亞馬遜Amazon AI 全景解析

2024/05/13

•

Amazon AI 概述

亞馬遜在人工智慧領域有著悠久的歷史與廣泛的佈局，旗下的 亞馬遜雲端科技(AWS) 作為全球雲端運算領域的引領與創新者，也是全球領先的人工智慧服務供應商之一。亞馬遜及AWS的AI產品和服務涵蓋了人工智慧的各個方面，包括機器學習、自然語言處理、電腦視覺、機器人技術以及AI硬體、軟體平台和基礎設施等。

早在幾十年前，亞馬遜就開始利用機器學習技術為其電商平台推薦引擎、營運中心機器人路徑規劃、供應鏈管理等核心業務提供關鍵支撐，例如Prime Air 無人機送貨服務和Amazon Go在無人零售店中，深度學習技術都發揮著至關重要的作用，於2016 年開業的Amazon Go 也是世界上首家完全由AI驅動的零售商店。亞馬遜推出的智慧語音助理Alexa 每週處理數十億次用戶請求，背後也由數十種不同的機器學習系統提供支援。

亞馬遜在降低機器學習技術使用門檻方面也有突出貢獻，亞馬遜的AI產品和服務使用戶能夠透過簡單的API調用，即可將圖像識別、語音技術、文字處理、預測、推薦和智能搜尋等AI功能輕鬆整合到應用程式中。這使得從全球500強企業到新創公司以及政府機構都能夠透過機器學習技術進行數位轉型，推動自身業務發展和產業升級。

AWS 在AI和機器學習技術堆疊的各個層級都提供了深入和廣泛的產品組合，並提供高效能、可伸縮的基礎設施，以及成本效益高的機器學習訓練和推理服務，例如在2017 年推出的Amazon SageMaker 服務，是首個雲端機器學習平台，可讓開發人員在雲端上建立、訓練和部署機器學習模型，還可在嵌入式系統和邊緣設備上部署ML模型。隨後推出的Amazon SageMaker Studio，也是業界首個用於建置、訓練和部署機器學習模型的IDE。

在生成式AI領域，AWS 致力於推動其普及化，透過一系列創新的服務使這項技術更容易被更多企業所採用。 AWS 在2023 年發布了包括Amazon Bedrock 在內的一系列生成式AI服務和工具。 Amazon Bedrock 是一項全託管的生成式AI服務，它提供來自第三方的基礎模型以及建立生成式AI應用所需的功能，合作接入的模型提供者包括AI21 Labs、Anthropic、Cohere、Meta、Mistral AI、Stability AI 等多家領先的AI 公司。

亞馬遜也提供豐富的學習資料和培訓工具，讓廣大開發者能快速學習並掌握從基礎知識到最新的生成式AI應用開發等技能。此外，AWS 還成立了生成式AI創新中心並投入大量資金來支持中心的研究和開發工作。亞馬遜也與史丹佛大學、MIT 等頂尖院校合作，進行人工智慧領域的聯合研究。亞馬遜透過不斷擴展其生態系統和平台基礎設施，與來自全球的眾多合作夥伴為開發者和企業提供更多的工具和服務，幫助他們建構和部署AI應用。

透過這些產品、平台和生態的構建，亞馬遜不僅將AI技術從研究和實驗領域釋放出來、推動應用落地，還透過提供創新的服務體系和工具構建，旨在讓機器學習和生成式AI等技術更加易於接觸和使用，以加速AI技術的普及和商業化，有效推動企業和組織的數位化變革。

AWS AI 產品體系

AWS 的AI產品和服務體系非常全面且先進，涵蓋了從基礎設施、大模型平台、AI應用到AI服務的各個層面。這些產品和服務不僅有助於提升亞馬遜自身的營運效率和服務質量，也為各行各業的數位轉型和智慧升級提供了有力支持。

AWS AI 首頁：
https://aws.amazon.com/ai/

AI 基礎服務

Amazon Transcribe

Amazon Transcribe 是AWS 提供的自動語音辨識（Automatic Speech Recognition, ASR）服務，它能夠將語音轉換成文字。這項服務背後的技術可以識別不同說話者的語音，並提供包括標點符號、格式化的文字、以及其他詳細資訊的轉錄結果。

產品首頁：
https://aws.amazon.com/transcribe/

主要功能特性：

可以提供轉錄的置信度分數

可以透過Amazon S3 儲存和存取轉錄文本

典型使用場景：

將會議和講座錄音轉換為文本

將客戶服務電話錄音轉換為文本

將影片內容轉換為字幕

建立可搜尋的音訊檔案

進行語音分析

Amazon Transcribe 是一種易於使用且價格實惠的服務，可輕鬆將音訊內容轉換為文字。透過這項服務，開發者和企業能夠快速建立起語音驅動的應用，提升使用者體驗，並優化業務流程。

Amazon Polly

Amazon Polly 是AWS 提供的文字轉語音（Text-to-Speech, TTS）服務，它能夠將普通文字轉換成聽起來自然的人類語音。

產品首頁：
https://aws.amazon.com/polly/

主要功能特性：

支援多種文字格式，包括文字、HTML 和SSML

支援多種聲音，包括男女聲、不同語調和不同音色

支援多種語言，包括英語、法語、德語、西班牙語、中文、日語等

可以調整語音速度和音調

可以使用SSML 新增語音效果，例如暫停、強調和呼吸

可以透過Amazon S3 儲存和存取產生的語音

典型用例：

創作有聲書和電子書

建構聊天機器人和虛擬助手

產生播客和廣播節目

將文字轉換為影片中的語音旁白

創建可訪問的教育和培訓材料

Amazon Polly 使得開發者能夠將文字內容轉換為語音，增強應用程式的可存取性和使用者體驗。無論是創建自動化的新聞廣播、音訊內容，還是提供語言學習工具，Amazon Polly 都是一個強大的工具。

Amazon Textract

Amazon Textract 是AWS 提供的機器學習服務，它能夠自動從掃描的文件中提取文字、手寫內容、佈局元素和資料。

產品首頁：
https://aws.amazon.com/textract/

Amazon Textract 可以識別各種類型的文字和資料：

簡單文字：段落、句子、單字和字符

表格資料：行、列、儲存格和表格內容

表單資料：鍵、值、複選框和單選按鈕

手寫文字：簽名、筆記和批註

商業文件中的元資料：作者、日期、標題和主題

典型使用場景：

文件處理：自動化文件處理流程，例如發票處理、索賠處理和客戶支持

資料提取：從文件中提取資料以進行分析和報告

法律發現：尋找和分析法律文件中包含的相關信息

歷史檔案管理：數位化與編制歷史檔案

客戶體驗：分析客戶回饋和評論

Amazon Textract 基於先進的機器學習模型，幫助企業自動化和簡化文件處理流程，提高業務效率並加快決策。

Amazon Translate

Amazon Translate 是AWS 提供的機器翻譯服務，旨在將文字從一種語言翻譯成另一種語言。

產品首頁：
https://aws.amazon.com/translate/

主要功能特性：

支援多種語言：支援超過200 種語言的翻譯，包括英文、法文、德文、西班牙文、中文、日文、韓文等。
高精度翻譯：使用最先進的神經網路機器翻譯技術，可提供高精度翻譯。
低延遲：提供低延遲翻譯，因此您可以快速獲得翻譯結果。
易於使用：可以透過Amazon Translate API 或AWS Management Console 進行存取。

典型用例：

網站和應用程式在地化： 將網站和應用程式翻譯成多種語言，以便觸達全球受眾。
客戶支援： 為客戶提供多語言支援。
文件翻譯： 將文件翻譯成多種語言，以便與全球合作夥伴和客戶分享。
行銷和廣告： 創建針對不同語言受眾的行銷和廣告素材。
研究與教育： 翻譯研究論文與教育材料。

Amazon Translate 適用於需要在不同語言之間進行文字翻譯的各種應用場景，透過這項服務，企業可以更輕鬆地擴展其全球業務，同時為用戶提供母語化的內容體驗。

Amazon Lex

Amazon Lex 是AWS 提供的支援開發者建構和部署具有自然語言處理能力的對話式人工智慧接口，它使用最先進的自然語言處理(NLP) 技術，可理解用戶的意圖並以自然的方式回應。

產品首頁：
https://aws.amazon.com/lex/

功能特性：

建立聊天機器人： 使用Amazon Lex Studio 視覺化介面或Amazon Lex API 建立聊天機器人。
自然語言理解： 可以理解使用者的意圖並從多種來源提取訊息，例如文字、語音和感測器資料。
對話管理： 可以管理對話流程，包括處理多個回合、追蹤上下文和處理錯誤。
集成： 可與其他AWS 服務和第三方應用程式集成，例如Amazon S3、Amazon DynamoDB 和Facebook Messenger 等。

典型用例：

客戶服務：提供24/7 全天候客戶支持，回答常見問題並解決問題。
銷售和行銷：了解客戶需求、推薦產品和提供個人化優惠。
教育和培訓：提供互動式學習體驗並回答學生的問題。
內部工具：自動化員工任務，例如提交請求和獲取資訊。
娛樂與遊戲：創造引人入勝的互動體驗。

Amazon Lex 讓建立智慧聊天機器人變得簡單，它可以自動回答用戶問題、處理交易、提供個人化推薦，或執行其他各種任務。

Amazon Rekognition

Amazon Rekognition 是AWS 提供的電腦視覺服務，它使用機器學習技術來自動化影像和視訊分析任務，幫助開發者快速將深度學習模型整合到應用程式中。

產品首頁：
https://aws.amazon.com/rekognition/

它使用最先進的深度學習技術，主要功能包括：

影像分析：辨識影像中的物件、場景、活動、人物、文字和不當內容。

影片分析：追蹤影片中的物件、偵測活動、辨識人物、辨識不當內容並產生影片摘要。

臉部分析：辨識和驗證臉部、偵測情緒、分析人口統計資料並產生臉部特徵。

典型用例：

安全性和監視：識別人員、追蹤物體和偵測可疑活動。

客戶服務：分析客戶臉部表情和情緒以了解他們的滿意度。

產品開發：分析產品影像和影片以了解客戶的使用方式。

媒體與娛樂：自動化內容審核、內容製作和人物辨識。

零售：分析店內流量、追蹤購物者行為並識別產品。

Amazon Rekognition 是一種快速、準確且可擴展的服務，可輕鬆從影像和影片中提取有價值的見解。透過這項服務，企業和開發者可以在不需要機器學習專業知識的情況下，以較低的成本解決緊迫的電腦視覺需求。

Amazon Personalize

Amazon Personalize 是AWS 提供的個人化推薦服務，它利用機器學習技術來幫助開發者為使用者創建客製化的推薦體驗。它使用最先進的機器學習技術，分析客戶數據並產生個人化的產品、內容和優惠。

產品首頁：
https://aws.amazon.com/personalize/

主要功能：

推薦引擎：提供多種推薦引擎，可用於各種用例，例如產品推薦、內容推薦和優惠推薦。
即時推薦：可以產生即時推薦，以便您的客戶在購物或瀏覽您的網站或應用程式時收到個人化的建議。
A/B 測試：可以使用A/B 測試來比較不同的建議策略並確定最有效的策略。
可解釋性：提供可解釋性功能，可協助您了解推薦引擎如何做出決策。

典型用例：

電子商務 ：向客戶推薦他們可能感興趣的產品。
媒體與娛樂：向客戶推薦他們可能喜歡的電影、音樂和書籍。
新聞和出版：向客戶推薦他們可能感興趣的文章和新聞。
旅行和酒店：向客戶推薦他們可能喜歡的目的地和住宿。
金融服務：向客戶推薦他們可能需要的金融產品和服務。

Amazon Personalize 適用於希望提升使用者體驗、提升顧客參與度的服務情境。透過個人化推薦，企業可以更滿足用戶需求，提升用戶滿意度和忠誠度。

Amazon Comprehend

Amazon Comprehend 是AWS 提供的自然語言處理（NLP）服務，它使用機器學習技術來幫助使用者從文本中提取有價值的洞察和資訊。

產品首頁：
https://aws.amazon.com/comprehend/

主要功能包括：

文字分類：將文字自動分類到預先定義的類別中，例如「正面」或「負面」。
情緒分析：辨識和量化文本中的情感，例如憤怒、喜悅和悲傷。
實體識別：識別文本中的命名實體，例如人物、地點和組織。
主題建模：識別文件中討論的主題。
關鍵短語提取：識別文件中的重要短語和關鍵字。

典型用例：

客戶服務：分析客戶回饋以了解他們的滿意度和識別問題。
社群媒體分析：了解人們對您的品牌或產品的看法。
市場研究：分析市場趨勢與顧客需求。
風險和合規：識別文本中的潛在風險和違規行為。
內容審核：審核文字以識別不當內容。

Amazon Comprehend 是一種快速、準確且可擴展的服務，可輕鬆從文字中提取有價值的見解。透過這項服務，企業和開發者可以更深入地理解客戶回饋、優化產品、自動化文件審查流程，並提高業務決策的品質。

Amazon Augmented AI

Amazon Augmented AI（簡稱 Amazon A2I）是AWS 提供的一種服務，它透過結合人類審查來增強機器學習系統的預測精度。它使所有開發人員都可以使用人工審核，而無需建立人工審核系統或管理大量人工審核人員的相關繁重工作。

產品首頁：
https://aws.amazon.com/augmented-ai/

許多機器學習應用都需要人工審核低置信度預測以確保結果正確無誤。但是，建立人工審核系統既費時又成本高昂，Amazon A2I 使得建置和管理機器學習應用程式的人工審核變得簡單。

Amazon A2I 提供以下功能來簡化人工審核流程：

預先建置的工作流程：提供內建的工作流程，可將預測快速且輕鬆地路由至人工審核人員，例如內容審核和文件中的文字擷取。
自訂工作流程：支援建立自己的工作流程以滿足特定需求。
靈活的審核人員選擇：可以使用自己的審核人員團隊、Amazon Mechanical Turk 或AWS Marketplace 上的第三方審核人員供應商。
易於使用的介面：提供易於使用的介面，審核人員可以輕鬆查看和處理分配給他們的任務。

典型用例：

內容審核：審核社群媒體貼文、產品評論和其他線上內容的不當內容。
詐欺偵測：識別和標記可疑的財務交易或保險索賠。
客戶服務：分析客戶回饋和評論以識別問題和改進機會。
醫療保健：審查醫學影像和診斷以確保準確性。
法律：審查法律文件以識別相關資訊。

Amazon A2I 透過將人類的直覺和判斷力與機器學習的自動化和規模化相結合，幫助企業提高ML應用的品質和可靠性。

Amazon Fraud Detector

Amazon Fraud Detector 是AWS 提供的用於偵測線上詐欺的機器學習服務。它使企業能夠在沒有機器學習經驗的情況下建立、部署和管理詐欺偵測模型。

產品首頁：
https://aws.amazon.com/fraud-detector/

Amazon Fraud Detector 是一項完全託管的ML服務，可用於偵測和預防各種線上詐騙活動，包括：

帳戶建立詐欺：識別虛假帳戶建立嘗試，例如使用被盜信用卡或虛假身分資訊建立帳戶。
支付詐欺：識別詐欺性交易，例如使用被盜信用卡或金融卡進行的購買。
濫用詐欺：識別濫用服務的行為，例如濫用促銷代碼或禮品卡。

主要功能包括：

預建模型：提供預建模型，可立即用於偵測常見類型的詐欺。
自訂模型：可以使用自己的資料訓練自訂模型以滿足您的特定需求。
即時詐欺偵測：可以即時偵測詐欺，以便您立即採取行動。
詐欺評分：為每個事件提供詐欺評分，可協助確定事件的風險性。
案例審查：提供工具來審查可疑事件並做出最終決定。

典型用例：

電子商務：偵測和防止線上購物詐欺。
金融服務：偵測和防止支付詐欺和帳戶盜用。
媒體和娛樂：偵測和防止內容盜版和訂閱詐欺。
遊戲：偵測和防止遊戲詐欺和濫用。
旅行和酒店：偵測和防止預訂詐欺和身分盜用。

Amazon Fraud Detector 透過自動化的詐欺偵測流程，幫助企業減少線上支付詐欺、準確區分合法和高風險帳戶註冊，並提高整體的帳戶安全。

Amazon Kendra

Amazon Kendra 是AWS 提供的企業搜尋服務，它利用自然語言處理和機器學習技術，幫助企業快速建立一個統一的、高度準確的搜尋體驗。

產品首頁：
https://aws.amazon.com/kendra/

主要功能：

自然語言查詢：使用者可以使用自然語言查詢查找訊息，而無需學習複雜的搜尋語法。
相關性排名：對結果進行排名，以顯示最相關的資訊。
多源搜尋：可以從各種來源搜尋訊息，包括文件、資料庫和知識庫。

Q：可以回答使用者的問題，即使它們是開放式的或具有挑戰性的。

安全性和合規性：可以配置為滿足嚴格的安全性和合規性要求。

典型用例：

客戶服務：幫助客戶服務代表快速找到有關產品、服務和政策的資訊。
人力資源：幫助員工尋找有關公司政策、福利和程序的資訊。
研發：幫助研究人員找到有關其工作主題的資訊。
法律：幫助律師找出案件法和法規。
銷售和行銷：幫助銷售人員找到有關產品、客戶和競爭對手的資訊。

Amazon Kendra 適用於各種規模的企業，可以幫助它們改善內部搜尋功能，提高員工的工作效率，並透過提供更好的搜尋體驗來增強客戶滿意度。透過這項服務，企業可以更輕鬆地從大量數據中提取有用的信息，支持數據驅動的決策。

Amazon QuickSight

Amazon QuickSight 是AWS 提供的一個快速、雲端驅動的商業智慧（BI）服務，它允許使用者建立和發布商業智慧儀表板，從而實現資料視覺化和分析。

產品首頁：
https://aws.amazon.com/quicksight/

主要功能：

連接到各種資料來源：可以連接到各種資料來源，包括Amazon Redshift、Amazon S3、Salesforce 和Snowflake 等。
建立互動式儀表板：可以輕鬆建立互動式儀表板，視覺化資料並從中獲得洞察。
建立自訂報告：可以建立自訂報告以滿足特定需求。
使用分析功能：提供各種分析功能，可協助從數據中獲取更多資訊。
協作分享：可以輕鬆地與他人分享儀表板和報告。

典型用例：

銷售分析：追蹤銷售指標、確定趨勢並預測未來銷售。
行銷分析：衡量行銷活動的效果並優化您的行銷策略。
客戶分析：了解您的客戶並改善客戶體驗。
營運分析：提高營運效率並降低成本。
財務分析：分析您的財務狀況並做出明智的財務決策。

Amazon QuickSight 適用於需要快速、直觀地理解和共享資料洞察的企業和組織，特別適用於業務分析師、管理人員和決策者。透過這項服務，使用者可以更靈活地探索數據，發現關鍵業務指標，並以視覺化的方式呈現複雜數據，從而提高決策品質和工作效率。

Amazon Forecast

Amazon Forecast 是AWS 提供的一項時間序列預測服務，它基於機器學習技術，用於分析歷史資料並產生未來預測結果。

產品首頁：
https://aws.amazon.com/forecast/

主要特性：

易於使用：提供易於使用的介面，即使是沒有機器學習經驗的使用者也可以輕鬆使用。
準確：使用最先進的機器學習技術來產生準確的預測。
可擴展：可擴展以滿足任何需求，從小型企業到大企業。
經濟實惠：價格實惠，無論您的組織規模大小。

典型用例：

零售：預測未來商品需求以優化庫存水準和避免缺貨或過剩。
電子商務：預測未來銷售額以告知行銷活動和人員配置。
供應鏈：預測未來需求以優化物流和運輸計畫。
媒體與娛樂：預測電影、電視節目或音樂的未來需求。
公用事業：預測未來的能源需求以優化發電和輸電。

Amazon Forecast 讓企業能夠準確預測產品需求、員工需求、資源分配等，進而提高營運效率和顧客滿意度。透過這項服務，企業可以更好地規劃未來，減少不確定性，並基於數據做出更明智的業務決策。

AWS Glue

AWS Glue 是AWS 提供的無伺服器資料整合服務，它旨在簡化資料的發現、準備、行動和整合流程，以便用於分析、機器學習和應用開發。它可以輕鬆地將資料從資料湖、資料庫和其他來源移到Amazon S3 和Amazon Redshift 等資料儲存中，並將其準備成適合分析和機器學習的格式。

產品首頁：
https://aws.amazon.com/glue/

主要功能：

資料發現與編錄：發現和編錄儲存在各種資料來源中的資料資產。
資料準備：清理、轉換和標準化資料以使其適合分析和機器學習。
工作流程自動化：建立和自動化資料準備工作流程，以簡化資料準備流程。
資料安全性和合規性：使用加密、存取控制和其他功能來保護您的資料。

典型用例：

ETL（提取、轉換、載入）：將資料從各種來源提取、轉換並載入到資料倉儲或資料湖中。
資料準備：準備資料以用於分析和機器學習，例如清理資料、轉換資料格式和標準化資料。
數據品質管理：識別和修復數據中的錯誤和不一致。
主資料管理：建立和維護一致的主資料視圖。
合規性報告：產生有關資料合規性的報告。

AWS Glue 適合需要處理和整合大量資料的企業和組織，特別是那些希望簡化資料管道建置、降低資料管理成本並提高資料可用性的使用者。透過AWS Glue，資料工程師和資料科學家可以更專注於資料分析和價值提取，而不是資料的移動和轉換工作。

AWS RoboMaker

AWS RoboMaker 是AWS 提供的基於雲端的機器人模擬服務，它使機器人開發者能夠在沒有管理任何基礎設施的情況下運行、擴展和自動化模擬。

產品首頁：
https://aws.amazon.com/robomaker/

主要功能：

機器人模擬：使用Gazebo、Unity 或Unreal Engine 創建逼真模擬環境。
機器人應用程式開發：使用ROS、Gazebo 或其他機器人框架建立機器人應用程式。
測試和調試：在模擬環境中測試和調試您的機器人應用程式。
部署：將機器人應用程式部署到真實機器人。
管理：使用Amazon RoboMaker Fleet Management 來管理機器人車隊。

Amazon RoboMaker 可以用於：

開發和測試自主移動機器人
建造倉庫機器人以執行揀選和包裝任務
創建用於檢查和維護的巡邏機器人
開發用於社交互動的機器人
建造用於教育和娛樂的機器人

AWS RoboMaker 適用於希望簡化機器人開發流程、降低成本並提高開發效率的企業和開發者。透過這項服務，使用者可以在虛擬環境中測試和驗證機器人應用，確保它們在真實世界部署前的效能和可靠性。

生成式AI

在生成式AI領域，AWS 結合業界領先的模型和應用程序，使用戶能夠輕鬆自訂並擴展生成式AI，以滿足特定的資料需求和業務場景，還提供強大的企業級安全和隱私保護。此外，AWS的全面服務支持，簡化了從建造到規模化的整個AI開發流程，幫助組織快速實現AI技術的業務落地。

介紹頁：
https://aws.amazon.com/ai/generative-ai/

Amazon Bedrock

Amazon Bedrock 是AWS 提供的一項全託管的生成式AI服務，它旨在幫助開發者建立和擴展基於基礎模型（Foundation Models，簡稱FMs）的生成式AI應用程式。在簡化開發流程的同時，Amazon Bedrock 也注重隱私和安全的保障。

產品首頁：
https://aws.amazon.com/bedrock/

Amazon Bedrock 的關鍵特性：

全託管服務：作為全託管服務，Amazon Bedrock 減輕了開發者管理基礎設施的負擔。
存取領先模型：輕鬆存取來自OpenAI、Anthropic、Meta、Stability AI 等領先AI 公司的各種FM。
提示工程：使用直覺的介面和內建提示來微調FM 並獲得所需結果。
推理：在AWS的大規模基礎架構上運行FM 推理，以獲得高效能和可擴展性。
客製化與可擴展性：支援對基礎模型進行定制，以滿足特定的業務需求。允許開發者根據需求輕鬆擴展其AI應用程式。
安全性與合規性：使用各種功能來保護您的資料並確保合規性，例如資料加密、存取控制和稽核。
簡化開發：旨在簡化生成式AI應用程式的開發流程，使開發者能夠專注於創新而非底層技術。提供一個整合的環境，用於建置、訓練和部署生成式AI模型。

Amazon Bedrock 目前提供的AI模型包括：

Amazon Titan (AWS 自研FM)
Anthropic Claude
Cohere Command & Embed
AI21 Labs Jurassic
Meta Llama
Mistral AI
Stable Diffusion XL

這些模型涵蓋了從圖像和多模態識別到文字處理、多語言支援、企業級應用開發、安全性和隱私保護等多個方面，旨在幫助用戶輕鬆構建和擴展生成式AI 應用而無需管理底層基礎設施。透過這些模型，使用者可以快速整合和客製化生成式AI 功能，推動業務創新和效率提升。這項服務特別適合希望利用最新的AI技術但缺乏建構和維護複雜AI系統資源的企業和開發者。

Amazon Q

Amazon Q 是AWS 提供的功能強大的生成式AI助手，旨在加速軟體開發並利用公司內部資料。

產品首頁：
https://aws.amazon.com/q/

Amazon Q 可以透過以下方式完成工作：

快速獲得答案：提出問題並獲得上下文相關的資訊和建議，即使它們是開放式的、具有挑戰性的或奇怪的。
解決問題：使用Amazon Q 的知識和功能來解決問題、產生創意文字格式、分析數據並獲得見解。
採取行動：使用Amazon Q 連接到公司自有資料、資訊和系統以採取行動，例如建立電子郵件、投影片或程式碼。

Amazon Q 的主要優勢包括：

提高工作效率：減少花在尋找資訊、解決問題和完成任務的時間。
提高生產力：透過獲得更好的見解和建議來做出更明智的決策。
促進創新：探索新想法並發現新的可能性。
降低成本：減少對人工支援和昂貴工具的需求。

典型用例：

行銷：創建行銷活動、產生創意文字格式並分析行銷數據。
銷售：識別潛在客戶、跟進潛在客戶並關閉交易。
客戶服務：回答客戶問題、解決客戶問題並提供支援。
產品開發：研究新產品、開發新功能並改進現有產品。
IT：排除故障、管理基礎設施並自動化任務。

Amazon Q 透過其生成式AI能力，為軟體開發生命週期體驗的重塑提供支持，並且能夠為業務用戶和分析師提供生成式BI功能，以及為客服代理提供更好的服務支援。

Amazon CodeWhisperer

Amazon CodeWhisperer 是AWS 提供的AI程式設計助手，旨在提高開發者的生產效率。它利用機器學習提供上下文感知的建議，幫助開發人員更快、更輕鬆地編寫程式碼。

產品首頁：
https://aws.amazon.com/codewhisperer/

主要功能包括：

產生程式碼：根據註解和程式碼上下文產生程式碼建議。

尋找程式碼：尋找與程式碼相關的程式碼範例和文件。

修復程式碼：識別並修復程式碼中的錯誤和缺陷。
重構程式碼：重構程式碼以使其更清晰、更易於維護。

CodeWhisperer 支援多種程式語言，包括Java、Python、C++、JavaScript 和Go。它還與各種流行的整合開發環境集成，包括Visual Studio Code、Visual Studio 和IntelliJ IDEA 等。

CodeWhisperer 透過提供智慧程式碼建議和輔助，幫助開發者提高編碼效率，減少偵錯時間，並快速掌握最佳程式設計實踐。它是AWS機器學習服務在開發者工具領域的應用創新，展示了AI技術如何協助軟體開發。

Amazon HealthScribe

Amazon HealthScribe 是一項符合HIPAA 標準的AI服務，可協助醫療軟體供應商使用語音和文字辨識以及產生式AI技術來建立臨床應用程序，從而透過自動產生文件來節省醫生時間。

產品首頁：
https://aws.amazon.com/healthscribe/

Amazon HealthScribe 可從患者和臨床醫生之間的對話中提取關鍵訊息，例如患者主訴、病史、檢查結果和診斷。之後會使用這些資訊自動產生初步臨床文檔，例如病歷摘要和進度筆記。這可以幫助醫生節省時間，讓他們可以專注於為患者提供護理。

Amazon HealthScribe 的主要優勢：

提高醫生工作效率：透過自動產生文件來節省醫生時間，讓他們可以專注於為患者提供護理。
改善病患照護：確保文件準確完整，從而改善病患照護。
降低成本：減少人工文檔編寫的成本。

典型用例：

建立病歷摘要：從患者和臨床醫生之間的對話中自動產生病歷摘要。
編寫進度筆記：從患者和臨床醫生之間的對話中自動編寫進度筆記。
產生轉診函：從患者和臨床醫生之間的對話中自動產生轉診函。
建立公共衛生報告：從患者和臨床醫生之間的對話中自動建立公共衛生報告。

Amazon HealthScribe 是AWS在醫療保健領域的AI應用實踐，旨在透過技術提高醫療服務的效率和質量，同時確保遵守嚴格的醫療保健行業標準。

PartyRock

PartyRock 是一套基於Amazon Bedrock 的沙盒環境，讓使用者輕鬆探索和試驗生成式AI的可能性。它提供了一個互動式介面，可用於存取各種預先建置的AI 模型，以及建置和部署自己的模型所需的功能。

產品網址：
https://partyrock.aws

PartyRock 的主要功能：

模型存取：存取來自各種領先AI 公司的各種預建模型。
提示工程：使用直覺的介面和內建提示來微調模型並獲得所需結果。
推理：在AWS 的大規模基礎設施上運行AI 模型推理，以獲得高效能和可擴展性。
共享和協作：與他人分享模型和實驗，並與社區合作開發新的AI 應用。

PartyRock 功能強大且易於使用，並且不斷開發新功能，例如對更多模型的支援、新的提示工程工具和改進的安全功能。

機器學習

AWS 機器學習是一套綜合性的解決方案，旨在幫助不同規模的企業實現機器學習技術的落地。它提供從資料預處理、模型建置、訓練、部署到監控的全流程支持，並簡化機器學習模型的開發。 AWS 機器學習服務的優勢在於其強大的基礎設施支援、客製化工具、易於擴展的資源、以及對安全性和合規性的關注，使得企業能夠有效率地解決複雜的業務問題並推動創新。此外，它與AWS生態系統的緊密整合，為使用者提供了廣泛的兼容性和靈活性。

介紹頁：
https://aws.amazon.com/ai/machine-learning/

Amazon SageMaker

Amazon SageMaker 是AWS 提供的一站式機器學習（ML）服務平台，它使開發人員和資料科學家能夠快速輕鬆地建置、訓練和部署機器學習模型。

產品首頁：
https://aws.amazon.com/sagemaker/

Amazon SageMaker 提供以下功能：

建置：使用各種預先建置的組件和工具快速建立機器學習模型。
訓練：在各種運算實例上訓練機器學習模型，包括CPU、GPU 和TPU。
部署：將機器學習模型部署到生產環境，以進行推理和預測。
管理：監控和管理機器學習模型，並確保它們正常運作。

Amazon SageMaker 的主要優點：

多樣化的工具選擇：為資料科學家提供整合開發環境，為業務分析師提供無程式碼介面，使更多人能夠透過選擇的工具進行ML創新。
全託管的可擴展基礎設施：使用戶能夠建立自己的ML模型，包括用於生成式AI應用的基礎模型，提供整合的專門工具和高效能、成本效益的基礎設施。
可重複和負責任的ML工作流程：自動化和標準化MLOps實踐和組織內的治理，以支援透明度和可審計性。
簡化的部署和管理：提供簡化的部署和管理流程，減少機器學習模型部署和維運的複雜性。
端到端解決方案：提供從資料標註、模型訓練、模型評估到模型部署的端到端解決方案。

Amazon SageMaker 幫助使用者自動化機器學習工作流程，包括資料準備、模型建置、訓練和部署，旨在降低機器學習的技術門檻，讓更多使用者能夠輕鬆地開發和部署自己的機器學習模型，加速ML應用的創新和實踐。

AWS Deep Learning AMIs

AWS Deep Learning AMIs (DLAMI) 是AWS 提供的一系列預先配置的、安全的深度學習環境，它們使得機器學習從業者和研究人員能夠快速建立可擴展的深度學習應用程式。

產品首頁：
https://aws.amazon.com/machine-learning/amis/

DLAMI 的主要提供：

預先安裝的軟體：AMI 預先安裝了各種用於深度學習的流行軟體包，包括TensorFlow、PyTorch、MXNet 和Caffe2 等。
最新的NVIDIA GPU 驅動程式：包含最新的NVIDIA GPU 驅動程序，可確保最佳效能。
Amazon Web Services 整合：與各種AWS 服務集成，包括Amazon EC2、Amazon EBS 和Amazon S3 等。

DLAMI 的主要優勢：

可擴展性：支援將分散式機器學習訓練擴展到數千個加速實例，並無縫部署模型以進行生產中的推理。
硬體加速器支援：可在包括AWS Trainium、AWS Inferentia 和NVIDIA GPU 在內的多種硬體加速器上進行開發，配備最新的驅動程式、框架、程式庫和工具。
安全性：提供客製化的、穩定的機器鏡像，定期打補丁以解決安全漏洞，降低風險。
即用型框架和工具：開箱即用的AMIs 預先配置了TensorFlow、PyTorch、NVIDIA CUDA 驅動程式和函式庫、Intel MKL、Elastic Fabric Adapter（EFA）和AWS OFI NCCL 等外掛程式。

AWS Deep Learning AMIs 適用於自動駕駛車輛開發、自然語言處理、醫療保健資料分析和加速模型訓練等多種情境。它透過提供預先配置的環境和工具，大大簡化了深度學習應用程式的開發流程，使得使用者可以專注於核心的ML任務，而不必擔心底層基礎設施的配置和管理。

AWS Deep Learning Containers

AWS Deep Learning Containers 是用於快速部署深度學習環境的服務。這些容器包含了預先最佳化和包裝的深度學習框架和演算法，使得開發者可以輕鬆地在AWS雲端環境中設定和擴展機器學習工作負載。

產品首頁：
https://aws.amazon.com/machine-learning/containers/

AWS Deep Learning Containers 旨在協助開發人員和資料科學家快速輕鬆地在Amazon ECS、Amazon EKS 和Amazon SageMaker 上訓練和部署深度學習模型。

功能特性：

預先建置的容器映像：提供預先建置和最佳化的容器鏡像，包含流行的深度學習框架，如TensorFlow、PyTorch 和MXNet。
快速部署：簡化了深度學習環境的設定過程，使得開發者可以快速啟動和運行深度學習模型。
集成和相容性：與AWS的其他服務和工具集成，如Amazon ECR 和AWS Marketplace，確保了廣泛的兼容性。
版本控制：容器映像包含特定版本的框架和依賴，使得開發者可以輕鬆管理和部署不同版本的模型。
安全性：容器鏡像會定期更新，以包含最新的安全性修補程式和效能改進。

AWS Deep Learning Containers 適用於從研究和開發到生產層級的機器學習應用，包括訓練、推理和資料分析。它透過提供預先配置的環境，幫助開發者節省了配置和優化深度學習框架的時間，從而可以更快地進行模型訓練和部署。

Hugging Face on Amazon SageMaker

Hugging Face on Amazon SageMaker 是結合了Hugging Face 的自然語言處理模式與AWS SageMaker 機器學習平台的服務。

產品首頁：
https://aws.amazon.com/machine-learning/hugging-face/

主要功能包括：

預先建置的Hugging Face 容器：這些容器預先安裝了Hugging Face 轉換器庫和用於在SageMaker 上訓練和部署模型的其他軟體。
SageMaker 範本：這些範本可用於快速啟動常見NLP 任務，例如文字分類和問答。
Hugging Face 模型註冊表：可以使用此註冊表來尋找和共享Hugging Face 模型。
SageMaker 訓練與部署功能：可以使用SageMaker 的訓練和部署功能來訓練和部署模型。

Hugging Face on Amazon SageMaker 的推出，為開發者提供了一個強大的平台，用於快速實現和擴展AI模型的應用，同時簡化了開發和部署流程。

TensorFlow on AWS

TensorFlow 是一個由Google 開發的開源機器學習框架，被廣泛用於各種機器學習任務，包括影像辨識、自然語言處理和語音辨識。

產品首頁：
https://aws.amazon.com/tensorflow/

AWS 提供各種服務和工具讓使用者在AWS 上輕鬆使用TensorFlow：

Amazon EC2：可擴充的雲端運算服務，可讓在幾分鐘內啟動和執行虛擬機器(VM)。可以使用EC2 來建立運行TensorFlow 的高效能運算叢集。
Amazon SageMaker：完全託管的機器學習服務，可輕鬆建置、訓練和部署機器學習模型。可以使用SageMaker 來建置和訓練TensorFlow 模型，並將其部署到生產環境。
Amazon ECS：用於運行容器化應用程式的服務。可以使用ECS 來運行TensorFlow 容器，可以輕鬆地擴展和管理TensorFlow 工作負載。
Amazon EKS：用於執行容器化應用程式的託管Kubernetes 服務。可以使用EKS 來運行TensorFlow 容器，以受益於Kubernetes 提供的可擴充性、高可用性和編排功能。
Amazon S3：用於儲存資料的物件儲存服務。可以使用S3 來儲存TensorFlow 模型和訓練資料。
Amazon CloudFront：內容傳遞網路(CDN) 服務，可讓將TensorFlow 模型和應用程式快速且安全地分發給全球使用者。

AWS 的服務經過高度可靠且可擴展的全球基礎架構的支持，使用者可以使用它的可擴展基礎架構來擴展TensorFlow 工作負載以滿足需求。

PyTorch on AWS

PyTorch on AWS 提供了一個高效能、可擴展且適合企業級應用的PyTorch 環境。 PyTorch 是由Facebook 開發的開源機器學習框架，被廣泛用於各種機器學習任務，包括影像辨識、自然語言處理和語音辨識。

產品首頁：
https://aws.amazon.com/pytorch/

PyTorch on AWS 的特性：

加速訓練：透過Amazon EC2 執行個體和Amazon SageMaker 以及PyTorch 函式庫加快模型訓練時間。
從原型到生產：使用PyTorch 函式庫加速從研究原型到生產規模部署的流程。
建立ML 模型：使用完全託管或自管理的AWS 機器學習服務建立您的機器學習模型。
分散式訓練：利用PyTorch Distributed Data Parallel (DDP) 系統來訓練具有數十億參數的大型語言模型。
規模化推理：使用SageMaker 和Amazon EC2 Inf1 等執行個體擴展推理，以滿足使用者對延遲、吞吐量和成本的要求。
多模態ML 模型：使用PyTorch 的多模態函式庫建立自訂模型，適用於即時手寫辨識等使用案例。

PyTorch on AWS 透過結合AWS 的雲端服務能力與PyTorch 的靈活性和效能，為使用者提供了一個強大的平台，用於開發和部署深度學習模型。

Apache MXNet on AWS

Apache MXNet 是一個開源的深度學習框架，用於快速、靈活且可擴展的機器學習。 AWS 提供各種服務和工具，讓使用者輕鬆地在AWS 上使用Apache MXNet。

產品首頁：
https://aws.amazon.com/mxnet/

Apache MXNet on AWS 的主要優點：

可擴展性：可以使用AWS 的可擴展基礎架構來擴展您的MXNet 工作負載以滿足需求。
經濟實惠：按使用量付費，無需預付或長期承諾。
可靠性：AWS 的服務經過高度可靠且可擴展的全球基礎架構的支援。

MXNet on AWS 適用於各種機器學習應用場景，包括影像辨識、自然語言處理、推薦系統等。 MXNet 能夠充分利用AWS 提供的運算資源，幫助使用者優化成本和效能。

Jupyter on AWS

Jupyter Notebook 是一種互動式環境，用於開發和執行程式碼。它特別適合資料科學，可以將程式碼、文字、視覺化效果和敘述性文字組合在一個文件中。 AWS 提供多種服務和工具，讓使用者輕鬆在AWS 上使用Jupyter Notebook。

產品首頁：
https://aws.amazon.com/jupyter/

Jupyter on AWS 的主要優勢：

整合Amazon SageMaker Studio：使用Amazon SageMaker Studio，使用者可以在Jupyter 筆記本中查詢、準備和轉換數據，以及建置、訓練和部署機器學習模型。
安全性：在AWS 環境中執行Jupyter 筆記本，可以利用AWS 的安全功能，包括身分和存取管理和加密。
可擴充性：AWS 提供的基礎架構可讓Jupyter 筆記本根據需要動態擴充資源，以處理大規模資料處理和複雜運算。
協作性：支援協作工作流程，多個使用者可以即時在同一筆記本上工作，促進團隊合作。
無縫整合：Jupyter on AWS 與AWS 的其他服務和工具無縫集成，如Amazon S3 用於資料儲存和Amazon EC2 執行個體用於運算。

Jupyter on AWS 結合了Jupyter 的互動式資料探索能力和AWS 的強大雲端運算資源，為使用者提供了一個功能豐富的平台，用於資料科學、機器學習和協作研究。

AI 基礎設施

AWS 的AI基礎設施是一套全面、安全且具有成本效益的解決方案，專為滿足各種AI和機器學習需求而設計。使用者可以利用AWS提供最先進的硬件，來執行分散式訓練任務，同時透過AWS的管理工具來簡化這些操作。 AWS AI基礎設施支援從初步研究到模型部署的整個生命週期，幫助使用者在AI領域實現快速創新，同時確保操作的安全性和成本效率。

介紹頁：
https://aws.amazon.com/ai/infrastructure/

機器學習基礎設施

AWS 機器學習基礎架構(AWS Machine Learning Infrastructure) 是亞馬遜提供的最全面、最安全且價格合理的機器學習基礎架構，支援使用者在任何規模上建置、訓練和部署機器學習模型。無論是用於訓練大型神經網路的GPU 加速型實例，或是用於部署低延遲推理模型的無伺服器基礎架構，AWS 都能提供滿足需求的解決方案。

介紹頁：
https://aws.amazon.com/machine-learning/infrastructure-innovation/

AWS 的主要優勢：

高效能：使用Amazon EC2 P4d 和Amazon EC2 Trn1 執行個體等最新的硬體加速器，以獲得最高效能。
經濟實惠：利用Amazon SageMaker 和AWS Inferentia 等服務，以最具成本效益的方式訓練和部署模型。
節能：使用Amazon EC2 Spot Instances 和Amazon ECS 等服務，最大限度地提高資源利用率並降低成本。
安全可靠：使用Amazon Guardrails 和Amazon Key Management Service 等服務，保護資料和模型。
易於使用：使用Amazon SageMaker Studio 等工具，輕鬆開始建置和管理機器學習專案。

AWS 機器學習基礎架構可協助客戶建置、訓練和部署最先進的機器學習模型。它提供各種服務和工具，無論是初學者還是經驗豐富的機器學習專家，都可滿足使用者的所有需求。

AI 資料基建

AWS AI 資料基礎建置(Data foundation for AI) 是一套服務和工具，用於收集、儲存、準備、分析和管理用於人工智慧的資料。 AWS 提供各種功能，可協助使用者快速且有效率地建置和擴展AI 驅動的應用程式。

介紹頁面：
https://aws.amazon.com/data/

AWS AI 資料解決方案的主要優勢：

全面的服務套件：AWS 提供各種服務，涵蓋資料收集、儲存、準備、分析和管理的所有方面。
可擴展性：AWS 資料基礎架構可擴展以滿足您的資料需求，無論規模大小。
安全可靠：AWS 資料基礎架構採用業界領先的安全措施來保護您的資料。
經濟實惠：AWS 數據基礎設施按使用量付費，只需為使用的資源付費。

AWS AI 資料基礎架構與服務體系包括：

資料庫

提供高效能的關聯式資料庫，價格僅為企業級商用資料庫的十分之一。
提供近十種專用資料庫引擎，針對不同用例進行最佳化，讓您不必進行取捨。

數據集成

零ETL 功能可讓您輕鬆連接和處理所有數據，無論數據位於何處。
當需要ETL 時，AWS Glue 中的生成式AI 可以簡化操作。
AWS 服務可以連接到數百個資料來源，包括SaaS、本地部署和其他雲端環境。

資料湖和資料倉儲

使用Amazon S3、AWS Glue 和AWS Lake Formation 等服務在AWS 上建置資料湖。
Amazon Redshift 是一個快速、PB 等級的資料倉儲，其性價比是其他雲端資料倉儲的數倍。

分析引擎

提供最廣泛和最深入的分析服務集，包括無伺服器選項。
從資料移動、大數據分析、日誌分析到串流分析，AWS 提供了性價比、可擴展性和成本方面最優的專用服務。

生成式AI和機器學習平台

Amazon Bedrock 是建立和擴展生成式AI 應用的便捷方式，它整合了來自全球領先AI 公司的基礎模型，並提供安全地使用資料自訂模型的工具。
對於想建立自己機器學習模型的用戶，Amazon SageMaker 提供所有必要的工具，可輕鬆大規模建置、訓練和部署機器學習模型。

商業智慧（BI）

Amazon QuickSight 和Amazon Q in QuickSight 讓業務用戶能夠輕鬆建立和探索互動式儀表板、用自然語言提問或自動查找模式和異常值來理解數據，所有這些都由生成式AI 和機器學習驅動。
Amazon SageMaker Canvas 使業務分析師能夠產生準確的機器學習預測，而無需任何機器學習經驗。

資料治理

使用包括Amazon DataZone 在內的AWS 數據服務，可以跨組織編排、發現、共享和治理數據，使用戶可以在需要的時間和地點安全地存取數據。
可以使用Amazon Titan 等基礎模型負建構負責任的生成式AI應用。

AWS AI 資料基礎設施是一套強大且可擴展的服務和工具組合，可快速建立和擴展AI 驅動的應用程序，幫助各類企業和組織從資料中獲取洞察力並推動業務創新。

Amazon Elastic Inference

Amazon Elastic Inference (EI) 是AWS 提供的加速機器學習推理的硬體加速服務，可讓將GPU 加速器附加到Amazon EC2 執行個體、Amazon SageMaker 執行個體或Amazon ECS 任務中，以加速機器學習推理。透過使用EI，使用者可以降低推理成本，同時提高效能和吞吐量。

產品首頁：
https://aws.amazon.com/machine-learning/elastic-inference/

使用EI 的主要優勢：

降低成本：可以透過僅為所需的推理能力付費來降低推理成本。
提高效能：可以利用GPU 加速器的強大功能來提高推理效能。
提高吞吐量：可以提高推理吞吐量，從而處理更多請求。
易於使用：可以輕鬆地將GPU 加速器附加到現有的EC2、SageMaker 或ECS 執行個體。

附註：亞馬遜已於2023 年4 月停止了EI 新用戶的接入，建議新客戶使用其他硬體加速選項，如Amazon Inferentia，以獲得更好的性能和更低的成本。

AWS Trainium

AWS Trainium 是AWS 特別為深度學習訓練設計的機器學習晶片，專為在Amazon EC2 上大規模訓練深度學習模型而設計。它提供高性能和可擴展性，可滿足最嚴苛的訓練需求。

產品首頁：
https://aws.amazon.com/machine-learning/trainium/

Trainium 主要優勢：

更快地訓練深度學習模型：Trainium 的高性能可顯著縮短訓練時間，從而更快地獲得結果。
在更大規模上訓練模型：Trainium 的可擴展性支援在更大規模上訓練模型，從而提高模型的準確性和效能。
降低訓練成本：Trainium 的經濟實惠定價可以更低的成本訓練深度學習模型。

Trainium 適用的訓練場景：

自然語言處理：訓練用於機器翻譯、文字摘要和問答的模型。
電腦視覺：訓練用於影像辨識、物件偵測和影像分割的模型。
語音辨識：訓練用於語音轉文字和文字轉語音的模型。
強化學習：訓練用於玩遊戲、機器人控制和決策最佳化的模型。

AWS Trainium 的推出旨在幫助機器學習開發團隊在固定預算下，更有效率地訓練和改進他們的模型和應用程序，同時減少訓練所需的時間和成本。

AWS Inferentia

AWS Inferentia 是AWS 推出的專為深度學習和生成式AI推理而設計的機器學習晶片，專為在Amazon EC2 上加速機器學習推理而設計。它提供高性能、低成本和高可用性，可滿足各種推理需求。

產品首頁：
https://aws.amazon.com/machine-learning/inferentia/

Inferentia 主要優勢：

更快地運行機器學習推理：Inferentia 的高效能可顯著加速推理速度，從而降低延遲並提高吞吐量。
以更低的成本運行機器學習推理：Inferentia 的低成本可以更低的成本來運行機器學習推理，從而提高投資回報率(ROI)。
提高機器學習推理的可用性：Inferentia 的高可用性可確保推理應用程式始終可用，即使在高峰期也是如此。

Inferentia 適用場景：

影像辨識：在即時應用程式中辨識物件和場景。
詐欺偵測：偵測信用卡詐欺和其他金融詐欺行為。
自然語言處理：理解和回應自然語言。
推薦系統：向使用者推薦產品和服務。
異常檢測：檢測工業設備中的異常狀況。

AWS Inferentia 的設計目標是為運行深度學習模型的推理階段提供高效、經濟的解決方案，尤其適合需要大規模部署機器學習模型的企業用戶。透過使用Inferentia，企業可以在保持高效能的同時，大幅降低營運成本。

Amazon EC2 AI Instances

AWS EC2 AI 專用執行個體 是AWS 提供的多種針對AI 工作負載進行了最佳化的EC2 執行個體類型。

EC2 執行個體類型清單：
https://aws.amazon.com/ec2/instance-types/

Amazon EC2 Trn1 Instances

專長：生成型AI 模型的高性能、經濟高效訓練。

優勢：

專為訓練生成式AI 模型（例如大型語言模型和擴散模型）而設計。

與其他EC2 實例相比，可節省高達50% 的訓練成本。

劣勢：可能不適用於其他類型的AI 訓練任務。

Amazon EC2 P5 Instances

專長：深度學習與高效能運算(HPC) 應用的最高效能GPU 執行個體。

優勢：

提供業界領先的效能，適用於最嚴苛的深度學習和HPC 工作負載。

與上一代GPU 實例相比，CPU、記憶體和本地儲存均有顯著提升。

適用於各種類型的AI 訓練和推理任務。

劣勢：通常比其他AI 實例類型更昂貴。

Amazon EC2 Inf2 Instances

專長：生成式AI 推理的最低成本高效能實例。

優勢：

專為部署生成式AI 模型（例如大型語言模型）的推理而設計。

在Amazon EC2 中提供最低的推理成本。

適用於需要低延遲、高吞吐量推理的場景。

劣勢：不適用於訓練AI 模型。

Amazon EC2 G5 Instances

專長：圖形密集應用程式和機器學習推理的高效能GPU 實例。

優勢：

提供強大的圖形處理能力，適用於遊戲、影片編輯和虛擬桌面基礎架構(VDI) 等應用。

也適用於各種類型的AI 推理任務。

劣勢：可能比某些更專注於AI 的實例類型更昂貴。

選擇合適的EC2 AI 實例類型取決於要完成的特定AI 任務，選型方案簡單總結如下：

需要高性價比的生成式AI 訓練，選Trn1 實例。

需要最高表現的深度學習或HPC 訓練與推理，選P5 實例。

需要低成本的生成式AI 推理，選Inf2 實例。

需要適用於圖形和AI 推理的通用型GPU 實例，選G5 實例。

Amazon EC2 UltraClusters

Amazon EC2 UltraClusters 是專為高效能運算(HPC) 和機器學習應用設計的超大規模基礎架構。它們由數千個Amazon EC2 執行個體組成，每個執行個體都配備了NVIDIA A100 Tensor Core GPU。

產品首頁：
https://aws.amazon.com/ec2/ultraclusters/

UltraClusters 的適用場景：

科學計算：包括天氣預報、氣候建模和藥物發現等。
工程模擬：包括流體動力學、結構分析和碰撞模擬等。
人工智慧：包括機器學習、深度學習和自然語言處理等。
高效能運算：包括金融建模、風險分析和基因組學研究等。

UltraClusters 提供業界領先的效能，它的緊密互聯架構可確保低延遲，這對於通訊密集型應用程式至關重要。 UltraClusters 的高效能、低延遲和高吞吐量特性，使其成為最苛刻的HPC 和ML 工作負載的理想選擇。

Amazon SageMaker HyperPod

Amazon SageMaker HyperPod 是一種完全託管的、可擴展的、為機器學習模型訓練和部署而設計的專用基礎架構。它可在數週內訓練大型語言模型和其他大規模模型，而無需操心基礎架構。

產品首頁：
https://aws.amazon.com/sagemaker/hyperpod/

主要優勢：

更快訓練模型：可將訓練時間縮短40%，從而更快地將模型推向生產環境。
降低成本：可降低訓練成本，因為它使用專為機器學習工作負載優化的硬體。
易於使用：HyperPod 是一種完全託管的服務，因此無需使用者管理基礎架構。
可擴展：HyperPod 可擴展到數千個GPU，因此可以訓練最大的機器學習模型。

使用場景：

訓練大型語言模型(LLM)：HyperPod 是訓練LLM 的理想選擇，例如GPT-3 和Jurassic-1 Jumbo。
訓練其他大規模模型：可用於訓練各種其他大規模模型，例如推薦系統、電腦視覺模型和自然語言處理模型。
部署模型到生產環境：可用於將模型部署到生產環境，以便它們能夠服務於即時預測。

HyperPod 是一項相對較新的服務，目前仍在開發更新中。它適用於需要快速、經濟高效地訓練和部署模型的組織。

AWS AI 通用方案

亞馬遜的機器學習和AI解決方案非常廣泛，涵蓋了從基礎的AI模型到複雜的生成式AI解決方案，旨在幫助各種規模的企業透過AI技術提高生產力、創新產品和服務，以及優化營運效率。透過這些解決方案的提供，亞馬遜不僅推動了AI技術的普及，也為全球的技術開發者和企業提供了強大的工具和平台，以實現他們的創新訴求。

介紹頁：
https://aws.amazon.com/solutions/ai-ml/

語言理解Language Understanding

AI for Marketing

AI for Marketing (行銷智慧化) 旨在幫助企業更好地理解使用者意圖和互動上下文，這對於行銷至關重要同時也頗具挑戰性。

方案介紹：
https://aws.amazon.com/solutions/ai-ml/ai-marketing/

AI for Marketing 主要功能：

客戶細分：使用機器學習來識別客戶群並預測他們的行為。
個人化行銷：創建針對每位客戶的個人化行銷活動。
行銷測量：衡量行銷活動的有效性並進行最佳化。
詐欺偵測：識別和防止詐欺性活動。

AI for Marketing 可用於各種行銷活動：

數位行銷：提高數位廣告系列的績效。
電子郵件行銷：創建更有效的電子郵件行銷活動。
社群媒體行銷：提高社群媒體行銷活動的參與度。
顧客忠誠度行銷：提高顧客忠誠度和留存率。

AI for Marketing 透過AWS強大的雲端服務和AI/ML技術，讓企業更深入了解客戶行為，優化行銷策略，提升行銷活動的效率與成效。透過此解決方案，企業可以更精準地定位目標市場，實現個人化行銷，並提升客戶參與度和滿意度。

Chatbots & Virtual Assistants

Chatbots & Virtual Assistants (聊天機器人與智慧助理) 解決方案旨在透過互動式協助簡化客戶管道的監控、操作和故障排除工作。

方案介紹：
https://aws.amazon.com/solutions/ai-ml/chatbots-virtual-assistants/

此方案的主要特點：

互動式幫助：提供互動式幫助，讓客戶服務更加便利。
多通路整合：可以在多個客戶管道中使用，包括社交媒體、網站和行動應用程式。
即時監控與操作：幫助團隊即時監控客戶互動，並進行有效操作。
故障排除：簡化故障排除流程，提升解決問題的效率。
接收警報和診斷資訊：能夠接收即時警報並檢索診斷訊息，幫助快速定位問題。
資源配置和工作流程啟動：允許配置資源和啟動工作流程，以自動化常規任務。
AI推薦：提供基於人工智慧的推薦，協助提升決策品質和客戶體驗。

Chatbots & Virtual Assistants 能夠協助企業提升客戶服務質量，減少人力成本，同時提升顧客滿意度與忠誠度。該解決方案為企業提供了一個高效、可擴展的聊天機器人和虛擬助理平台。

Contact Center Intelligence

Contact Center Intelligence (AWS CCI, 客服聯絡智能化) 解決方案旨在透過向客戶選用的聯絡中心添加人工智慧能力，提升客戶體驗、提高客服代理的工作效率，並獲取對話洞察，而無需任何機器學習專業知識。

方案介紹：
https://aws.amazon.com/solutions/ai-ml/contact-center-intelligence/

AWS CCI 的主要特點：

提升客戶體驗：透過AI增強的聯繫中心服務，改善客戶服務體驗。
提高客服代理效率：利用AI技術幫助客服代理更快解決問題，提升工作效率。
對話洞察：透過分析客戶與代理商的對話，獲得有價值的洞察與回饋。
自助虛擬代理：提供基於AI的自助服務，減輕客服代理的工作負擔。
即時通話分析：使用Agent Assist 功能進行即時通話分析，即時提供輔助資訊。
通話後分析：通話結束後對對話內容進行深入分析，以改善服務品質。

AWS CCI 可用於各種行業，包括零售、銀行、醫療保健和電信業。此解決方案透過結合AWS的ML服務，為企業提供了一個強大的工具集，用於優化客戶服務流程，提升客戶滿意度，並增強客服代理的工作表現。

Intelligent Document Processing

Intelligent Document Processing (AWS IDP, 文件處理智慧化) 解決方案旨在透過人工智慧技術自動化和最佳化文件處理流程。 IDP 可以自動化文件處理任務，從而提高決策品質並降低成本。

方案介紹：
https://aws.amazon.com/solutions/ai-ml/intelligent-document-processing/

AWS IDP 的主要功能：

文檔分類: 根據文檔類型對文檔進行分類。
資料提取: 從文件中提取關鍵數據，例如姓名、地址和日期。
情緒分析: 分析文檔的情緒。
詐欺偵測: 識別詐欺性文件。

AWS IDP 可用於各種行業：

金融服務: 處理貸款申請、保險索賠和反洗錢(AML) 文件。
醫療保健: 處理醫療記錄、保險索賠和病患資料。
政府: 處理福利申請、稅務申報和移民文件。
公用事業: 處理客戶帳單、服務請求和故障報告。

Intelligent Document Processing 解決方案透過自動化文件理解和處理，幫助企業提高工作效率，減少人為錯誤，同時降低對紙本文件的依賴，實現資訊的快速檢索和分析。透過此方案，企業能夠更好地管理和利用其文件中蘊含的訊息，從而提高決策品質和業務效率。

Intelligent Search

Intelligent Search (智慧搜尋) 解決方案利用人工智慧和機器學習技術來增強網站和應用程式中的企業搜尋功能。

方案介紹：
https://aws.amazon.com/solutions/ai-ml/intelligent-search/

AWS Intelligent Search 的主要功能：

相關性排名：使用機器學習來對搜尋結果進行排名，以確保最相關的結果顯示在頂部。
自然語言處理(NLP)：瞭解使用者的查詢意圖，並提供與查詢相關的結果。
個人化：根據使用者的個人資料和搜尋紀錄自訂搜尋結果。
分析：提供搜尋行為的見解，以幫助您改善搜尋體驗。

Intelligent Search 可用於各種行業，包括零售、電子商務、媒體和娛樂以及政府。此方案能幫助企業改善其搜尋功能，使搜尋結果更加精準和高效，這對於提升用戶體驗、增加用戶參與度和提高轉換率至關重要。

個人化與推薦Personalization & Recommendation

Personalization

Personalization (個人化服務) 是指根據客戶個人的喜好和需求來客製化產品、服務和內容的策略。透過個人化服務，企業可以提高客戶滿意度、參與度和轉換率。

方案介紹：
https://aws.amazon.com/solutions/ai-ml/personalization/

AWS Personalization 利用人工智慧和機器學習技術，幫助企業實現以下目標：

了解客戶：整合來自內部和第三方來源的數據，全方位了解客戶，例如他們的購買歷史、瀏覽行為和搜尋習慣。
預測客戶需求：利用機器學習演算法預測客戶最感興趣的產品、服務和內容。
提供個人化推薦：向客戶推薦他們可能感興趣的產品和服務，從而提高轉換率。
打造個人化使用者體驗：為每位客戶提供客製化的網站、應用程式或其他內容，從而提高客戶滿意度和參與度。

Personalization 個人化服務是一種強大的策略，可協助企業與客戶建立更牢固的關係、提高客戶忠誠度並增加收入。此方案適用於各種行業和企業規模，任何希望改善客戶體驗並提高銷售額的企業都可以從中受益。

Prediction & Recommendation

Prediction & Recommendation (預測與推薦服務) 是一種利用機器學習技術為使用者提供個人化體驗的方案。該方案透過整合來自內部和第三方資料來源的信息，幫助企業了解使用者行為並預測他們的需求，從而提供更具針對性的推薦和內容。

方案介紹：
https://aws.amazon.com/solutions/analytics/prediction-recommendation/

此方案的核心功能：

資料收集：整合來自內部系統（例如銷售資料、網站瀏覽記錄）和第三方來源（例如社群媒體資料）的數據，以建立完整的使用者畫像。
機器學習分析：利用機器學習演算法分析使用者數據，識別使用者行為模式並預測他們的需求和興趣。
個人化推薦：基於使用者畫像和預測結果，向使用者推薦他們可能感興趣的產品、服務或內容。
內容個人化：根據使用者偏好自訂網站、應用程式或其他內容，提升使用者體驗。

預測與推薦服務適用於各種產業和企業規模，例如:

電子商務：推薦用戶可能感興趣的產品
串流服務：推薦用戶可能喜歡的電影或電視節目
新聞網站：推薦用戶可能感興趣的文章

預測與推薦服務是一種強大的工具，可幫助企業更好地了解客戶、預測他們的需求並提供個人化的體驗，從而提高客戶滿意度、參與度和銷售額。

應用程式開發Application Development

Content Moderation

Content Moderation (智慧內容審核) 是AWS 提供的一套利用機器學習技術來提高內容審核效率的解決方案。

方案介紹：
https://aws.amazon.com/solutions/ai-ml/content-moderation/

Content Moderation 的主要特點：

自動偵測有害內容：使用AI 和機器學習來識別和標記可能有害的內容，例如仇恨言論、暴力威脅和色情內容。
機器學習支援：ML驅動的內容審核可協助組織處理大量複雜的使用者生成內容（UGC），並減少團隊手動審核內容所花費的時間。
審核內容的準確性：透過自動化和AI能力，提供可靠的內容審核機制，幫助審核員更準確、更有效地審核內容。
保護使用者免受傷害：幫助保護使用者免受有害內容的侵害。

Content Moderation 方案讓企業更有效地管理和控制其平台上的內容，確保使用者安全，同時遵守相關法規，保護品牌形象。這對於社交媒體、論壇、評論區和其他用戶互動頻繁的線上平台尤其重要。

Media Intelligence

Media Intelligence (智慧媒體) 解決方案透過應用人工智慧和機器學習技術來分析和整理媒體訊息，如視訊、影像和音訊檔案。這使用戶能夠更輕鬆地標記、回憶和組合他們的媒體資產。

方案介紹：
https://aws.amazon.com/solutions/ai-ml/media-intelligence/

隨著基於媒體的資訊（如視訊、影像和音訊）數量的增加，對其進行編碼、分類和組織變得越來越困難，Media Intelligence 方案的主要功能包括：

內容分析：使用AI/ML 分析媒體內容，例如影片和圖像，以識別物件、場景和活動。
內容搜尋：允許使用者根據內容中的物件、場景和活動搜尋媒體資產。
內容管理：幫助使用者組織和管理他們的媒體資產。

Media Intelligence 方案對於媒體和娛樂公司、廣告公司、內容發行商以及其他需要處理大量媒體檔案的組織來說尤其有價值。透過此解決方案，企業可以提高內容的可檢索性，並加快內容的再利用和分發，同時降低管理成本。

Fraud Detection

Fraud Detection (智慧反詐) 解決方案旨在利用機器學習（AI/ML）技術來幫助組織識別和預防詐欺行為。

方案介紹：
https://aws.amazon.com/solutions/ai-ml/fraud-detection/

Fraud Detection 解決方案的關鍵點：

多通路監控：需要跨多個管道（客戶、員工、供應商）進行觀察、追蹤、檢查和分析行為。
趨勢識別：識別正確和錯誤的趨勢，了解何時何地需要介入。
漏洞分析：了解潛在的漏洞所在，並透過大規模分析關閉這些漏洞，以降低詐欺風險。

詐欺是組織成本和乾擾的主要來源，Fraud Detection 方案使企業能夠更有效地監控和分析潛在的詐欺行為，從而提高安全性，減少損失，並保護品牌聲譽。這對於金融機構、電子商務平台、保險公司以及其他面臨詐欺風險的組織尤其重要。

Identity Verification

Identity Verification (智慧型識別) 是AWS 提供的一套利用機器學習技術來提高身分驗證流程的解決方案。傳統的面對面用戶身份驗證難以擴展、成本高昂且對用戶來說操作繁瑣。機器學習驗證可以即時驗證身份並檢測欺詐，這可以提高用戶體驗、減少欺詐並降低成本。

方案介紹：
https://aws.amazon.com/solutions/ai-ml/identity-verification/

Identity Verification 解決方案的關鍵點：

即時驗證：透過將機器學習訓練的識別和分析能力添加到註冊和認證工作流程中，可以即時驗證使用者身分。
偵測詐欺和重複帳戶：能夠偵測詐欺和重複帳戶，提高安全性。
改善使用者體驗：透過自動化和智慧化的身份驗證流程，提升使用者體驗。
降低詐欺風險：減少詐欺行為，保護企業和用戶免受詐欺損失。
降低驗證成本：透過自動化驗證過程，減少人力成本和相關開銷。

Identity Verification 方案能協助企業在使用者註冊和登入時提供更安全、更快速、更經濟的身份驗證方法。這對於金融服務、線上市場、社群媒體平台等需要高安全性身分驗證服務的產業尤其重要。

預測分析Predictive Analytics

Forecasting

Forecasting (預測服務) 解決方案擴展了Amazon Forecast 的功能，Amazon Forecast 是一項全託管服務，使用統計和機器學習演算法提供高度準確的時序預測。

方案介紹：
https://aws.amazon.com/solutions/ai-ml/forecasting/

此解決方案主要功能：

利用各種統計和機器學習演算法產生準確的預測。
可用於各種時序預測案例，例如需求預測、庫存最佳化和資源規劃。
易於使用，無需機器學習經驗即可開始使用。
與Amazon Forecast 集成，提供完全託管的預測服務。

Forecasting 解決方案是一個易於使用且強大的解決方案，可協助企業做出更準確的預測並做出更明智的商業決策。此方案無需機器學習經驗，即可基於歷史數據預測未來時序數據，適用於零售、供應鏈、資源和營運計畫等常見用例的規劃。

Predictive Maintenance

Predictive Maintenance (預測性維護) 是一種利用物聯網感測器(IoT) 、機器學習和資料分析來預測裝置故障的策略。透過事先識別潛在問題，企業可以採取預防措施，避免意外停機並降低維護成本。

方案介紹：
https://aws.amazon.com/solutions/ai-ml/predictive-maintenance/

此解決方案的主要功能：

數據採集：從物聯網感測器收集設備運行數據，例如溫度、振動和壓力。
數據分析：使用機器學習演算法分析數據，識別異常模式和預測潛在故障。
維護警報：在潛在故障發生之前發出警報，以便企業採取預防措施。
維護最佳化：根據預測結果優化維護計劃，提高維護效率並降低成本。

預測性維護解決方案的優點包括：

減少意外停機：事先識別潛在問題，避免意外停機導致的生產損失。
降低維護成本：優化維護計劃，減少不必要的維護工作。
提高設備壽命：透過及時維護，延長設備使用壽命。
提高生產效率：減少停機時間，提高生產效率。

預測性維護方案適用於各種產業，包括製造業、公用事業、石油和天然氣、交通運輸等。預測性維護是一種有效的策略，可協助企業提高資產可靠性、降低維護成本並提高生產效率，任何需要維護設備的企業都可以從該解決方案中受益。

Operationalizing Machine Learning

Operationalizing Machine Learning (操作化機器學習) 是指將機器學習模型部署到生產環境並使其發揮作用的過程。這涉及許多步驟，包括模型訓練和評估、部署、監控和更新等。

方案介紹：
https://aws.amazon.com/solutions/analytics/operationalizing-machine-learning/

操作化機器學習可能是一項複雜且具挑戰性的任務，特別是在大型企業中。 AWS 提供各種服務和工具來協助企業操作化機器學習，包括Amazon SageMaker、AWS Lambda、Amazon API Gateway 和Amazon CloudWatch 等，可協助企業快速建立各種操作機器學習落地方案。

操作化機器學習的優點包括：

提高決策效率：機器學習模型可以自動執行複雜的任務，進而提高決策效率。
提高生產力：機器學習模型可以自動化重複性任務，進而提高員工的生產力。
降低成本：機器學習模型可以優化流程並減少浪費，從而降低成本。
獲得競爭優勢：機器學習可以幫助企業獲得競爭優勢，例如透過開發新產品或服務。

操作化機器學習適用於各種行業和場景，包括詐欺偵測、客戶服務、風險管理、產品推薦等。操作化機器學習是一種強大的工具，可幫助企業提高效率、降低成本並獲得競爭優勢。

流程自動化Automations

Process Intelligence

Business Process Discovery, Mining, and Analysis Automations (業務流程發現、挖掘和分析自動化) 是AWS 提供的一套解決方案，旨在幫助業務運營領導者簡化和減少評估組織內部流程所需的時間、費用和錯誤。

方案介紹：
https://aws.amazon.com/solutions/automations/business-process-discovery-mining-analysis-automations/

此方案的特點：

降低營運成本：透過自動識別系統中的偏差和瓶頸，幫助減少業務流程的營運成本和資料吞吐時間。
流程最佳化：使組織能夠透過自動化事件日誌中的流程分析，創造更有效率的多通路客戶互動資料路徑。
加速流程發現：透過自動化分析，最終減少流程發現所需的時間。

業務流程發現、挖掘和分析自動化解決方案透過AWS的雲端服務和自動化技術，幫助企業更快速地識別和改進業務流程，提高效率和回應市場變化的能力。

Process Assessment Automations

Process Assessment Automations (流程評估自動化) 是AWS 提供的一套旨在協助團隊自動化業務流程評估的解決方案。

方案介紹：
https://aws.amazon.com/solutions/automations/process-assessment-automations/

此解決方案的特點：

自動化評估：透過自動化業務流程評估，幫助組織了解實際遵循的業務流程。
資料來源：直接從事件日誌中提取信息，並自動化分析基於螢幕的人類活動，取代經驗性收集的資訊。
效能和合規性：幫助組織回答針對雲端、邊緣或本地流程的具體效能和合規性導向的評估問題。

流程評估自動化解決方案利用AWS的雲端服務能力，使企業能夠更有效地評估和優化其業務流程，確保流程的透明度和合規性，同時提高整體的業務效能。這對於需要確保業務流程符合規定標準、提高效率和降低風險的組織尤其重要。

AI for Dev and DevOps

AI for Dev and DevOps (人工智慧輔助開發與維運) 解決方案專注於將AI 技術引入軟體開發和維運流程，幫助企業更輕鬆地建置、部署和管理AI 應用。

方案介紹：
https://aws.amazon.com/solutions/ai-ml/ai-dev-devops/

此方案透過各種服務協助企業達成以下目標：

提高開發人員效率：利用AI 程式碼產生、智慧程式碼完成功能等，幫助開發人員更快速地編寫程式碼。
改善程式碼品質：透過AI 程式碼審查工具，幫助識別程式碼缺陷並提出改進建議。
簡化模型訓練與部署：提供託管式機器學習平台，幫助降低模型訓練和部署的複雜度。
優化應用程式效能：利用AI 效能分析工具，幫助識別應用程式瓶頸並進行效能最佳化。
提高維運效率：透過AI 異常檢測和故障預測功能，幫助維運人員更快辨識和解決問題。

隨著人工智慧技術在眾多企業環境的快速融入，利用最佳實踐、恰當架構、冗餘和可擴展性來管理這些生產級AI系統，以確保大規模性能發揮，已成為必不可少的一步。 AI for Dev and DevOps 方案旨在透過人工智慧技術賦能Devops 流程，幫助企業更有效率、更敏捷地建構和管理AI應用。

ML Ops & Infrastructure

ML Ops & Infrastructure (機器學習運作與基礎設施) 著重於實施適當的開發運維(DevOps) 標準提高系統的可靠性、易操作性和可維護性，提供一系列服務幫助企業建置、管理和最佳化機器學習環境。

方案介紹：
https://aws.amazon.com/solutions/ai-ml/ml-ops-infrastructure/

此方案的核心在於將DevOps 原則應用於機器學習工作流程，幫助企業更輕鬆達成以下目標：

簡化模型訓練和部署：提供託管式機器學習平台，使模型訓練和部署流程更加自動化和有效率。
可擴展的機器學習基礎設施：提供彈性可擴展的基礎設施資源，可根據需求輕鬆擴展或縮減用於機器學習的運算能力。
監控模型效能：提供工具幫助監控機器學習模型的效能表現，辨識潛在問題並加以改善。
資料管理：提供資料版本控制和資料管道等工具，幫助管理和最佳化機器學習工作流程中的資料。
CI/CD 整合：協助將機器學習模型整合到CI/CD管道中，實現自動化的模型更新和部署。

機器學習技術正迅速融入各種生產環境，涵蓋實體和虛擬環境。 ML Ops & Infrastructure 方案透過將DevOps 文化引入機器學習領域，使企業能夠建構和管理高效、可維護的機器學習環境。

低代碼/無代碼Low Code No Code

Low-Code/No-Code (低程式碼/無程式碼) 是一種快速開發應用程式的方法，無需編寫大量程式碼。它使用可視化介面和拖放功能，使任何人都可以創建應用程序，即使他們沒有編程經驗。

方案首頁：
https://aws.amazon.com/solutions/cross-industry/#Automations

AWS 低程式碼/無程式碼平台提供各種功能，主要包括：

視覺化建模：使用拖放介面來設計應用程式的使用者介面和工作流程。
預先建置元件：使用預先建置的元件來新增常見的功能，例如登入表單和地圖。
資料連接：連接到資料庫和其他資料來源。
業務邏輯：使用簡單的腳本或表達式來新增業務邏輯。
部署支援：快速將應用程式部署到生產環境。

低程式碼/無程式碼平台的優點：

更快：可以更快地創建應用程序，因為無需編寫大量程式碼。
更便宜：可以降低開發成本，因為無需僱用昂貴的開發人員。
更易於使用：任何人都可以使用，即使他們沒有程式設計經驗。
更靈活：可以輕鬆地更改應用程序，以滿足不斷變化的需求。

AWS 低程式碼/無程式碼開發支援AI 應用程式場景主要有：

AI/ML 資料準備自動化：AWS提供的解決方案透過AI/ML技術簡化了機器學習的資料準備過程，無需編碼，使更多使用者能夠輕鬆實施完整的ML工作流程，提升資料處理的速度和準確性。
資料品質治理自動化：AWS解決方案利用雲端原生和ML驅動的自動化，幫助組織快速獲得資料驅動的業務洞察，簡化資料集的發布流程，並能與現有和未來的資料管道輕鬆整合。
財務分析自動化：AWS上的財務分析工具為財務團隊提供了一個無需編碼的自動化平台，整合了資料來源和進階分析技術，以簡化稅務和財務審計流程。
財務流程自動化：CFO和財務領導者可以利用AWS的機器人流程自動化服務，自動化帳戶對帳、報告、預算和預測等重複性工作，提升組織效率和運作速度。

Low Code/No Code 整合AI 的能力，都旨在降低技術門檻，使非開發者也能夠參與到應用程式和ML專案的創建中，從而加快AI應用的開發並促進創新。

AWS AI 產業方案

亞馬遜持續進行技術創新和產品改進，在提高人工智慧服務性能、降低成本、增強安全性等方面不斷努力的同時，也致力於推動AI應用在各行業的落地，如生產製造、高科技、零售、金融、醫療等，為客戶提供更多的解決方案和服務。 AWS 也持續擴展其生態系統，與合作夥伴一起為開發者和企業提供更多的工具和服務，幫助他們輕鬆建置和部署AI應用。

介紹頁面：
https://aws.amazon.com/industries/

廣告與行銷Advertising & Marketing

方案首頁：
https://aws.amazon.com/solutions/advertising-marketing/

Ad Intelligence & Measurement

Ad Intelligence & Measurement (智慧廣告與效果監測) 包括AWS 提供的多種解決方案，借助AI/ML 技術幫助廣告客戶和代理商改善其廣告投放並更好地理解廣告系列的效果。具體方案包括：

亞馬遜廣告洞察(Amazon Ads Insights)

Amazon Ads Insights 讓分析師和業務用戶能夠輕鬆地在自己的應用程式和AWS 環境中視覺化亞馬遜廣告活動報告和受眾洞察力，並可在配置AWS 服務查詢亞馬遜廣告API 時減少實施時間。

廣告客戶和代理商可以使用這些解決方案分析影片、音訊、展示和贊助廣告等廣告管道的資料集，以全面深入了解客戶歷程。

語境分析(Contextual Analysis)

情境分析解決方案利用機器學習(ML) 幫助廣告客戶和發布商透過將廣告放置在與內容相關的附近位置來改善可尋址性和受眾體驗。

對於資料科學家來說，這通常需要花費大量時間在資料工程、資料預處理和訓練上，以便從海量媒體內容中提取元數據，或使用機器學習模型每天對數十億次廣告事件進行評分。

AWS 上的語境分析解決方案可協助客戶減少在資料工程上花費的時間，並投入更多時間在資料科學上，從而加快基於機器學習的情境廣告工作負載的產品開發和發布，例如內容元資料提取、品牌安全分析和詐欺預防。

即時廣告機器學習(Machine Learning for Real-Time Advertising)

即時廣告機學習解決方案使客戶能夠將機器學習(ML) 應用於openRTB 資料集，以過濾掉不需要的傳入和傳出競價請求、預測廣告系列投放並制定定價策略。

機器學習可幫助客戶創新並優化其實時廣告策略。

測量、歸因與驗證(Measurement, Attribution & Verification)

行銷團隊需要了解不同策略對銷售和收入的影響，並知道如何相應地優化其行銷工作。

借助測量、歸因和驗證解決方案，企業能夠利用分析和機器學習從不同的資料集中提取有關相關性和因果關係的見解，以優化廣告和行銷活動以及支出。

Digital Customer Experience

AWS Digital Customer Experience (數智化客戶體驗) 方案透過整合前沿科技，例如生成式AI，幫助企業簡化內容製作流程，從而提高客戶參與度並支援更個人化、更具針對性的內容創作。具體解決方案包括：

數位化內容創作(Digital Content Creation)

數位化內容創作解決方案利用生成式人工智慧等新興技術，幫助企業高效製作相關且引人入勝的內容，涵蓋文字、圖像、影片、音訊和多媒體等格式。

透過使用這些解決方案，企業可以提高客戶參與度，並支援更個人化、更具針對性的內容創作。

數位化內容管理(Digital Content Management)

全球企業需要在所有全球數位接觸點上管理其內容，例如付費管道、自有管道和賺取媒體管道。例如，他們需要管理網站、行動應用程式、電子商務、社交媒體、實體店、行銷和廣告等管道的內容。

透過AWS 的數位化內容管理解決方案，這些企業可以有效率地管理品牌資產、內容儲存、存取和交付。這些解決方案可協助全球企業簡化內容管理並提高客戶參與度。

智能化與個人化(Intelligence & Personalization)

為了更好地優化內容、推薦產品、建立細分市場以及推動行銷決策（例如「最佳後續推薦」和「最佳後續行動」），企業必須分析並利用客戶互動數據來獲取洞察力。 AWS 的智慧化與個人化解決方案除了生成式人工智慧之外，還運用人工智慧和機器學習(AI/ML) 技術進行預測性個人化。透過使用這些解決方案，企業最終可以提高客戶參與度和轉換率。

零售Retail

方案首頁：
https://aws.amazon.com/solutions/retail/

Advanced Data Insights

零售商為了滿足全球消費者的需求，需要運用數據分析以獲得深刻的消費者洞察，進而提升銷售額與營運效率。 AWS 基於AI/ML技術提供的 Advanced Data Insights (高階資料洞察) 解決方案，協助零售商擷取資料價值，做出更明智的業務決策：

自動化語言翻譯(Automated Language Translation)

為了迎合全球消費者，零售商需要一種方式為他們的產品設定自動翻譯。在地化和翻譯可以幫助零售商調整其內容，以吸引使用不同語言的消費者。

AWS 的自動化語言翻譯解決方案使用人工智慧(AI) 翻譯服務，可以快速、可擴展地翻譯數百萬個產品標題和描述。這些解決方案可以改善客戶和賣家之間的互動，從而增加收入。

商業智慧與分析(Business Intelligence & Analytics)

零售企業需要分析大量資料來理解購物者行為、商店環境和供應鏈營運。

AWS 的商業智慧和分析解決方案使零售商能夠利用機器學習建立下一代智慧和洞察引擎，以幫助其品牌脫穎而出、影響客戶行為並增加收入。

個性化(Personalization)

透過個人化，零售商可以改善對消費者的產品推薦並提高銷售轉換率。個人化利用機器學習為零售商提供高度相關的內容和產品推薦。

透過使用這些個人化解決方案，企業可以利用機器學習獲取有關消費者購買和瀏覽行為的見解，從而提高他們對定向促銷做出回應的可能性，並推動銷售轉換的改善。

商品分析(Product Analytics)

零售商必須不斷收集有關其產品的回饋，以了解購物者的需求及其購物旅程。

使用AWS 的商品分析解決方案，公司可以利用點擊流等來源的資料來深入了解使用者互動模式。透過更好地理解用戶瀏覽行為、偏好和參與度，零售商可以推動產品創新並優化行銷投資。

視覺搜尋(Visual Search)

文字描述可能無法準確描述購物者尋找的商品類型。使用視覺搜尋解決方案，購物者可以使用圖像代替文字來瀏覽零售商的行動應用程式或網站。

購物者只需上傳來自他們自己相機的圖像或網路上的圖像即可搜尋類似的商品。這提高了搜尋結果的準確性，使零售商能夠提高轉換率。

Customer Engagement

在零售業，提升客戶參與度至關重要。透過利用各種數據和智慧化工具，零售商可以打造更具吸引力的客戶旅程，並與消費者建立更緊密的關係。 AWS 提供的 Customer Engagement (客戶參與度數智化) 解決方案，幫助零售商運用人工智慧、機器學習和大數據技術來實現這一目標：

智慧客服聊天機器人(AI for Chatbots)

零售商可以透過使用人工智慧(AI) 聊天機器人來改善客戶服務。 AWS 提供的這些解決方案涵蓋了能夠進行自然語言處理的聊天機器人，可以更好地分析人類語言。

透過在網站上部署這些AI 聊天機器人，企業可以縮短回應時間、創造更好的客戶體驗，同時提高營運效率。

客戶資料平台(Customer Data Platform)

當客戶資料分散在多個系統中時，很難全面了解客戶。客戶數據平台可以集中所有客戶數據，使零售商能夠更好地洞察每個客戶的需求，並做出更明智的決策。

目標行銷(Target Marketing)

目標行銷解決方案使零售商能夠提供自動化的個人化互動。這可以幫助零售商與客戶保持聯繫、提供優質的客戶服務並提高品牌知名度。

Digital Commerce

電子商務蓬勃發展，為零售商帶來了巨大的機會。然而激烈的競爭也要求零售商不斷創新，改善使用者體驗。 AWS 提供一系列 Digital Commerce (數位電商解決方案) 解決方案，幫助零售商優化線上零售業務的各個環節並引入智慧化應用場景：

機器人防護(Bot Protection)

電子商務網站流量近30% 來自網路機器人(bot)。這些自動腳本會影響使用者體驗，例如搶佔限量供應商品或對網站造成過多訪問壓力。

AWS 機器人防護解決方案可以偵測並阻止惡意網路機器人，保護品牌形象，讓真正使用者獲得更優質的購物體驗。

沉浸式零售(Immersive Retail)

隨著消費者期望的提高，商家需要提供更豐富的購物體驗，幫助消費者更了解商品。

AWS 沉浸式零售解決方案可讓零售商輕鬆建立3D 產品預覽和虛擬商店，讓消費者更直觀地感受到商品，從而促進銷售並降低退貨率。

商品內容生成(Product Content Generation)

製作生動形象的商品描述和圖片是零售商的一大難點。 AWS 商品內容產生解決方案可以協助商家產生商品內容，幫助零售商在維持品牌特色的前提下提升產出效率，最終提高消費者參與度和銷售額。

Intelligent Supply Chain

高效的供應鏈管理至關重要，它可以幫助零售商降低成本、提高營運效率並改善客戶體驗。 AWS 基於機器學習和人工智慧技術提供 Intelligent Supply Chain (供應鏈智慧) 解決方案，幫助零售商優化供應鏈的各個環節：

物聯網倉儲(IoT for Warehouse)

即時監控倉庫營運狀況對於零售商而言至關重要。然而，許多零售商缺乏必要的工具來檢測倉庫設備的狀態，這可能會導致營運中斷。物聯網倉儲解決方案可讓零售商在倉庫設備中部署物聯網感測器，以便更好地預測設備故障並提前採取措施，從而提高營運效率並降低成本。

供應鏈優化(Supply Chain Optimization)

優化庫存分佈是提高零售營運效率的重要手段。供應鏈最佳化解決方案可以幫助零售商在供應鏈中設定最佳的庫存配置，從而最大限度地減少營運、製造、運輸和配送成本。透過使用這些解決方案，零售商可以更好地避免因缺貨而導致的銷售損失，滿足銷售預測並改善客戶體驗。

電信、媒體與娛樂Telecommunications, Media & Entertainment

方案首頁：
https://aws.amazon.com/solutions/telecom/
https://aws.amazon.com/solutions/media-entertainment/

Telecommunications

電信業競爭激烈，留住現有用戶並拓展新用戶是成功的關鍵。 AWS 提供一系列 Telecommunications (電信業) 解決方案，幫助電信業者(CSP) 借助AI技術應對挑戰，提高客戶滿意度並增加收入：

智慧客戶挽留與行銷方案(Intelligent Customer Retention & Marketing Offers)

對電信業者而言，留住現有用戶比拓展新用戶更具成本效益。智慧客戶挽留與行銷方案利用機器學習技術幫助電信業者預測客戶流失風險，並針對高風險流失客戶提供個人化服務優惠，進而降低客戶流失率並提升顧客滿意度。

智慧詐欺監測(Intelligent Fraud Monitoring)

電信詐欺是指非法竊取電信服務商或其客戶的資費。電信公司傳統上使用基於規則的引擎進行詐欺分析，該引擎會產生可疑行為的警報。然而，隨著犯罪手段的不斷更新，這種方法的效率越來越低。

AWS 的智慧詐欺監控解決方案利用機器學習技術識別詐欺行為模式，並標記可疑活動進行調查。此方案可降低電信業者管理規則引擎的人力成本，並減少電信詐欺帶來的損失。

Direct-to-Consumer & Streaming

在當今競爭激烈的媒體娛樂產業，吸引觀眾並提供優質的內容服務至關重要。 AWS 提供一系列 Direct-to-Consumer & Streaming (直接面向消費者與串流媒體) 解決方案，協助媒體機構優化串流媒體服務、提升智慧化水準並打造卓越的客戶體驗：

消費者體驗(Consumer Experience)

消費者體驗解決方案幫助媒體機構建立創新的互動式內容，並在大規模使用的情況下依舊能保證流暢穩定的播放體驗。

透過此方案，媒體機構可以個人化和優化其在所有平台上的獨特產品，從而有效識別、獲取、互動並留住用戶。

智慧運營(Intelligent Operations)

智慧營運解決方案可以幫助媒體娛樂公司輕鬆、有效率地監控串流媒體工作流程和觀眾的觀看體驗。

此方案提供全面的監控和系統運作狀況提醒，幫助您維持高品質的服務(QoS) 並進行即時串流媒體效能分析。透過這些可操作的洞察力，媒體機構可以改進產品並為觀眾帶來更優質的觀看體驗(QoE)。

Data Science & Analytics for Media

在當今數據驅動的媒體娛樂產業，利用數據分析內容、預測用戶行為以及優化營運決策至關重要。 AWS 提供一系列 Data Science & Analytics for Media (資料科學與媒體分析) 解決方案，協助媒體機構運用人工智慧與機器學習技術從資料中發掘價值，提升內容製作、發佈與營運效率：

內容產生與轉換(Content Generation & Transformation)

內容生成與轉換解決方案無需機器學習專業知識即可利用生成式人工智慧進行內容創作，例如對話、故事、圖像、影片和音樂。生成式人工智慧擁有變革各產業的潛力，這些解決方案可以幫助企業開啟探索之旅。

媒體智能(Media Intelligence)

媒體智慧解決方案可以幫助媒體娛樂公司將媒體資產庫遷移到雲端，降低儲存成本的同時改善搜尋功能並提高媒體資產的變現能力。

該方案可以設定工作流程，在遷移媒體資產到AWS 的過程中分析視訊、圖像和/或音訊文件，並產生有價值的元資料。這可以簡化媒體遷移過程，並改善內容的搜尋、發現和變現。

個性化(Personalization)

個人化解決方案以Amazon Personalize 為基礎進行客製化，滿足媒體和娛樂產業特定的推薦用例。透過使用這些解決方案，可以建立符合客戶期望的個人化體驗，從而提高參與度並提升客戶終身價值。

智慧場館(Smart Venue)

智慧場館解決方案可為媒體、娛樂和體育場館的所有者和營運商提供以粉絲為中心和場地管理的解決方案。場館業主和營運商可以透過該方案增加場館產品銷售、提高營運效率、改善永續性並最終取悅粉絲。

運動表現分析(Sports Performance Analytics)

運動表現分析解決方案可以讓體育賽事組織機構大規模分析數據並做出更明智的決策。這些數據涵蓋運動員的健康、安全、粉絲洞察以及新商業模式的建立等面向。

透過分析這些數據，機構可以幫助監控運動員的健康和安全，為粉絲提供獨特的即時洞察力，將運動員的表現統計數據添加到廣播中，進行運動員選秀和招募，並創建新的officiating（賽事裁判或執法）方式。

金融服務Financial Services

方案首頁：
https://aws.amazon.com/solutions/financial-services/

Banking

為了幫助銀行提高效率、降低風險並提供更優質的客戶服務，AWS 基於AI/ML技術提供了一系列 Banking (銀行業) 解決方案，涵蓋從財務模型分析到詐欺偵測等多個方面：

財務模型(Financial Modeling)

銀行風控分析師需要分析大量內部和外部數據，並在各種情境下進行預測和計算。快速且穩定地運行這些計算可以幫助銀行更好地管理風險並應對不斷變化的市場狀況。

AWS 的財務模型解決方案可以幫助銀行計算風險、評估投資組合價值並產生報告，滿足內部控制功能和外部監管機構的需求。

信用決策(Credit Decisioning)

現今的銀行業競爭激烈，銀行需要快速利用申請資料做出信用決策。為了保持競爭力，銀行必須利用更多數據來豐富決策過程，並即時告知客戶審批狀態。

AWS 的信用決策解決方案可以幫助銀行更快、更有效、更低成本地從大量結構化和非結構化資料中獲取洞察力。利用這些解決方案，銀行可以更有效地做出信用決策並更快地滿足客戶期望。

欺詐檢測(Fraud Detection)

隨著數位化進程的推進，銀行越來越多地採用數位工具和服務與客戶互動。然而，詐欺活動也隨之增加。

AWS 的詐欺偵測解決方案利用機器學習，結合內部和外部資料來源來驗證身分和識別客戶，幫助銀行應對日益猖獗的詐欺行為。

個人化推薦(Personalized Recommendations)

現今的客戶期望銀行提供更個人化、更及時的互動。他們希望銀行能夠主動推薦相關產品和服務。沒有利用數位管道或客戶資料來建立完善客戶檔案的銀行可能會錯失銷售機會。

為了留住客戶，銀行需要能夠捕捉和分析客戶互動、建立用戶細分、識別購買訊號並及時標記客戶情緒的科技手段。

Capital Markets

為協助資本市場機構應對日益複雜的法規環境、資料管理需求以及不斷萎縮的利潤空間，AWS 基於AI/ML技術提供的 Capital Markets (資本市場) 解決方案，涵蓋了通訊監管和風險管理平台等方面，助力機構實現合規經營與業務創新：

通訊監管(Communications Surveillance)

傳統基礎設施的缺乏彈性以及容量分配的困難等因素，為金融服務機構的通訊監理帶來了許多挑戰。

AWS 的通訊監管解決方案提供基於雲端的解決方案，可擷取各種通訊資料格式，並透過機器學習和資料分析簡化存檔、監管和電子資料擷取流程，使機構能夠將精力集中在創新、成長和實現通信合規上。

風險管理平台(Risk Management Platforms)

資本市場公司面臨著不斷變化的環境，例如新的資料管理需求、高度複雜的監管法規以及不斷縮小的利潤空間。

AWS 的風險管理平台解決方案為公司提供了基於雲端的現代化選擇，協助其管理交易、法規和風險。透過這些解決方案，公司可以實現交易、風險和後台辦公系統的數位轉型，從而推動創新和成長。

Insurance & Payments

有效的風險管理和理賠處理流程對保險公司至關重要。 AWS 基於AI/ML技術提供一系列 Insurance & Payments (保險與支付) 解決方案，協助保險公司利用數據分析技術提升承保理賠效率並降低詐欺風險：

企業報告與分析(Enterprise Reporting & Analytics)

許多保險公司在製作報告時面臨數據格式化、業務邏輯重建以及跨部門提供一致指標和洞察等挑戰。 AWS 的企業報告與分析解決方案可以幫助保險公司利用數據改善業務報告，並提供更全面的分析功能。

利用主來源和替代資料進行信用決策(Credit Decisioning Using Primary & Alternative Data)

由於大數據的發展，金融機構現在可以獲得更多數據(例如年度收入、就業資訊和資產) 來評估潛在藉款人的信用狀況。然而，人工尋找和整合這些數據通常非常耗時費力。透過在AWS 上自動化這些流程，貸款機構可以在幾秒鐘內全面了解潛在藉款人信息，從而加快申請審批流程並做出更明智的貸款決策。

詐欺防制(Fraud Prevention)

支付詐欺是消費者和金融機構日益關注的問題。如果不加以控制，詐欺會破壞信任並削弱金融業的信心。借助機器學習，金融機構可以利用詐欺評分來量化交易中的風險水平，並在事前阻止支付詐欺發生。

AWS 的詐欺預防解決方案利用來自內部和外部的資料(例如裝置情報)，幫助金融機構加強詐欺偵測和預防。即時利用數據和詐欺評分可以幫助機構將風險降至最低，並最大限度地贏得消費者信任。

醫療健康、生命科學與基因科技Healthcare, Life Sciences, Genomics

方案首頁：
https://aws.amazon.com/solutions/health/

Healthcare

隨著醫療保健和生命科學領域研究的快速發展，醫療機構需要工具從大量健康數據中快速提取見解。 AWS 運用人工智慧和機器學習技術，提供一系列 Healthcare (醫療健康) 解決方案，協助醫療機構利用雲端運算技術優化醫療研究和運營，改善病患照護品質：

用於分析和機器學習的健康資料集(Health Datasets for Analytics & ML)

健康資料集解決方案利用高品質的第三方資料集和機器學習，幫助醫療機構理解趨勢並獲得見解，從而優化醫療保健研究和營運流程，改善病患照護品質。該方案可以幫助醫療機構快速地從大量健康數據中獲得深刻的洞察力。

醫學影像(Medical Imaging)

對醫療機構而言，儲存和管理大量醫學影像資料極具挑戰性且成本高昂。醫學影像解決方案利用可擴展的雲端基礎設施和人工智慧、機器學習功能，幫助醫療機構有效地儲存、處理和分析PB 級（Petabytes，拍字節）的影像資料。這些解決方案可以幫助加快診斷速度、改善影像工作流程，並降低基礎設施的複雜性和成本。

Life Sciences

生命科學領域的研究依賴大量數據分析和計算能力。 AWS 基於AI/ML技術提供一系列 Life Sciences (生命科學) 解決方案，來協助生物醫藥機構利用雲端運算技術加速藥物研發進程，實現精準醫療：

患者預後預測(Patient Outcome Prediction)

患者數據通常分散在不同的醫療系統中，使得全面了解患者的健康狀況和預測預後結果充滿挑戰。患者預後預測解決方案利用人工智慧、機器學習和自然語言處理(NLP) 技術，對匿名化縱向患者資料進行分析，發現患者病史中的模式。這可以幫助生物醫藥機構獲得有關疾病進展等患者預後結果的見解，從而及時幹預、更早識別合適的治療方法，並進行數據驅動的護理管理。

高通量建模與篩選(High-throughput Modeling & Screening)

高通量建模和篩選解決方案是生物製藥公司快速識別治療標靶和/或候選藥物的關鍵因素。 AWS 的解決方案透過利用高效能運算和機器學習功能自動篩選或模擬藥物標靶和候選藥物，從而幫助生物製藥公司加速研發進程。

Genomics

基因科技的發展離不開強大的數據分析和運算能力。 AWS 基於AI/ML技術提供一系列 Genomics (基因科技) 解決方案，協助醫療保健和生命科學機構利用基因組資料、醫療記錄等大量資料進行分析研究，從而實現精準醫療：

多組學與多模式資料分析(Multi-Omics & Multi-Modal Data Analysis)

隨著醫療資訊化的推進，醫療機構累積了大量關於患者的基因組、醫學影像、臨床歷史、醫療索賠和感測器數據等資訊。然而，這些多模式數據雖然包含了全面的患者訊息，卻難以進行整合與分析。

AWS 的多組學和多模式數據分析解決方案可以幫助醫療機構輕鬆儲存、整合和分析基因組、健康記錄和醫學影像數據，從而加速精準醫療的進程。利用機器學習，這些解決方案可以簡化資料處理過程，將原始資料轉化為有意義的見解。

互動式分析(Interactive Analysis)

在生命科學研究中，研究人員通常需要使用來自不同來源的工具來分析大型生物數據，這些工具對資源和軟體環境有不同的需求。互動式分析解決方案可以幫助研究人員在這個實驗階段快速嘗試不同的工具，找到最適合解決其問題的分析方法。透過使用這些解決方案，研究人員可以更快地迭代分析流程並得出研究結果，從而實現科學研究和業務目標。

三級分析與機器學習(Tertiary Analysis & Machine Learning)

解讀基因資訊是一項資料密集型任務，需要強大的運算資源。 AWS 的三級分析和機器學習解決方案可以幫助將數據轉化為生物學見解。這些解決方案為醫療機構提供了更大規模的運算效率、可重複的資料處理以及資料整合功能，並且滿足合規要求。

汽車與物流運輸Automotive & Logistics

方案首頁：
https://aws.amazon.com/solutions/automotive/

Autonomous Vehicle Development

隨著自動駕駛技術的發展，汽車製造商面臨嚴峻的挑戰，例如如何安全有效地收集、管理和分析來自汽車感測器的大量數據，以及如何利用這些數據訓練自動駕駛模型。 AWS 提供的 Autonomous Vehicle Development (自動駕駛開發) 解決方案，可協助汽車製造商克服這些挑戰，加速自動駕駛汽車的研發進程：

資料採集、攝取與增強(Data Collection, Ingestion & Enrichment)

自動駕駛汽車需要從雷射雷達、毫米波雷達、衛星導航系統、攝影機、遠端資訊處理和電子控制單元(ECU) 等多個感測器安全地收集、攝取和儲存資料。

AWS 的數據收集、攝取和增強解決方案可以幫助識別、分類和快速查詢這些感測器數據，用於開發車道維持輔助系統(LKAS) 和自動緊急煞車(AEB) 等功能的模型和演算法。

資料標註與匿名化(Data Labeling & Anonymization)

在自動駕駛汽車的研發過程中，汽車製造商會產生大量的數據，這些數據都需要標記、分類和驗證，以確保訓練資料集的準確性。此外，為了遵守歐盟一般資料保護規範(GDPR) 或加州消費者隱私法(CCPA) 等法規，個人可識別資訊(PII) 必須匿名化。

AWS 的解決方案可以幫助汽車製造商透過改進的自動化、工具和工作流程，在AWS 雲端中有效管理資料標註和匿名化。

資料管理、處理與分析(Data Management, Processing & Analytics)

自動駕駛汽車開發公司需要一個統一的資料儲存庫來支援自動駕駛開發生命週期。資料管理、處理和分析解決方案可以建立管道來執行分析、分類和資料擷取轉換載入(ETL) 功能，為資料標記、機器學習和模擬做準備。

這些解決方案為公司提供了靈活且可擴展的資料飛輪，分類後的資料將繼續用於支援模型開發、模擬、測試和驗證等環節的迭代工作，從而優化整體的研發流程。

模型與演算法開發(Model & Algorithm Development)

為了將自動駕駛汽車推向市場，開發人員和資料科學家需要開發、訓練和部署越來越複雜的機器學習模型和演算法。利用AWS 的機器學習和人工智慧解決方案，他們可以存取強大且易於管理的工具和可擴展的基礎設施，在雲端中開發具有成本效益的模型和演算法。

借助這些工具，製造商可以建立強大的解決方案，支援車道維持輔助、自適應巡航控制和自動緊急煞車等關鍵自動駕駛功能，從而加快上市時間。

仿真與驗證(Simulation & Verification)

模擬是驗證進階駕駛輔助系統(ADAS) 和自動駕駛功能（例如車道維持輔助系統、自適應巡航控制和自動緊急煞車）有效性的重要步驟。模擬和驗證解決方案可以在雲端執行這些功能的驗證和確認。

透過支援軟環測試(SIL) 和硬體環測試(HIL) 模擬工作負載的原始和合成數據，這些解決方案可以提高整體測試覆蓋率。

Smart Supply Chain

隨著供應鏈日益複雜，企業如何利用數據驅動決策，優化庫存管理、物流規劃以及各環節的營運效率已成為關鍵。 AWS 基於AI/ML技術提供一系列 Smart Supply Chain (智慧供應鏈) 解決方案，協助企業實現智慧化供應鏈管理，降低成本、提升效率：

決策智能(Decision Intelligence)

供應鏈營運會產生關於客戶訂單變更、生產和運輸營運即時追蹤、庫存水準等大量資料。這些數據蘊含著寶貴的見解，可用於客戶偏好、產能負荷平衡、運輸成本優化等方面的決策。傳統分析方法可能需要數週的時間處理資料才能產生可行洞察，但這些洞察可能很快就會過時。

AWS 的決策智慧解決方案結合閉環人工智慧運作(AIOps) 和機器學習，可以監控和維護決策模型，並及時提供可操作的建議。這使利害關係人能夠根據數據驅動的新見解做出接近即時的決策。

車輛預測性維護(Predictive Maintenance for Vehicles)

車隊和車輛管理人員希望透過預測性維護來識別潛在的車輛故障。然而，他們需要應對來自不同品牌和型號的車輛設備。

AWS 的車輛預測性維護解決方案可以處理來自所有車輛的數千個數據點，並分析所有過去導致故障的資產模式。透過分析感測器、駕駛員使用習慣和輪胎磨損狀況等關鍵部件的數據，管理人員可以在故障發生之前識別它們。

供應鏈響應計劃(Supply Chain Response Planning)

當供給不足時，公司必須迅速做出符合策略客戶和組織優先順序的分配決策。但是，執行團隊需要工具將領導層的目標轉化為日常操作規則。供應鏈回應計畫解決方案可以準確預測未來需求，使團隊能夠根據組織優先儲備供應，並確定最佳的倉庫來完成訂單履行。

庫存與物流可見度(Inventory & Logistics Visibility)

供應鏈公司希望即時做出數據驅動的決策，但這些數據通常分散在重複的遺留系統中。庫存和物流解決方案提供端到端供應鏈可見性(E2ESCV)，支援即時協作並識別處於風險中的訂單。工作流程自動化、分析和視覺化以及機器學習(ML) 服務進一步優化了端到端供應鏈績效。

末端智慧與可見性(Last Mile Intelligence & Visibility)

末端物流成本佔總交付成本的一半以上。送貨業者需要足夠靈活的工具來適應多種送貨車輛類型，並且足夠強大以應對密集的城市環境。末端智慧與可見性解決方案支援多站點路線規劃，以最大限度地提高營運效率，創建高效路線並協助確保按時交付。

中階智慧與可見度(Middle Mile Intelligence & Visibility)

對於車隊管理者來說，在管理中端運輸時，路線規劃至關重要。如果中端運輸營運效率低下，則會嚴重影響末端營運。借助AWS 的中階智慧與可見性解決方案，可實現營運效率最大化。歷史交通和路線運輸數據以及訂單、班次和車隊資產數據與定位服務相結合，使車隊管理人員能夠創建最有效的送貨路線。

港口自動化與可見性(Port Automation & Visibility)

港口自動化程度低，容易受到中斷影響。此外，港口之間的數據共享也存在限制，導致托運人之間的協調不良。 AWS 的港口自動化與可見性解決方案將港口利害關係人的資料連結在一起，並提供一個公共資料平台，以改善營運、貨物流動和成本最佳化。這能提高港口環境的生產力和可見性，從而為托運人帶來更好的體驗並為港口帶來更高的利潤。

高新電子與半導體Hi-Tech Electronics & Semiconductor

方案首頁：
https://aws.amazon.com/solutions/semiconductor-electronics/

Manufacturing Intelligence

高新電子製造業正面臨越來越多的挑戰，例如如何提高生產效率、降低成本以及改善產品品質。憑藉先進的AI/ML技術，AWS 提供一系列 Manufacturing Intelligence(智慧化製造) 方案，幫助製造商利用數位化的力量優化生產流程，實現智慧製造：

電子產品缺陷檢測(Defect Detection for Electronic Products)

隨著製造成本的上升，電子產品製造商的利潤空間正被壓縮。因此，他們迫切需要提高產能和良品率。 AWS 的電子產品缺陷偵測解決方案可提供近即時的瑕疵偵測功能，並協助企業及時採取糾正措施，將產品上市延遲降到最低。

製造業數位孿生(Manufacturing Digital Twin)

高科技公司希望創建虛擬的生產流程鏡像，以便視覺化和理解影響營運和生產效率的因素。 AWS 的製造業數位孿生解決方案結合機器學習和大數據分析技術，透過模擬和優化設備效能來提高產量、降低成本和改善產品質量，幫助企業做出更快的決策。

良率與故障分析(Yield & Failure Analysis)

晶片製造商和無晶圓廠的晶片設計公司都面臨著生產成本上升的挑戰。為了提高產量和利潤，這些公司需要一種方法來識別生產損失、提高產品品質並優化製造資產的生產效率。

AWS 提供相關的解決方案，幫助半導體產業的使用者進行良率和故障分析，企業可以自主部署解決方案，也可以藉助AWS 合作夥伴(例如PDF Solutions) 的力量。

Smart Connected Products

隨著物聯網(IoT) 技術的發展，越來越多的智慧產品被開發出來，如何有效地開發和管理這些產品至關重要。 AWS 基於AI/ML技術提供一系列 Smart Connected Products (智慧連網產品) 解決方案，協助高科技及相關企業優化產品開發流程，提升產品智慧化水準：

智慧產品的人工智慧訓練(AI Training for Smart Products)

開發由人工智慧和機器學習(AI/ML) 驅動的智慧產品的公司正在尋求更簡單的開發工具。資料收集和持續的產品功能增強對於這些公司至關重要，但也會帶來諸如維護來自不同來源的資料安全性和完整性以及擴展運算和儲存資源等挑戰。

AWS 的智慧產品人工智慧訓練解決方案為企業提供安全、靈活的多租戶訓練環境，支援其智慧產品的開發和訓練。

邊緣運算(Edge Compute)

高科技和物流公司越來越多地利用邊緣運算和物聯網(IoT) 技術來優化供應鏈，實現精準的資產追蹤、防盜、防篡改以及瓶頸識別。

AWS 的邊緣運算解決方案也展示了這些技術如何結合人工智慧和雲端-邊緣運算模型來提升智慧城市營運能力。這些解決方案使智慧城市能夠加強道路安全措施、優化交通流量並部署智慧路燈系統。

智慧製造與工業Smart Manufacturing & Industrial

方案首頁：
https://aws.amazon.com/solutions/industrial/

Production & Asset Optimization

對於製造商而言，提高生產效率、降低成本的同時確保設備可靠運作至關重要。 AWS 提供了一系列 Production & Asset Optimization (生產與資產優化) 解決方案，幫助製造商利用人工智慧、機器學習和物聯網(IoT) 等技術實現智慧化生產，優化資產管理流程：

資產維護與可靠性(Asset Maintenance & Reliability)

工廠停機會帶來巨大的損失。資產維護與可靠性解決方案提供易於實施的感測器和整合的分析應用程序，幫助製程工程師做出關鍵資產的明智決策，延長資產使用壽命、降低維護成本、改進資產的根本原因故障分析(RCFA)並提高平均故障間隔時間(MTBF)。

資產績效管理(Asset Performance Management)

製造商需要一種方法來管理和優化資產，以平衡生產、性能和合規性。 AWS 的資產績效管理(APM) 提供了整合的企業級視圖，使流程和離散製造業能夠匯總來自不同來源的數據，並找出可以實現更安全、更可靠的營運趨勢，同時以更低的可持續成本優化效能。透過這項智慧的整合視圖，製造商可以有效率地實現卓越營運(OE) 和整體設備效率(OEE)。

自動化軟體管理(Automation Software Management)

製造商在自動化其流程時，通常需要管理可程式邏輯控制器(PLC) 程式碼、機器人程式、韌體更新等軟體。自動化軟體管理解決方案可以幫助製造商在AWS 上組織PLC 程式碼、機器人程式和設備配置的版本，從而實現軟體管理的自動化。這些解決方案會自動審核版本更改，並向使用者發送有關這些變更的通知。還可以使用基於雲端的工具配置協作程式碼審查、開發、測試、渲染和模擬。這使製造商能夠安全地進行空中更新韌體、修補程式和PLC 程式碼更新，從而節省時間和成本。

互聯工人(Connected Worker)

製造業和工業環境通常存在溝通和培訓效率低下的問題，這可能會導致錯誤和安全隱患。互聯工人解決方案可以幫助工人理解來自不同資料來源的關鍵指標，協作交流，並透過沉浸式環境加速標準作業程序的培訓和入職。這些功能不僅可以提高工人的技能、減少錯誤和低效，還可以支援遵守安全協議並幾乎即時提醒工人注意危險。

Manufacturing & Supply Chain

製造業和供應鏈管理正面臨越來越多的挑戰，例如如何提高產品品質、預測需求變化以及優化生產計劃。 AWS 提供的 Manufacturing & Supply Chain (製造與供應鏈管理) 解決方案，協助企業運用人工智慧、機器學習、物聯網等技術實現智慧製造與智慧供應鏈，提高效率、降低成本：

電腦視覺品質洞察(Computer Vision for Quality Insights)

自動化品質控制流程可以提高良品率、流程效率並確保產品品質。電腦視覺品質洞察解決方案可以幫助品質和製程工程師收集和分析來自不同來源的數據，例如來自多個供應商的攝影機數據，這可以比人工檢測節省大量時間。自動影像分析可以進行根本原因分析並制定糾正措施，幫助團隊管理整個製程生命週期，並更好地實現大規模的零缺陷目標。

預測性品質管理(Predictive Quality)

製造商經常會遇到事後檢測產品缺陷導致關鍵績效指標(KPI) 延遲的問題。雖然這種檢查可以識別缺陷，但並不能滿足製造商預測或預防缺陷的需求。預測性品質管理解決方案可以為製造商提供領先的KPI，以便在缺陷發生之前識別品質問題。這些解決方案使用AWS IoT 服務整合製造流程數據，並將這些數據與在製品和產成品品質數據結合起來，並利用人工智慧和機器學習計算來預測缺陷發生。

需求預測與計畫(Demand Forecasting & Planning)

為了保持敏捷性，汽車產業的供應鏈和物流管理人員需要健壯且無錯誤的需求規劃工具來進行準確的預測。利用AWS 的需求預測和規劃解決方案，他們可以使用人工智慧和機器學習工具產生準確無偏的需求預測，而無需依賴歷史預測數據。透過實施這些解決方案，管理人員可以大規模地分析公司數據；減少需求變化對企業及其客戶的影響；並簡化銷售、行銷和供應鏈利害關係人之間的溝通。

驅動因素需求計劃(Driver-based Demand Planning)

為了滿足不斷增長的客戶需求，製造和工業企業需要先進的規劃流程來提高預測準確性並幫助管理波動性。驅動因素需求計畫解決方案將內部驅動因素（例如歷史銷售、產品組合績效和定價）與外部驅動因素（例如物流限制和薪資）聯繫起來並加以理解，以支援更健壯和準確的需求計畫。透過實施這些解決方案，製造和工業企業可以期待系統和流程更好地連接，同時還可以享受服務水準的提高和降低營運資金需求的益處。

綜合這些產業解決方案，可以看出隨著人工智慧技術的快速發展，AI 已成為各行各業的重要工具。 AWS 產業解決方案充分利用AI 的強大功能，為企業提供智慧轉型方案，助力企業在競爭中脫穎而出。

Amazon AI 生態建設

亞馬遜的生態合作策略是搭建平台、開放生態、做大蛋糕：以AWS 先進的雲端運算服務設施和匯集的千萬級各種規模的客戶和開發者為基礎，開放邊界聚合多方技術和資源，共同做大市場來實現共贏共享，透過創造公平的市場生態促進產業良性發展。

介紹頁：
https://aws.amazon.com/partners/work-with-partners/

AWS 亞馬遜雲端科技

亞馬遜的AI 能力主要透過其雲端運算平台 Amazon Web Services (AWS) 輸出，AWS 在亞馬遜的AI策略佈局中扮演著至關重要的角色。

AWS 介紹：
https://aws.amazon.com/about-aws/

AWS 的主要佈局包括：

基礎設施支援：AWS 提供了完整的基礎設施服務，包括運算、儲存、網路、資料庫等，為AI應用的開發、訓練和部署提供了強大的基礎設施支援。
AI服務套件： AWS 提供了豐富的AI服務套件，包括機器學習、深度學習、自然語言處理等，涵蓋了AI應用的各個環節。
開發者工具和平台：AWS 提供了各種開發者工具和平台，例如Amazon SageMaker、Amazon Bedrock 等，可協助開發者更輕鬆地建置、訓練和部署AI應用。
合作夥伴生態系統：AWS 擁有龐大的合作夥伴生態系統，包括獨立軟體供應商（ISV）、系統整合商（SI）和顧問公司等，可以為客戶提供全面的AI解決方案。
積極的研發投入：AWS 每年投入大量的資金進行技術研發，並不斷推出新的AI服務和功能，以滿足客戶不斷增長的需求。

AWS 在人工智慧領域透過持續的投資、創新和合作，建構了完整的AI 服務體系，並持續推動AI 技術的應用和落地。 AWS 在人工智慧領域的佈局和發展，對全球科技產業產生深遠的影響，其AI 產品和服務被廣泛應用於各個行業，推動了人工智慧技術的普及和應用。

AWS 合作夥伴網絡

AWS 合作夥伴網路(AWS Partner Network, APN) 是一個由數以萬計的合作夥伴組成的全球性計劃，旨在幫助企業和組織利用AWS 雲端平台的創新力量。

APN 首頁：
https://aws.amazon.com/partners/

APN 提供多種合作夥伴類型，以滿足不同合作夥伴的需求：

諮詢合作夥伴：幫助客戶設計、實施和管理AWS 雲端解決方案。
技術合作夥伴：提供與AWS 互通或整合的產品和服務。
託管服務供應商：提供基於AWS 的託管服務，例如基礎設施即服務(IaaS)、平台即服務(PaaS) 和軟體即服務(SaaS)。
分銷商：銷售AWS 服務和支援。
培訓合作夥伴：提供AWS 培訓和認證。

APN 提供多種合作夥伴計劃，以幫助合作夥伴發展和擴展其業務：

APN 註冊：免費的基本等級計劃，可讓合作夥伴存取AWS 資源和工具。
APN Select：付費計劃，可為合作夥伴提供更多福利，例如行銷支援、銷售線索和技術支援。
APN Advanced：更高層級的付費計劃，可為合作夥伴提供最全面的福利，包括優先存取AWS資源和工具、合作夥伴徽標和聯合行銷機會等。

APN 為合作夥伴提供各種資源，以協助他們發展和擴展其業務：

合作夥伴入口網站：可存取AWS 資源、工具和支援的集中位置。
合作夥伴培訓和認證：幫助合作夥伴學習和掌握AWS 技術的課程和認證。
行銷和銷售支援：幫助合作夥伴推廣其業務和銷售AWS 服務的資源。
技術支援：幫助合作夥伴解決AWS 技術問題的資源。

企業和組織可以造訪AWS 合作夥伴網站並申請加入APN，加入APN 可以為合作夥伴帶來包括獲得新客戶和收入來源、提高品牌知名度和信譽、獲得最新的AWS 技術和產品資訊等優勢。合作夥伴可以與AWS 專家和合作夥伴社群互動，分享知識和經驗。

AWS Marketplace

AWS Marketplace 是一個數位商店，可讓客戶發現、取得和部署來自AWS 合作夥伴和第三方供應商的軟體解決方案。

Marketplace 首頁：
https://aws.amazon.com/marketplace/

AWS Marketplace 提供各種類型的軟體和服務：

應用軟體：客戶關係管理(CRM)、企業資源規劃(ERP)、財務、供應鏈管理等。
資料與分析：資料倉儲、資料湖、商業智慧、機器學習等。
開發工具：整合開發環境(IDE)、程式碼儲存、測試和部署工具等。
安全性和合規性：安全性掃描、漏洞評估、身分和存取管理等。
營運：監控、日誌記錄、IT 服務管理等。
媒體與娛樂：內容管理、數位資產管理、串流等。
物聯網(IoT)：設備管理、數據分析、應用程式開發等。

使用AWS Marketplace 有以下優勢：

發現新的解決方案：瀏覽數千個來自世界各地領先的軟體供應商的解決方案。
快速部署：只需點擊幾下即可啟動和運行軟體。
預先驗證的解決方案：所有解決方案都經過AWS 驗證，以確保它們與AWS 雲端平台相容並符合安全標準。
彈性的定價：選擇按需付費、預留實例或按使用量付費的定價模式。
簡化的管理：在一個地方管理所有Marketplace 訂閱。

使用AWS Marketplace 需要先登入AWS 管理控制台後，即可瀏覽Marketplace 中的各種軟體解決方案，找到感興趣的解決方案後，可以閱讀其詳細資訊、查看其定價並啟動試用版。如果決定購買解決方案，可以立即部署到自己的AWS 帳戶。

Alexa

Alexa 是亞馬遜推出的 AI 智慧助手，可透過語音與用戶交互，能夠回答問題、播放音樂、設定鬧鐘、管理清單、提供導航等，還可控制智慧家庭設備，其背後主要利用了自然語言處理和機器學習技術。

Alexa 官網：
https://www.amazon.com/alexa

Alexa 的主要功能

下載Alexa：
https://alexa.amazon.com/

Alexa 的功能非常廣泛，主要包含：

語音交互：使用自然語言與使用者交互，並完成使用者的指示。
音樂播放：播放來自Amazon Music、Spotify、Pandora 等音樂串流服務中的音樂。
鬧鐘設定：設定鬧鐘和提醒。

清單管理：建立和管理待辦事項清單。

天氣預報：查詢當前天氣和未來天氣預報。
導航：提供路線導航和交通狀況資訊。
智慧家庭控制：控制智慧家庭設備，例如燈、恆溫器、門鎖等。
資訊查詢：回答各種主題的問題。
技能擴充：透過安裝技能來擴充Alexa 的功能，例如玩遊戲、訂購外送、聽新聞等。

Alexa 用情境舉例：

在家中：控制智慧家庭設備，例如燈、恆溫器、門鎖等，或播放音樂、設定鬧鐘、查詢天氣等。
在旅途中：導航、查詢交通狀況、預訂飯店或機票等。
工作中：撥打電話、發送電子郵件、設定會議提醒等。
在學習中：聽新聞、查詢資訊、學習外語等。
在娛樂中：玩遊戲、聽音樂、看電影等。

Alexa 提供了廣泛的功能，可滿足使用者的各種需求。隨著人工智慧技術的發展，Alexa 的功能將變得更加強大，為使用者帶來更智慧化的生活服務。

Alexa 的能力與特性

Alexa Skills 首頁：
https://www.amazon.com/alexa-skills/

Alexa 支援多種裝置和平台，包括：

智慧揚聲器：Amazon Echo、Echo Dot、Echo Studio 等。
智慧電視：Amazon Fire TV、Fire TV Stick 等。
智慧汽車：支援Alexa 的汽車，例如BMW、Ford、Honda 等。
智慧型手機：支援Alexa 的智慧型手機，例如iPhone、Android 手機等。
其他設備：支援Alexa 的其他設備，例如智慧溫度調節器、智慧插座等。

Alexa 的亮點：

強大的語音辨識能力：可以準確地辨識使用者的語音，即使是在吵雜的環境中。
豐富的功能：提供了廣泛的功能，可以滿足使用者的各種需求。
開放的平台：Alexa 的平台非常開放，開發者可以開發各種技能來擴展Alexa 的功能。
不斷更新：Alexa 的功能不斷更新，以滿足使用者的需求。

Alexa 的主要競爭對手有：

Google Assistant：由Google 開發的虛擬助手，在功能和效能方面與Alexa 類似。
Apple Siri：由Apple 開發的虛擬助手，主要整合在Apple 裝置中。
Samsung Bixby：由三星開發的虛擬助手，主要整合在三星設備中。
百度小度：由百度開發的虛擬助手，主要針對中國市場。
阿里巴巴天貓精靈：由阿里巴巴開發的虛擬助手，主要面向中國市場。

總之，亞馬遜Alexa 是一款功能強大、平台開放的智慧助手，可為用戶提供便利、智慧的生活體驗。 Alexa 在語音辨識能力、功能豐富度、平台開放性、更新速度和用戶群等方面都具有優勢，是目前市場上最具競爭力的虛擬助理之一。

Alexa for Business

Alexa for Business 是將亞馬遜Alexa 語音助理功能應用於工作場所的雲端服務。它允許員工使用Alexa 進行各種任務，還可以幫助企業提高效率、降低成本並改善員工體驗。

介紹頁面：
https://developer.amazon.com/alexa/alexasmartproperties

Alexa for Business 的主要功能：

語音控制：員工可以使用Alexa進行語音控制，而無需使用鍵盤或滑鼠。
會議管理：員工可以使用Alexa設定會議、加入會議和控制會議室設備。
電話撥打：員工可以使用Alexa撥打電話，無需使用手機。
智慧家庭控制：員工可以使用Alexa控制智慧家庭設備，例如燈、恆溫器和門鎖。
資訊查詢：員工可以使用Alexa查詢天氣、交通、新聞等資訊。
技能擴展：企業可以開發或購買Alexa技能來擴展Alexa的功能，例如CRM、ERP、財務等。

Alexa for Business 可應用於各種工作場景：

會議室：員工可以使用Alexa設定會議、加入會議和控制會議室設備。
辦公室：員工可以使用Alexa撥打電話、控制智慧家庭設備和查詢資訊。
工廠車間：工人可以使用Alexa控制生產設備和查詢生產資訊。
零售商店：員工可以使用Alexa幫助顧客查詢商品資訊和完成購買。

Alexa for Business 可以幫助企業降低辦公成本，幫助員工提高工作效率、讓員工的工作更輕鬆、更方便，進而改善員工體驗。它已成功應用於各種工作場景，並得到了許多企業的認可。

Alexa for Developer

Alexa 開發平台 是一個允許開發者為Alexa 智慧助理創建技能的平台。這些技能可以擴展Alexa 的功能，使其能夠執行更多任務。

Alexa 開發首頁：
https://developer.amazon.com/alexa

Alexa 開發平台提供以下功能：

Alexa Skills Kit (ASK)：一套工具和服務，可協助開發者建立、測試和發布Alexa 技能。
Alexa Voice Service (AVS)：一項允許開發者將Alexa 語音功能整合到其裝置和應用程式中的服務。
Alexa Developer Console：一個用於管理Alexa 技能和裝置的Web 介面。

要創建Alexa 技能，開發者需要使用ASK 提供的工具和服務：

Skill Builder：一個視覺化介面，用於建立技能的基本結構。
Code Editor：一個用來編寫技能程式碼的編輯器。
Testing Tools：用來測試技能功能的工具。

一旦技能開發完成，開發者就可以提交給Alexa Developer Console 進行審核。如果審核通過，技能將發佈到Alexa 技能商店，供使用者下載。 ASK 提供的工具和服務非常易於使用，即使是初學者也可以輕鬆創建Alexa 技能。

Alexa 擁有龐大的用戶群，為開發者提供了巨大的市場機會。透過Alexa 開發平台，開發者可以擴展Alexa 的功能，使其能夠為用戶提供更豐富、便利的服務。

AI 研究與治理

Amazon Science

Amazon Science 是亞馬遜旗下的研究部門，他們透過科學的方法和技術創新來推動新的客戶體驗，並解決現有的客戶痛點。

Amazon Science 網址：
https://www.amazon.science/

Amazon Science 的主要訊息如下：

客戶為中心：Amazon Science 的核心是專注於客戶體驗，透過科學的方法來滿足客戶需求。
全球影響力：亞馬遜的全球規模使其科學和技術影響力能夠擴展到全球。
多學科融合：該部門結合了人工智慧、機器學習以及相關領域的專業知識，以補充工程和產品學科。
吸引頂尖人才：由於對客戶關注和全球影響力的專注，Amazon Science 吸引了人工智慧和機器學習領域中最聰明的頭腦。

Amazon Science 在AI領域的研究情境：

研究論文：涵蓋了語音增強、口語理解、對話、副語言學和音高估計等主題。
技術創新：利用最新的科學與技術，如因果隨機森林和貝葉斯結構時間序列，從稀疏資料推斷，確保客戶盡快獲得最有用的資訊。
產品細節捕捉：使用先進的模型來捕捉產品細節，例如在廣泛的產品範圍內工作的首個模型使用第二U-Net編碼器來捕捉細粒度的產品細節。
資料集和AI/ML服務：提供存取公共資料集的權限，以及AWS AI/ML服務和工具。
招募和團隊建立：Amazon Science 也正在積極招募具有機器學習和人工智慧背景的科學家和工程師，以加強其研究和開發能力。

Amazon Science 與AI相關的研究領域包括：

電腦視覺
對話式人工智慧
機器學習
自動推理
資訊與知識管理
搜尋與資訊檢索
機器人技術

Amazon Science 體現了亞馬遜在科學研究和技術創新方面的努力，旨在透過科學的方法解決實際問題，並推動公司的長期發展和客戶滿意度。

聯合研究與學術合作

亞馬遜的聯合研究與學術合作計畫旨在聘請世界級的學術專家，讓他們在繼續在大學進行教學和研究的同時，參與解決大規模的技術挑戰。

介紹頁：
https://www.amazon.science/academics-at-amazon

此合作項目的主要訊息如下：

亞馬遜學者計劃（Amazon Scholars）：一個為全球大學中的學術人員設計的計劃，他們希望在繼續在大學教學和研究的同時，參與解決大規模的技術挑戰。
亞馬遜訪問學者計畫（Amazon Visiting Academics, AVA）：針對尋求將研究方法應用於解決複雜技術挑戰的預聘至新聘學者，同時繼續他們在大學的工作。
博士後科學家：為最近的博士學位畢業生提供機會，在與具有工業界和學術界背景的經驗豐富的科學家一起工作的同時，推進研究。
合作與研究：亞馬遜與學術界的合作不僅限於聘請學者，還包括與大學合作，共同開展研究項目，以及為學者提供資源和數據，以支持他們的學術研究。
學術自由：亞馬遜允許參與合作的學者在保持學術自由的同時，將其研究與亞馬遜的技術挑戰結合起來。
資源支持：亞馬遜提供資源和支持，幫助學者在他們的研究領域內取得進展，並可能將其研究成果應用於亞馬遜的產品和服務。

透過這些合作項目，亞馬遜不僅能夠吸引頂尖的學術人才來解決實際的技術問題，同時也為學術界提供了一個將理論研究應用於實際問題的平台。這種合作有助於推動科學和技術的進步，同時也為亞馬遜帶來了新的創新想法和解決方案。

Responsible AI

Building AI responsibly at AWS 是亞馬遜致力於以負責任的方式開發人工智慧的實踐，旨在將AI作為推動積極變化的力量。

介紹頁：
https://aws.amazon.com/machine-learning/responsible-ai/

隨著生成式AI的快速發展，帶來了創新的同時也引發了一系列新的挑戰。 AWS致力於在整個AI生命週期中整合負責任的AI實踐，從教育、科學和客戶需求出發，採取以人為本的方法。

負責任的AI包括多個核心維度：

公平性：關注系統對不同使用者群體（如性別、種族）的影響。
可解釋性：提供機制以理解和評估AI系統的輸出。
隱私和安全：確保資料免遭盜竊和暴露。
魯棒性：確保AI系統可靠運作的機制。
治理：在組織內部定義、實施和執行負責任的AI實踐的過程。
透明度：向利害關係人傳達AI系統的訊息，以便他們可以就使用該系統做出明智的選擇。

AWS 提供各種工具和資源，協助開發人員和企業建立負責任的人工智慧系統：

Amazon SageMaker Guardrails：幫助開發人員避免常見的人工智慧偏差和安全問題。
Amazon SageMaker Clarify：幫助開發人員了解並解釋人工智慧模型的決策。
Amazon Responsible AI Assessment Tool：幫助企業評估其人工智慧實踐的負責任程度。
Amazon Responsible AI Whitepapers：提供有關負責任人工智慧的最新資訊和最佳實踐。

AWS 與多個利害關係人組織以及全球各地的大學合作，共同推動負責任和可信賴的AI和ML技術發展。 AWS 也支援開發有效的基於風險的AI監管框架，保護使用者權利的同時持續創新。

AWS 透過研究資助支持AI領域的進一步研究，設立AI和ML獎學金計劃以及We Power Tech 等項目，採取以人為本的方法教育下一代AI領導者，為科技領域的弱勢群體或代表性不足的群體增加實踐學習、獎學金和指導的機會。 AWS 也透過與政府、聯合國等的互動，致力於分享知識和專業技能，推動AI的安全和負責任使用。

Secure AI

Secure AI 是亞馬遜提供的安全方法，可以幫助使用者在AWS 上安全地開發、部署和使用AI應用程式。它涵蓋了AI 生命週期的各個階段，從資料準備和模型訓練到部署和推理。

介紹頁：
https://aws.amazon.com/generative-ai/security/

方法主要強調：

資料安全：保護AI 資料的安全性和機密性，並防止未經授權的存取。
模型安全：確保AI 模型免受惡意攻擊和篡改。
應用安全：保護AI 應用程式免受漏洞和攻擊。
合規性：協助滿足與AI 相關的法規和合規性要求。

AWS Secure AI 有以下優勢：

提高安全性：降低AI 應用程式的安全風險，並保護敏感資料。
降低成本：避免因安全事件造成的成本和聲譽損失。
簡化合規性：輕鬆滿足與AI 相關的法規和合規性要求。
加速創新：在安全的環境中開發和部署AI 應用程序，從而加快創新速度。

AWS Secure AI 透過這些措施，確保了在AI應用開發和部署過程中，資料的安全性和隱私保護得到了充分的考慮和保障。這有助於企業和組織能夠信任並採用AWS的AI服務，同時滿足他們對資料保護的嚴格要求。

AI 教育與推廣

AWS AI 學習平台

AWS AI 學習平台(Learn AI) 是一個綜合學習平台，旨在幫助開發者和資料科學家解鎖人工智慧技能和職業潛力。

學習入口：
https://aws.amazon.com/machine-learning/learn/

AWS AI 學習中心的主要資訊如下：

入課程和實作教程：提供深入的課程內容和實作教程，幫助學習者掌握AI技能。
多樣化的學習方式：根據個人的學習風格和節奏，選擇不同的學習路徑，從互動式教育設備到數位課程，再到專家講授。
無需編碼的基礎知識：透過PartyRock等工具，學習者可以在不需要編碼的情況下，透過實踐和有趣的方式學習生成式AI的基礎知識。
與DeepLearning.AI的合作課程：提供實踐性的AI課程，透過Vocareum提供的免費AWS控制台訪問，讓學習者能夠使用最新的生成式AI技術進行實踐培訓。
高階主管的生成式AI課程：為初學者提供，探討生成式AI的基本概念，以及它如何幫助解決高階主管面臨的挑戰並支持業務成長。
機器學習大學：提供中級課程，專注於負責任的AI，包括公平性和偏見問題，以及相關的標準、測量和緩解技術。
高級技術深入指導：為高級學習者提供實用的建議和實踐指導，教授如何在AWS上預先訓練、微調和部署最先進的基礎模型。
互動教育設備：透過AWS DeepRacer、DeepComposer和DeepLens等設備，學習者可以快速開始學習機器學習的基礎。

AWS AI 學習中心透過提供豐富的學習資源和工具，使學習者能夠在AI領域獲得必要的知識和技能，無論是為了個人發展還是職業需求。

數據與機器學習資源平台

Data and Machine Learning on AWS (資料與機器學習資源平台) 是一個綜合性資源集合，旨在幫助各種程度的專業人士掌握資料工程、資料運作（DataOps）和機器學習的複雜性。

學習入口：
https://aws.amazon.com/developer/learning/data-ops-ml-on-aws/

此資源集合的主要資訊：

多樣化的學習資源：無論使用者是初學者還是尋求高級知識的資深專業人士，這裡提供的工具和資源可以幫助他們理解和應用資料工程、DataOps和ML。
資料儲存選擇指南：提供資料庫、資料倉儲和資料湖之間的比較，幫助使用者根據自己的儲存需求做出選擇。
人工智慧與機器學習入門：提供一步步的指南，教導如何設定免費的機器學習環境，利用語言模型和ChatGPT等進行實踐，加速學習過程。
資料庫選擇考量：在AWS上有多種選擇的資料庫，這裡提供快速指南幫助使用者為專案選擇合適的資料庫。
實踐教程：包括建立即時串流分析應用程式、將資料攝取Amazon OpenSearch、分析串流資料、在Amazon OpenSearch中使用SQL搜尋和分析資料、建立由ChatGPT驅動的AI工具等。
影片教學：提供創建圖像庫應用程式、最大化使用CodeWhisperer的生產力、透過資料準備和探索整合推薦引擎模型、訓練和建立自訂縮放模型等影片教學課程。
部落格和概念文章：提供關於擴展應用程式、資料模式以實現可靠性和靈活性、簡化資料庫遷移、優化編譯和訓練等主題的文章。

AWS 資料與機器學習資源平台透過提供廣泛的學習資源和實踐機會，使用戶能夠充分釋放資料的潛力，並在資料驅動的決策和自動化中獲得競爭優勢。

AWS 生成式AI開發中心

Generative AI on AWS (生成式AI開發中心) 旨在幫助開發者學習、建構和探索生成式人工智慧應用。

開發者入口：
https://aws.amazon.com/developer/generative-ai/

此學習平台主要資訊如下：

多種工具和服務：提供包括Amazon Q、PartyRock、Bedrock在內的多種工具和服務，以支援生成式AI的開發。
Amazon SageMaker JumpStart ML Hub：提供內建演算法和預訓練模型，加速在SageMaker內的ML模型建置與部署，同時確保資料安全。
Amazon CodeWhisperer：一個AI編碼助手，可以為多種程式語言產生即時程式碼建議。
負責任的AI建構：AWS致力於開發公平、準確的AI和ML服務，並提供必要的工具和指導，幫助開發者負責任地建立AI和ML應用程式。
教學與資源：提供包括Coursera課程、影片教學、部落格文章和程式碼範例在內的豐富學習資源，幫助開發者從基礎學起，逐步深入進階技術。

AWS 生成式AI開發中心透過提供全面的服務和工具，降低了生成式AI開發的門檻，使得更多的開發者能夠探索和實現AI的潛力，推動創新。

亞馬遜生成式AI創新中心

Generative AI Innovation Center (亞馬遜生成式人工智慧創新中心) 旨在協助組織探索、識別和安全地實施生成式人工智慧解決方案。

介紹頁：
https://aws.amazon.com/generative-ai/innovation-center/

Generative AI Innovation Center 提供各種資源和服務：

學習資源：提供有關生成式AI的技術概述、用例和最佳實踐的學習資源。
工具和框架：提供各種工具和框架，幫助開發人員建構和部署生成式AI應用程式。
合作夥伴：提供與領先的生成式AI合作夥伴的連接，幫助客戶找到合適的解決方案。
專家諮詢：提供亞馬遜專家團隊的諮詢服務，幫助客戶規劃和實施生成式AI專案。

亞馬遜生成式人工智慧創新中心的主要目標是：

加速生成式AI的採用：幫助客戶了解生成式AI的潛力，並將其應用於自己的業務。
降低生成式AI開發成本: 提供工具和框架，幫助開發人員更快、更輕鬆地建立生成式AI應用程式。
促進生成式AI的創新: 與合作夥伴和客戶合作，開發新的生成式AI解決方案。

亞馬遜生成式人工智慧創新中心已經幫助許多客戶成功採用生成式AI。亞馬遜生成式人工智慧創新中心提供了一個結構化的框架和專業的指導，幫助客戶充分利用生成式AI的潛力，同時確保以安全和負責任的方式進行創新。

AWS AI Ready 計劃

AI Ready 計畫 是AWS 啟動的一項全球性倡議，旨在提升個人和社區的人工智慧技能。

介紹頁：
https://www.aboutamazon.com/news/aws/aws-free-ai-skills-training-courses

AI Ready 計畫是亞馬遜雲端科技全球雲端運算人才培育承諾的一部分，先前已宣佈在2025年之前投資數億美元，為全球2,900萬人提供免費雲端運算技能培訓。以下是該計劃的主要訊息：

免費培訓和資源：亞馬遜承諾到2025年為全球200萬人提供免費的AI技能培訓和教育資源。
課程內容：課程內容涵蓋生成式AI的基礎知識、決策者的學習計畫、AI程式助理的使用、低程式碼機器學習、語言模型建構、自動語音辨識技術等。
新課程與學習計畫：作為計畫的一部分，AWS推出8門全新的免費AI和生成式AI課程，旨在滿足不同背景和經驗水平人士的學習需求。
Udacity獎學金：與線上學習平台Udacity合作，設立了生成式AI獎學金計劃，為全球欠發達地區的超過50,000名高中生和大學生提供價值超過1,200萬美元的獎學金。
Code.org合作：與Code.org合作，幫助學生更了解生成式AI，並透過專題活動，讓學生透過程式設計和AI技術創造虛擬音樂影片。
在地化課程：亞馬遜雲端科技中國對先前推出的一系列AI和生成式AI課程進行了在地化，增加了中文字幕，幫助國內用戶更好地學習理解並掌握AI技能。

亞馬遜將與各種夥伴合作實施該計劃，包括教育機構、非營利組織和科技公司。 AI Ready 計畫體現了亞馬遜在推動AI教育普及和提升全球人才技能方面的承諾，透過提供培訓和資源，幫助人們適應並利用AI技術，以應對未來的工作挑戰。

AWS re:Invent

AWS re:Invent 是AWS 一年一度的學習型會議，專為全球雲端運算社群設計，匯集了來自世界各地的開發人員、架構師、業務領導者和雲端運算愛好者。

會議網站：
https://reinvent.awsevents.com/

活動通常包括以下幾個關鍵組成部分，尤其是與AI相關的活動：

主題演講：AWS CEO 和其他高階主管會發表主題演講，宣布新的服務和產品，分享產業洞察和AWS的願景。
AI主題演講：在主題演講中，特別關註生成式AI等尖端技術，展示AI如何在不同產業中應用。
技術研討會：提供2000多個技術會議和研討會，涵蓋從入門到進階的多個主題，包括AI、機器學習、深度學習等。
實踐培訓和認證：參與者有機會透過實踐培訓提升自己的雲端運算技能，並獲得AWS認證。
創新講座：展示客戶如何利用AWS技術，包括AI和ML服務，進行創新並解決實際問題。
開發者實驗室：提供動手實作的機會，讓開發者深入了解如何使用AWS服務，包括AI和ML工具。
Expo展覽：一個大型展覽區，展示了最新的雲端運算技術和產品，包括AI和ML相關的創新。
AI體驗區：特別設立的區域，讓參與者親身體驗AI技術，如自然語言處理、影像辨識等。

AWS re:Invent 不僅僅是一個會議，它是一個全面的學習、社交和體驗平台，讓參與者能夠深入了解和體驗雲端運算的最新發展，尤其是AI和ML領域的創新。透過這個活動，AWS展示了其在AI技術上的領導地位，並為參與者提供了一個了解和應用這些技術的平台。

AI 的主要投資與合作

亞馬遜對Anthropic 的投資

2023 年9 月，亞馬遜宣布向AI新創公司Anthropic 投資12.5 億美元，用於支援其開發安全可靠的通用人工智慧（AGI），半年後再次向Anthropic 追加投資27.5 億美元，使其在Anthropic 的總投資達到40 億美元，以進一步支持Anthropic 保持其AI的研發和創新能力。這項投資是亞馬遜迄今為止在人工智慧領域的最大筆投資，顯示了該公司對AGI 潛力的重視。

PR 文章：
https://www.aboutamazon.com/news/company-news/amazon-anthropic-ai-investment

對Anthropic 投資的目的：

開發新的AI 產品和服務：亞馬遜可以利用Anthropic 的技術來開發新的AI 產品和服務，例如聊天機器人、虛擬助理等。
確保AGI 的安全發展：亞馬遜致力於確保AGI 的安全和負責任的發展，並認為Anthropic 在實現這一目標方面發揮著重要作用。
加速AGI 的發展：這筆投資將使Anthropic 能夠更快地進行研究，這可能會加速AGI 的發展。
提高AGI 的安全性：亞馬遜對AGI 的安全性和負責任性有著強烈承諾，這筆投資可以幫助確保AGI 的安全發展。

亞馬遜對Anthropic 的投資是人工智慧領域的一個重大事件。這項投資有可能加速AGI 的發展，並對社會產生深遠的影響。

AWS 與NVIDIA 的合作

在GTC 2024 上，AWS 與NVIDIA 共同宣布NVIDIA 全新推出的Blackwell GPU 平台即將登陸AWS。 AWS 將提供NVIDIA GB200 超級晶片和B100 GPU，從而擴展兩家公司長期以來的策略合作，提供安全且先進的基礎設施、軟體和服務，幫助客戶解鎖新的生成式AI 功能。

PR 文章：
https://blogs.nvidia.cn/blog/aws-nvidia-generative-ai-innovation/

此合作資訊如下：

NVIDIA Blackwell GPU平台：AWS將引進NVIDIA在GTC 2024上發布的全新NVIDIA Blackwell GPU平台。
EC2執行個體和DGX Cloud：AWS將提供基於NVIDIA Grace Blackwell GPU的Amazon EC2執行個體和NVIDIA DGX Cloud，以提昇在萬億參數大語言模型上建置和運行推理的效能。
安全性整合：AWS Nitro System、Elastic Fabric Adapter加密和AWS Key Management Service將與Blackwell加密集成，提供端到端的資料和模型權重安全性。
超級電腦Project Ceiba：AWS和NVIDIA合作開發的Project Ceiba超級電腦將配備20,736個GB200超級晶片，處理性能突出、專用於NVIDIA的AI研發。

SageMaker集成：Amazon SageMaker將與NVIDIA NIM推理微服務集成，提昇在GPU上運行的基礎模型的性能和成本效益。

這兩家在各自領域處於引領者的企業合作，旨在透過結合AWS的雲端服務能力和NVIDIA的先進GPU技術，共同推動生成式AI的發展，並為各種應用場景提供更強大的運算能力和安全保障。

AWS 與Salesforce 的合作

2023 年11 月底，Salesforce 和AWS 宣布擴大他們的全球策略合作夥伴關係，旨在幫助客戶更輕鬆地建立可信任的AI應用程式、提供智慧的、數據驅動的CRM體驗，並將Salesforce產品帶到AWS Marketplace。

PR 文章：
https://www.salesforce.com/news/press-releases/2023/11/27/aws-data-ai-strategic-partnership-expansion/

該合作的要點：

產品集成加深：兩家公司將加深產品集成，特別是在數據和人工智慧領域。
Salesforce Data Cloud：Salesforce將大幅擴展其AWS使用範圍，並採用AWS原生方法來開發其最具策略性和成長最快的創新—Salesforce Data Cloud。
AWS Marketplace：Salesforce產品現在可在AWS Marketplace上提供，使數千家聯合客戶能夠透過無縫的購買和計費體驗加速部署Salesforce產品。
資料管理與AI技術：Salesforce將支援Amazon Bedrock，這是一個全面管理的服務，透過單一API提供領先的AI公司的基礎模型，作為Salesforce開放模型生態系統策略的一部分。
服務增強：AWS將增加對Salesforce CRM產品（包括Data Cloud）的使用，以管理其統一的客戶檔案，從而為客戶提供更個人化的體驗。
新整合功能：包括透過AWS Marketplace簡化客戶的購買選項、透過統一的資料處理增強客戶體驗、安全地將AWS資料和AI服務引入Salesforce的Einstein平台、透過Service Cloud和Amazon Connect提供無縫的客服體驗，以及為開發人員提供新的AWS計算和開發服務。

這次合作的延伸是Salesforce和AWS長期夥伴關係的一個重要里程碑，它將為雙方的客戶提供更廣泛的服務和更深入的集成，以支持他們在AI和CRM領域的創新和發展。

AWS 與IBM 的合作

2023 年10 月，IBM 宣布擴大與AWS 的合作關係，以協助更多共同客戶從生成式人工智慧中獲益。

PR 文章：
https://newsroom.ibm.com/2023-10-18-IBM-Expands-Relationship-with-AWS-to-Bring-Generative-AI-Solutions-and-Dedicated-Expertise-to-Clients

以下是合作的關鍵訊息：

生成式AI解決方案：IBM和AWS計畫提供增強了生成式AI能力的共同解決方案和服務，旨在幫助客戶在關鍵用例中快速整合AI到業務和IT營運。
專業培訓：IBM Consulting計畫在2024年底培訓10,000名顧問，以加深和擴展其在AWS上的生成式AI專業知識。
IBM watsonx與AWS的進一步整合：IBM計劃將其watsonx服務與AWS更深入地集成，合作將從幾個特定解決方案開始，包括聯繫中心現代化、AWS上的平台服務和供應鏈整合。
IBM Consulting Cloud Accelerator：IBM Consulting計畫將AWS生成式AI服務整合到其專有的Cloud Accelerator中，以協助加速雲端轉型過程。
專業知識與watsonx整合：IBM已經在AWS的生成式AI服務上建立了廣泛的專業知識，並且是最早使用Amazon Bedrock的AWS合作夥伴之一。
watsonx.data接入AWS：IBM在AWS上提供watsonx.data，這是一個基於開放lakehouse架構構建的專用數據存儲，作為完全託管的SaaS解決方案。
watsonx.ai和watsonx.governance：IBM計劃在2024年在AWS上提供這些服務。

IBM是AWS的高級合作夥伴，擁有超過22,000個AWS認證，並獲得了數十個AWS服務交付和能力認證。 IBM和AWS擁有超過40年的AI解決方案經驗，一直在合作為客戶提供成本、效率和成長方面的AI利用。這次延伸的合作關係將使IBM和AWS能夠為尋求利用生成式AI推動業務價值和轉型的企業提供更專業的服務和解決方案。

亞馬遜收購Snackable AI

亞馬遜於2022 年12 月低調收購了總部位於愛沙尼亞的音訊內容發現引擎Snackable AI，此次收購未公開財務條款，據紐約郵報報道，亞馬遜此舉旨在提升其播客功能。

收購目的：

改善亞馬遜音樂的播客用戶體驗。
Snackable AI 擅長使用人工智慧為影片和音訊添加結構和元數據，例如生成章節、亮點等，可以幫助用戶更快更有效地發現喜愛的播客內容。
亞馬遜希望透過Snackable AI 的技術為其播客服務提供類似的功能。

收購完成之後Snackable AI 團隊加入亞馬遜音樂，負責現有播客專案的開發。這表明亞馬遜正在加大對播客領域的投入，希望在其串流媒體服務中佔據更大份額。

亞馬遜收購 Angel.ai

Angel.ai 是一家專注於開發聊天機器人的新創公司，最初被稱為GoButler，該公司推出了一款虛擬助手，允許用戶按需要求服務。隨後，Angel.ai 經歷了幾次轉型，最終專注於向第三方提供自然語言處理（NLP）技術。亞馬遜在2016 年9 月收購了 Angel.ai ，這筆交易包括了該公司的技術和團隊。

這項收購目的在於加強亞馬遜在自然語言處理和聊天機器人領域的能力，這些技術可用於改善亞馬遜的客戶服務和電子商務體驗。此次收購對亞馬遜的Alexa 語音助理和AWS 的相關服務產生正面影響，Angel.ai 的技術和專業知識可以用來提升這些服務。

亞馬遜收購Orbeus

2016 年4 月，亞馬遜收購了總部位於波士頓的人工智慧新創公司Orbeus。該公司成立於2012 年，專注於使用電腦視覺技術從圖像和影片中提取資訊。 Orbeus 擁有基於深度學習的影像辨識和分析技術，可用於各種應用，例如產品辨識、場景理解和內容審核。

收購目的:

增強亞馬遜在影像分析和機器學習方面的能力。
補充亞馬遜現有的產品和服務，例如Amazon Rekognition 和Amazon S3。
吸引頂尖人工智慧人才加入亞馬遜。

透過該收購提高了亞馬遜在人工智慧領域的競爭力，加速了亞馬遜在圖像分析和機器學習方面的創新，為亞馬遜在零售、物流和廣告等領域提供了新的機會。

亞馬遜收購Yap

早在2011 年11 月，亞馬遜以1 億美元收購了語音辨識技術公司Yap。 Yap 提供基於雲端的語音辨識平台，可將語音轉換為文本，可用於各種應用，例如語音命令、語音轉錄和語音翻譯。

收購目的:

增強亞馬遜在語音辨識領域的能力。
將語音技術整合到亞馬遜的產品和服務中，包括Alexa、Kindle 和Fire TV 等。
吸引頂尖語音辨識人才加入亞馬遜。

亞馬遜收購Yap 是其語音技術策略的重要一步。這筆收購使亞馬遜能夠增強其在語音辨識領域的能力，為其在智慧家庭、穿戴式裝置和汽車等領域開發新的語音產品和服務提供競爭力。

Amazon AI 總結

亞馬遜在AI領域的發展路徑與策略佈局可以概括如下：

早期雲端服務基礎：AWS 的成立為AI服務提供了基礎架構支持，早期的雲端服務為後來的AI技術發展和應用奠定了堅實的基礎。
深化AI技術應用：AWS 先後推出一系列機器學習產品與服務，以及Amazon SageMaker、Amazon Bedrock 等AI平台，滿足企業在個人化推薦、客服提升、安全及營運提效等方面的需求，協助企業快速建構和部署AI應用。
強化基礎設施建設：除了自研晶片等技術，AWS 還與領先的軟硬體廠商深度綁定，提供最強大的AI和雲端運算基礎設施，為AI模型的訓練、推理和部署提供支援。
AI服務深度融合：AWS 不斷完善AI服務體系，涵蓋AI開發全流程、提供一站式解決方案。深入挖掘AI應用場景，將AI技術與其他雲端服務深度整合，提供更智慧、全面性解決方案。
技術研發與多元化：AWS 對AI技術的重視體現在全端佈局、安全體系建設以及多元化發展上，包括擴大產業與學術領域合作，支持新創企業、發展可信任安全AI等，以持續推動AI科技的發展、商業化與普及。
人才培育與生態建設：持續投入大量資源在AI與雲端運算的培訓、認證、拓展合作夥伴上，建構AI技術共建、資源共享、產業共贏的大生態。

亞馬遜在人工智慧領域的發展歷程和深度佈局，體現了其對AI技術的持續投入和不斷創新的決心。透過不斷推出新的服務和產品，AWS 正在幫助企業更便捷地實現數位轉型，同時也推動AI技術在更多產業和領域的應用與落地。

隨著AI技術的不斷進步，預計AWS將繼續推出更多專業且先進的AI產品和服務，加強與領先的AI企業合作、推動技術創新，以滿足市場對智慧化升級的需求。憑藉強大的技術實力、豐富的產品和服務體係以及廣泛的合作夥伴生態系統，相信亞馬遜將繼續引領人工智慧技術的創新和發展，推動更多企業和組織加速邁入AI 時代。(ADFeed)