大雁东南飞五里一徘徊是什么意思 徘徊是什么意思 徘徊的意思( 四 )


但是,我们也对针对特定工作负载的专用数据库持乐观态度 。在过去 20 到 30 年里,公司用关系数据库运行大部分的工作负载 。开发人员对关系数据库的广泛熟悉使这种技术成为首选,即使它并不理想 。虽然它不是最优的,但它的数据集的大小通常足够小,并且可以接受的查询延迟足够长,您可以使其正常工作 。但是今天,许多应用程序正在存储大量的数据——达到了 TB 和 PB 量级,对应用程序的要求也发生了变化 。现代应用程序正在推动人们对低延迟、实时处理和每秒处理数百万请求的能力的需求 。它不仅是像 DynamoDB 这样的键值存储,而且是像 Amazon ElastiCache 这样的内存数据库,像 Amazon Timestream 这样的时间序列数据库,以及像 Amazon Quantum Ledger Database 这样的账簿解决方案——适合于正确工作的正确工具可以节省资金,使您的产品更快地被推向市场 。
我们还致力于帮助企业利用机器学习 。我们在这方面已经研究了很长时间,而且,和其他重要的进展一样,我们最初试图将一些早期的内部机器学习工具外部化的尝试失败了 。我们花了数年的时间四处寻找——试验、迭代、改进,并参考来自客户的有价值的见解——才使我们找到了 18 个月前刚刚推出的 Amazon SageMaker 。SageMaker 消除了机器学习过程中每一步的繁重工作、复杂性和猜测——使人工智能民主化 。今天,成千上万的客户正在使用 SageMaker 在 AWS 上构建机器学习模型 。我们继续加强服务,包括增加新的强化学习功能 。强化学习有着陡峭的学习曲线和许多较难掌握的部分,这在很大程度上使它超出了所有人的能力,除了资金最充足和技术最先进的组织 。如果没有保持好奇的企业文化,愿意代表客户尝试全新事物,这一切都不可能实现 。客户对我们以客户为中心的徘徊和倾听做出了回应—— AWS 现在每年的营收有 300 亿美元,而且增长迅速 。
想象不可能发生的事
如今,亚马逊在全球零售业仍是一个小角色 。我们在零售市场所占的百分比只有个位数,而且在我们经营的每个国家都存在规模比我们大得多的零售商 。这在很大程度上是因为近 90% 的零售业务仍在线下,被保留在实体店 。多年来,我们一直在考虑如何在实体店为顾客提供服务,但我们觉得首先需要发明一些东西,让顾客在那种环境下真正感到高兴 。通过 Amazon Go,我们有了一个清晰的愿景 。消除实体零售最糟糕的地方:收银台排队 。没有人喜欢排队 。相反,我们设想了一个商店,在那里你只需要走进来,拿起你想要的东西,然后离开 。
实现这一点很困难,技术上就困难 。它需要全世界数百名聪明、专注的计算机科学家和工程师的努力 。我们必须设计和建造我们自己的专有相机和货架,并发明新的计算机视觉算法,并研究将数百台合作相机的图像拼接在一起的能力 。我们必须以一种技术非常有效的方式来做这件事,让其隐退到背景中,不可见 。作为回报,顾客们的反应是,他们形容在 Amazon Go 购物的体验是“神奇的” 。我们现在在芝加哥、旧金山和西雅图有 10 家这样的门店,对未来充满期待 。
失败也需要规模
随着公司的成长,一切都需要扩大规模,包括失败实验的规模 。如果你失败的规模没有增长,你就不可能发明出一种能真正改变现状的东西 。亚马逊还会投入到按公司现有规模能够接受的试错中,哪怕有时要交上数十亿美元的“学费” 。当然,我们不会轻率地进行这样的实验 。我们将努力让这些实验是正确的,但并非所有正确的选择最终都会有回报 。这种大规模的风险承担是我们作为一家大公司可以为客户和社会提供的服务的一部分 。对股东而言的好消息是,一场豪赌的胜利就足以抵消许多次失败的损失 。
Amazon Fire 手机和 Amazon Echo 的开发大约是在同一时间开始的 。虽然 Fire 手机失败了,但我们能够吸取教训(以及开发人员),加速构建 Echo 和 Alexa 。Echo 和 Alexa 的灵感来自《星际迷航》(Star Trek)中的电脑 。这个想法也起源于另外两个领域:机器学习和云计算 。从亚马逊早期开始,机器学习就是我们产品推荐的一个重要组成部分,AWS 让我们在云计算的能力方面占了先机 。经过多年的开发,Echo 于 2014 年首次亮相,由内置在 AWS 云中的 Alexa 提供支持 。
此前没有客户提出对 Echo 的需求,这绝对是我们在徘徊中萌生的灵感,市场调查没有提供帮助 。如果你在 2013 年去见一位顾客,问他:“你想要一个厨房里永远开着的黑色圆筒吗?它有品客薯片桶那么大,你可以跟它说话、问问题,它还能打开你的灯,播放音乐 。” 我向你保证,他们会奇怪地看着你说:“不,谢谢 。”