AWS对芯片开发寄予厚望

AWS 在 2022 年跨云超大规模推出了 3,300 项庞大的新功能和服务——平均每天九项；这只是最新的迹象，表明在已经快速发展的更广泛的技术环境中，要跟上来自一个软件和服务提供商的新工具的步伐是多么困难。

与此同时，在严峻的经济环境下，AWS 客户高度关注削减云成本。

这是亚马逊首席执行官安迪·贾西 (Andy Jassy) 的说法，他在年度信函中告诉股东，“AWS 销售和支持团队正在花费大量时间帮助客户优化他们的 AWS 支出”，因为“这是近期记忆中宏观经济最艰难的一年”——亚马逊还解雇了 27,000 名公司员工。

零售和云计算巨头经历了残酷的 2022 年，年度净亏损从 2021 年的 334 亿美元下滑至 27 亿美元，营业收入从 249 亿美元减半至 122 亿美元。

除了全面裁员外，该公司还进行了一些重大的运营变革，关闭了某些业务，并要求从 2023 年 5 月起员工每周返回办公室三天。（“我们已经确信，合作和发明当我们一起工作并亲自向彼此学习时，会更容易、更有效……[许多突破性的时刻来自]人们在会议后留下来并在白板上研究想法，或者在从会议回来的路上继续谈话开会，或者那天晚些时候带着另一个想法突然出现在队友的办公室，”Jassy 说。）

Jassy 说，尽管“短期逆风 [that] 软化了我们的增长率，但我们喜欢我们在 AWS 中看到的许多基本面......客户告诉我们他们没有像成本优化那样削减成本这样他们就可以利用他们的资源并将其应用于他们正在计划的新兴和创造性的新客户体验。”“

推断 AWS 的未来

谈到亚马逊自己对 AWS 的展望，Jassy 最常提及的一个创新例子很能说明问题：芯片开发。在谈到 AWS 基于 Arm 的 Graviton 芯片性能时，他补充说，“机器学习的采用持续加速，客户渴望成本更低的 GPU（最常用于机器学习的芯片）。AWS 几年前开始投资这些用于机器学习训练和推理的专用芯片 [ML 模型提供的答案]。我们在 2022 年交付了我们的第一个训练芯片（“ Trainium”); 对于最常见的机器学习模型，基于 Trainium 的实例比基于 GPU 的实例快 140%，而成本最多降低 70%。大多数公司仍处于培训阶段，但是当他们开发模型并逐步进入大规模生产阶段时，他们会发现大部分成本都在推理上，因为模型是定期训练的，而推理作为其相关应用程序一直在发生正在锻炼中……

Jassy 补充说：“我们在 2019 年推出了我们的第一款推理芯片（“Inferentia”），它们已经为亚马逊等公司节省了超过一亿美元的资本支出。我们刚刚推出的 Inferentia2 芯片的吞吐量比我们的第一款 Inferentia 处理器高四倍，延迟低十倍。

“随着机器学习即将到来的巨大增长，客户将能够以更低的成本使用 AWS 的训练和推理芯片完成更多工作。我们在这方面的创新还没有结束，这项长期投资应该会为客户和 AWS 带来丰硕的成果。

“AWS 仍处于发展的早期阶段，并有机会在未来十年实现非同寻常的增长……

变化总是指日可待。有时，你主动邀请它进来，有时它只是来敲门。但是，当你看到它即将到来时，你必须拥抱它……我对我们的未来前景感到乐观，因为我喜欢我们的团队对我们面前的变化做出反应的方式。

审核编辑 ：李倩

芯片机器学习优化短期

免责声明：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。