约各机构采取紧急行动，在 2040 年前实现净零碳排放，提前十年达成《巴黎协定》目标。亚马逊以身作则，承诺到 2030 年100% 使用可再生能源为公司运营提供动力。现在，亚马逊将计划再次提速，希望到 2025 年实现这一目标。

全球权威调研机构——451 Research 的研究结果，亚马逊云科技运营的基础设施能源效率，是受调查的美国企业数据中心中位数的 36 倍。进一步调查来自法国、德国、爱尔兰、西班牙和瑞典各行各业的 300 多家公司。研究发现，亚马逊云科技的数据中心能源效率比普通欧盟公司高出 5 倍。在亚马逊云科技运行商业应用的公司，可以减少近80%的能源消耗。如果将 1 兆瓦的典型工作负载转移到 亚马逊云科技，每年可以减少1000多公吨的碳排放。

现在，亚马逊云科技希望利用自身在云计算领域的优势，倡导云上应用的可持续发展，为应对全球气候变暖做出贡献。

对于可持续发展，亚马逊云科技效用计算和应用程序高级副总裁Peter DeSantis说过，“最绿色的能源就是你没有使用的资源。通往绿色云的道路就在面前，我们得一起朝着这个目标努力。”

亚马逊云科技还将推出一个碳足迹工具，帮助客户在云端追踪应用的碳排放足迹，让云上的低碳环保变得可衡量，以便更多的开发者和企业加入到低碳环保的行列中来。

美国当地时间11月29日，备受业界关注的2021亚马逊云科技re:Invent全球大会盛大开幕。恰逢re:Invent十周年之际，亚马逊云科技再次惊艳云产业，活动首日就发布涵盖计算、物联网、5G、无服务器数据分析、大机迁移、机器学习等方向的多项新服务和功能，为业界带来大量重磅创新服务和产品技术更新，包括发布基于新一代自研芯片Amazon Graviton3的计算实例、帮助大机客户向云迁移的Amazon Mainframe Modernization、帮助企业构建移动专网的Amazon Private 5G、四个亚马逊云科技分析服务套件的无服务器和按需选项以及为垂直行业构建的云服务和解决方案，如构建数字孪生的服务Amazon IoT TwinMaker和帮助汽车厂商构建车联网平台的Amazon IoT FleetWise。

（图：亚马逊云科技首席执行官 Adam Selipsky发布新一代自研芯片Amazon Graviton3）

新任亚马逊云科技首席执行官 Adam Selipsky首次亮相re:Invent全球大会，发表了长达两小时、干货满满的主题演讲。演讲中， Adam Selipsky首先回顾了亚马逊云科技引领云计算创新史的N个精彩里程碑。过去十五年，云计算从被质疑到成为新一代 IT 标准，并发展成影响整个 ICT 产业的创新和革命。

不过在Adam看来，云计算还处在非常早的时期。他援引分析师的估计，目前云上支出只占整个IT支出的5%到15%。未来将有大量的工作负载迁移到云，大量的创新即将在云上开展，云产业前景巨大。

Adam Selipsky列举了Netflix、NASA、NTT DOCOMO等早期亚马逊云科技的知名客户，盛赞这些云上先锋客户为探路者，他说，“这些客户都有巨大的勇气和魄力通过上云做出改变。他们勇于探索新业务、新模式，积极重塑企业自身和所在的行业。他们敢于突破边界，探索未知领域。有时候，我们与客户共同努力推动的这些工作很艰难，但我们喜欢挑战。我们把挑战看作探索未知、发现新机遇的机会。回过头看，每一个这样的机构都是在寻找一条全新的道路。他们是名副其实的探路者。”

在整个主题演讲中，Adam邀请了纳斯达克、美联航、3M、DISH等头部客户及亚马逊云科技合作伙伴作为探路者代表同台演讲。

作为云计算应用的探路者、也是亚马逊云科技的重要客户之一，纳斯达克在当天宣布和亚马逊云科技达成多年合作伙伴关系，为全球资本市场构建新一代云计算基础设施。纳斯达克作为一个全球性的金融市场众所周知，实际上它的业务版图早就不止于此。它还是一个为资本市场提供技术和SaaS服务的供应商。纳斯达克宣布，将分阶段把全部业务迁移到亚马逊云科技。在2022年，纳斯达克将先把美国的一个期权交易市场上云。为了实现全面上云的目标，适应对延时的要求，纳斯达克通过Amazon Outposts建立了一个混合架构，推出了金融行业第一个专用亚马逊云科技本地区域。这一合作还将惠及纳斯达克全球的130多个企业客户，帮助这些企业建立一个标准化的上云路径。同时，纳斯达克还将与亚马逊云科技共同努力，为这些企业客户提供一个快速推出产品的方法。

Adam进一步演绎道，探路者具有三个特征：创新不息，精进不止（Constant pursuit of a better way）；独识卓见，领势而行（Ability to see what others don’t）；授人以渔，赋能拓新（Enable others to forge their own paths）。

探路者创新不息，精进不止

探路者不被规则所限，从不安于现状。他们永远在积极探索新的可能性和更优解、甚至改变现有的游戏规则。

在亚马逊云科技看来，尽管云计算已经极大地提高了IT的效率、敏捷性、弹性，但依然可以探索新的方式，让云变得更加灵活、成本更优、延迟更低。

亚马逊云科技自研芯片引领Amazon EC2再进化。三款由自研芯片支持的新Amazon EC2实例闪亮登场：亚马逊云科技发布新一代的自研芯片Amazon Graviton3，并宣布推出基于这一款新芯片的第一个实列Amazon EC2 C7g，与Amazon Graviton2处理器支持的当前一代C6g实例相比，计算密集型工作负载性能提高多达25%。在相同性能下，与同类型Amazon EC2实例对比，可节省高达60%的能源消耗。Amazon EC2 Trn1实例由Amazon Trainium芯片支持，在Amazon EC2中为绝大多数机器学习模型训练提供最佳性价比及最快的训练速度。Amazon EC2 Im4gn/Is4gen/I4i实例配备新的Amazon Nitro SSD，可为I/O密集型工作负载提供最佳存储性能。

以前很难享受到云优势的大型机用户，现在也可以轻松上云了。亚马逊云科技推出了新服务Amazon Mainframe Modernization，可以将大型机核心工作负载迁移到云的时间缩短2/3。客户有两个选项：可以重构大型机工作负载，将老旧应用程序转换成基于Java的现代云服务，在亚马逊云科技运行；也可以将工作负载平移到亚马逊云科技，只需要少量更改代码。

亚马逊云科技也不断代表客户寻找网络连接的最优解，新推出的Amazon Private 5G，让企业可以轻松部署和扩展5G专网，按需配置。Amazon Private 5G将企业搭建5G专网的时间从数月降低到几天。客户只需在亚马逊云科技的控制台点击几下，就可以指定想要建立移动专网的位置，以及终端设备所需的网络容量。亚马逊云科技负责交付、维护、建立5G专网和连接终端设备所需的小型基站、服务器、5G核心和无线接入网络（RAN）软件，以及用户身份模块（SIM卡）。Amazon Private 5G可以自动设置和部署网络，并按需根据额外设备和网络流量的增长扩容。

在探索5G网络应用的路上，DISH无线网络公司是一个同行者。DISH正在建设美国首个开放、安全的5G智能网络。DISH首席商务官Stephen Bye表示，“选择亚马逊云科技让我们可以在云中加载和扩展我们的5G核心网络功能，他们是帮助我们向客户提供专用企业网络的关键战略合作伙伴。亚马逊云科技的创新平台让我们可以更好地服务于个人无线客户，同时为企业客户开启更多新的覆盖多种垂直行业的商业模式。我们具备支持企业5G专网的能力，可以为客户提供支持各种设备和服务所需的规模、弹性和安全性，充分释放工业4.0的潜力。”

探路者独识卓见，领势而行

探路者还会深入洞察，开放视野，发现一些容易被其他人忽略的机会，并用自己的洞察来战胜挑战，创造价值。

数据是企业洞察的驱动器。亚马逊云科技在云上推出了全面的数据解决方案，从数据库、到数据分析，到人工智能，希望帮企业获得数据洞察，更好地推动业务发展，成就各行各业的探路者。

Adam在主题演讲中宣布，亚马逊云科技分析服务套件新推出三种无服务器选项和一个按需选项：Amazon Redshift Serverless可在几秒钟内自动设置和扩展资源，让客户在PB级数据规模运行高性能工作负载，而无需管理数据仓库集群；Amazon Managed Streaming for Apache Kafka (Amazon MSK) Serverless可快速扩展资源，极大地简化实时数据摄取和流式传输；Amazon EMR Serverless让客户无需部署、管理和扩展底层基础设施，即可使用开源大数据框架（如 Apache Spark、Hive 和 Presto）运行分析应用程序。Amazon Kinesis On-demand是亚马逊云科技为Amazon Kinesis Data Streams（一种用于捕获、处理和存储流媒体数据的无服务器服务）推出的新功能（新的容量模式），利用它可以提供每分钟GB级别的读写吞吐量，而无需进行容量规划。

正是看中亚马逊云科技卓越的产品和服务组合，美联航选定其作为首选云服务供应商，携手探索旅客体验提升之道。亚马逊云科技将全力支持美联航的数字化创新，提供机器学习、物联网 （IoT）、数据分析、数据库、计算、存储和安全等服务，助力美联航推出行业领先举措，以数字技术改变旅客出行体验。例如，用户在抵达机场前，就可以近乎实时地完成重要旅行证件的查验，让旅程更加轻松。

机器学习是数据洞察必不可少的。亚马逊云科技拥有广泛和完整的机器学习功能特性组合，从机器学习框架和基础设施、机器学习服务到开箱即用的人工智能服务。亚马逊云科技的机器学习服务Amazon SageMaker，数万客户正在使用，训练具有数十亿个参数的模型，每月进行数千亿次预测。自2017年问世以来，Amazon SageMaker已经陆续添加了150多项功能和特性，创新脚步从未停歇。

在主题演讲中，Adam又宣布了一项重要的Amazon SageMaker新功能——Amazon SageMaker Canvas，它让业务人员和数据分析人员能够使用可视化的点选界面，生成高准确度的机器学习预测，不需要写程序代码。

亚马逊云科技还为其数据湖服务Amazon Lake Formation增加了两个功能，Row and cell-level security for Lake Formation为湖中数据提供精确到数据行和单元格的细颗粒度访问控制，Transactions for governed tables in Lake Formation确保湖中数据的一致性，这两项功能让数据湖的搭建、治理和管理更加容易。

探路者授人以渔，赋能拓新

还有一类探路者，他们不断赋能他人。他们希望提供能力和工具，帮更多人找到前行的道路。

亚马逊云科技不仅要打造更强大的计算能力，围绕数据构建全面的产品，还着意开发专门解决特定问题的解决方案，帮助更多人使用云，找到解决问题和抓住机遇的途径。

这些解决方案可能是横向的，像Amazon Connect这样的服务，让客户可以在几分钟内建立并运行联络中心；也可能是针对垂直行业中的解决方案，从医疗保健到金融服务、制造、汽车等等。

在re:Invent上，高盛（Goldman Sachs）与亚马逊云科技合作，推出了面向金融机构的全新云上数据和分析解决方案——面向数据的金融云（Financial Cloud for Data），重新定义客户在云端发现数据、组织数据和分析数据的方式，使客户获得及时洞察，做出更明智的投资决策。双方此次合作将大幅减少投资公司开发和维护基础数据集成技术的需求，降低全球高级量化分析的进入门槛。高盛将帮助机构客户缩短金融类应用程序的上市时间，优化资源，专注于投资组合回报，加快创新速度。

亚马逊云科技还重磅推出两项IoT新服务，赋能更广泛的行业。

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。”