亚马逊 AWS 副总裁 Swami 接受钛媒体采访。拍摄：苏建勋

对于大部分公司来说，本周（9月17日-19日）在上海举行的世界人工智能大会，无疑是一个展现自身 AI 实例的绝佳舞台。

作为国内人工智能领域迄今级别最高的行业活动，BAT、科大讯飞、小米、谷歌、亚马逊等企业高管均出席或发表演讲。马云从社会层面对机器与人类关系的解读，李彦宏以技术出发讨论企业掌握 AI 命脉的方法论，高管的演讲，传达出的是不同公司对人工智能的战略差异。

其中，来自亚马逊 AWS 副总裁 Swami Sivasubramanian （斯瓦米?西瓦苏布拉曼尼，以下简称 Swami）的展示就有些与众不同。

在 Swami 不到20分钟的演讲中，单是提及的客户案例，就包括了英特尔、GE、美国橄榄球联盟、GE、英特尔、Tinder、穆迪、英语流利说、F1方程赛车、图森等超过10家公司，可以说，客户层面的案例面貌，甚至比 Swami 介绍 AWS 自身的内容还要多得多。

Swami 在2018世界人工智能大会上展示出的亚马逊 AWS 客户列表

事实上，这样的行事风格，不仅体现在 Swami 的一场演讲，在整个亚马逊AWS的服务体系中，“客户”是其围绕的唯一核心。

在亚马逊成立早期，其创始人杰夫·贝佐斯（Jeff Bezos）曾说过这样一段话：“我们希望把亚马逊打造成为世界上最以客户为本的一家公司，我们不用关注竞争对手，也不用管别人在做什么，只需要关注客户。”

当然，在任何一种商业体的运营策略中，“以客户为中心”都不会是一个过时的方法论。因此，为了将这句话不再沦为一个口号，AWS 以及整个亚马逊，都将客户层面的需求，紧密融合在具体产品、业务、内部组织的推动进程中。

从具体的执行层面来看，2006年亚马逊推出 AWS 云计算服务时，其宗旨就是将原本造价高昂的云端资源与运算能力，用更弹性、经济的方式分配给中小企业；到了2015年，亚马逊开始尝试将这种资源利用的“民主化”转移到人工智能产品，具体的做法包括将内部一些机器学习的服务打包，相继推出 Amazon Machine Learning（机器学习平台）、Rekognition（图像识别平台）、Polly（语音识别平台）等 AI 应用。

在去年11月，亚马逊AWS在美国宣布推出 Amazon SageMaker，这款可以直译为“魔法生成器”的产品，将人工智能系统最开始的搜集数据；甄选平台、框架和模型算法；到用这些数据训练模型，找到这些模型关键的参数和配置，再到机器学习里最后一步“推断（Inference）”——全部流程都可以通过“魔法生成器”来实现。

通过对 AI 系统复杂部署方式的产品化，Amazon SageMaker 让原来需要10-20多个博士级人工智能专家需要操作9个月的项目，缩短至仅受过一些训练的人员花3-4周就可以完成一个模型。这大大加快了人工智能在实际中的使用和应用的速度。

可以说，亚马逊拓展 AI 的终极目标实则相当朴素：就是把人工智能这样一个复杂的、需要专业人士来运营的技术，交到普通的数据分析师、软件开发、甚至是业务人员手里。