亚马逊成立ai创新中心 亚马逊云科技中国

亚马逊的人工智能之路

The learning machine

学习机器

The online commercial empire rests on a low-key approach to artificial intelligence

这家互联网商业帝国在人工智能的发展上选择了一条低调的路

Amazon’s six-page memos are famous. Executives must write one every year, laying out their business plan. Less well known is that these missives must always answer one question in particular: how are you planning to use machine learning? Responses like“not much” are, according to Amazon managers, discouraged.

亚马逊的六页备忘录十分出名，执行官们每年必须按要求写一页，详细阐述自己未来的商业计划。但不太出名的一点是，每一封信函必须回答一个具体的问题：你打算怎么利用机器学习？如果你的回答是“没什么可说的”，根据亚马逊管理层的说法，这种答案是不允许出现的。

Machine learning is a form of artificial intelligence(ai) which mines data for patterns that can be used to make predictions. It took root at Amazon in 1999 when Jeff Wilke joined the firm. Mr Wilke, who today is second-in-command to Jeff Bezos, set up a team of scientists to study Amazon’s internal processes in order to improve their efficiency. He wove his boffins into business units, turning a cycle of self-assessment and improvement into the default pattern. Soon the cycle involved machine- learning algorithms; the first one recommended books that customers might like. As Mr Bezos’s ambitions grew, so did the importance of automated insights.

机器学习是人工智能的一种实现途径，它主要包括特定类型的数据挖掘，主要目的是对未来趋势进行预测。1999年当杰夫·维尔克（Jeff Wilke）加入公司的时候，这一想法就开始落地了。维尔克先生是亚马逊公司的第二把交椅，他组建了一个人工智能专家组，主要负责亚马逊内部工作流程的研究，目的在于提高员工的工作效率。他将科学家们安排在各企事业部门，将不断循环的自我评价和提高过程固定为一个默认模式，很快这个循环就加入了算法；第一代算法可以向顾客推荐他们喜欢的图书。随着贝佐斯先生的野心越来越膨胀，这种全自动的算法推荐模式也显得越来越重要。

Yet whereas its fellow tech titans flaunt

其他科技巨头有什么可炫耀的

their ai prowess at every opportunity—Facebook’s facial-recognition software, Apple’s Siri digital assistant or Alphabet’s self- driving cars and master go player—Amazon has adopted a lower-key approach to machine learning. Yes, its Alexa competes with Siri and the company offers predictive services in its cloud. But the algorithms most critical to the company’s success are those it uses to constantly streamline its own operations. The feedback loop looks the same as in its consumer-facing ai: build a service, attract customers, gather data, and let computers learn from these data, all at a scale that human labor could not emulate.

科技巨头们抓住一切机会展现自己在AI方面的实力：脸书推出了面部识别软件，苹果拥有语音助手Siri，谷歌推出了无人驾驶和阿尔法Go。和这些公司相比，亚马逊在机器学习上选择了一条低调的路。Alexa（亚历克斯）是亚马逊公司推出的一项人工智能服务，它的主要竞争对手是苹果的Siri。依靠Alexa的云平台，亚马逊可以为用户提供预测服务。这款人工智能背后的算法颇具特色，它能够不断将自己的操作流程精简处理，但这款AI服务的反馈回路和其客户端AI类似：发起一项服务，吸引目标客户，收集用户信息，让计算机学习这些数据，并且处理的数据规模是人力无法企及的。

Mr Porter’s algorithms

波特先生的算法

Consider Amazon’s fulfilment centers. These vast warehouses, more than 100 in North America and 60-odd around the world, are the beating heart of its$207bn online-shopping business. They store and dispatch the goods Amazon sells. Inside one on the outskirts of Seattle, package shuttle along conveyor belts at the speed of a moped. The noise is deafening—and the facility seemingly bereft of humans. Instead, inside a fenced-off area the size of a football field sits thousands of yellow, cuboid shelving units, each six feet(1.8 meters) tall. Amazon calls them pods. Hundreds of robot shuffle these in and out of neat rows, sliding beneath them and dragging them around. Toothpaste, books and socks are stacked in a manner that appears random to a human observer. Through the lens of the algorithms guiding the process, though, it all makes supreme sense.

我们可以了解一下亚马逊的“执行中心”。它们其实是大型的仓库，在北美地区超过100座，还有60多座分布在世界各地。可以说这些仓库就是这家公司强有力的心脏，它们驱动了亚马逊价值2070亿美金的在线购物贸易。这些仓库用于存储和调配货物，亚马逊再把它们卖给顾客。位于西雅图市郊的一座仓库里，传送带以机车的速度传送着包装用品，你很难听到一点儿噪音，并且这些设施基本实现了全自动操作。在围栏围住的一个区域，一块差不多足球场大小的地方存放着一些黄色方块状货架，每一个货架的高度约为1.8米，亚马逊把它们称为“小型货仓”。这些“货仓”们整齐排列成一排，数百个机器人穿梭其中，把它们移出来又移进去。在人类看来，这些货品，比如牙膏，书籍和袜子被随机地放置在货架上，着实让人难以理解。但是在算法的引导下，这一过程又显得极其合理。

Human workers, or“associates” in company vernacular, man stations at gaps in the fence that surrounds this“robot field”. Some pick items out of pods brought to them by a robot; others pack items into empty pods, to be whirred away and stored. Whenever they pick or place an item, they scan the product and the relevant shelf with a bar-code reader, so that the software can keep track.

人类员工，或亚马逊公司所称的“人类伙伴”，主要为机器人提供辅助服务，他们的工作场所位于围栏间的站台处，围栏内部就是所谓的“机器人地带”。机器人不停地搬运小型货仓，有的员工从上面取下货物，有的又把货物放回空的货仓。但无论员工是取出还是放回，他们都会使用条形码仪对商品以及对应的货架进行扫描，这样软件系统就可以记录该商品的运行路径。

The man in charge of developing these algorithms is Brad Porter, Amazon’s chief roboticist. His team is Mr Wilke’s optimization squad for fulfilment centers. Mr Porter pays attention to“pod gaps”, or the amount of time that the human workers have to wait before a robot drags a pod to their station. Fewer and shorter gaps mean less down time for the human worker, faster flow of goods through the warehouse, and ultimately speedier Amazon delivery to your doorstep. Mr Porter’s team is constantly experimenting with new optimizations, but rolls them out with caution. Traffic jams in the robot field can be hellish.

布拉德·波特（Brad Porter）是这些算法背后的主要开发者和管理者，同时也是亚马逊公司的首席机器人科学家。他组建的团队是维尔克先生队伍的优化版本，主要服务对象是执行中心。波特先生主要关注如何缩小小型货仓间的间隙，以及如何减少人类员工在他们站台等待机器人运送货物的时间。对人类员工而言，更少以及更小的间隙意味着更短的装卸时间，更加迅速的货物运输流程，以及更加快捷的配送服务。一直以来，波特先生的团队都在对新型优化策略进行试验，但每一次的推广都十分小心谨慎，因为“机器人地带”的交通堵塞是一个非常严重和可怕的问题。

Amazon Web Services(aws) is the other piece of core infrastructure. It underpins Amazon’s$26bn cloud-computing business, which allows companies to host web- sites and apps without servers of their own.

亚马逊网络服务（AWS）是其核心基础设施的另一个组成部件。它的存在维持了亚马逊价值2600亿美元的云计算业务。利用这一网络系统，公司们可以在没有服务器的基础上开设自己的网站或开发自己的应用程序。

aws’s chief use of machine learning is to forecast demand for computation. Insufficient computing power as internet users flock to a customer’s service can engender error and lost sales as users encounter error pages.“We can’t say we’re out of stock,” says Andy Jassy, aws’s boss. To ensure they never have to, Mr Jassy’s team crunches customer data. Amazon cannot see what is hosted on its servers, but it can monitor how much traffic each of its customers gets, how long the connections last and how solid they are. As in its fulfilment centres, these metadata feed machine- learning models which predict when and where aws is going to see demand.

AWS在机器学习方面的主要用途是预测计算需求。当互联网用户涌入客户端时，计算能力缺乏就会产生很多错误，比如用户进入错误页面，交易只好被迫取消。“我们不能说我们没有存货。”安迪·杰西（Andy Jassy）是AWS的老板，他表示，为了保证这一网络系统永远不出错误，他的团队收集并分析了大量顾客的数据。虽然亚马逊方面无法得知服务器上的内容，但它可以检测到顾客获取了多少流量，他们与服务器间的连接持续了多长时间，以及这一连接的质量如何。在亚马逊公司的执行中心，机器学习模型依靠这些元数据的输入继而运转起来，这些模型的功能主要是预测AWS系统在何时何地有可能产生计算需求。

One of aws’s biggest customers is Amazon itself. And one of the main things other Amazon businesses want is predictions. Demand is so high that aws has designed a new chip, called Inferentia, to handle these tasks. Mr Jassy says that Inferentia will save

Amazon money on all the machine-learning tasks it needs to run in order to keep the lights on, as well as attracting customers to its cloud services.“We believe it can be at least an order-of-magnitude improvement in cost and efficiency,” he says. The algorithms which recognize voices and understand human language in Alexa will be one big beneficiary.

AWS最大的客户之一就是亚马逊自己。同时，亚马逊其他业务对于AWS的需求也集中在它的预测能力这一块。由于计算量巨大，研究者为AWS设计了一款新的芯片来处理这些任务，它被称为Inferentia。杰西先生表示，这款芯片将为亚马逊在机器学习的各类任务上节省不少钱，同时又能吸引更多的客户选择其云服务。杰西先生还表示“Inferentia将给公司的成本效率带来数量级的提升。”能够辨识声音，理解人类语言的Alexa将为其本身的算法发展带来无穷的好处。

The firm’s latest algorithmic venture is Amazon Go, a cashierless grocery. A bank of hundreds of cameras watches shoppers from above, converting visual data into a 3d profile which is used to track hands and arms as they handle a product. The system sees which items shoppers pick up and bills them to their Amazon account when they leave the store. Dilip Kumar, Amazon Go’s boss, stresses that the system is tracking the movements of shoppers’ bodies. It is not using facial recognition to identify them and to link them with their Amazon account, he says. Instead, this is done by swiping a bar code at the door. The system ascribes the subsequent actions of that 3d profile to the swiped Amazon account. It is an ode to machine learning, crunching data from hundreds of cameras to determine what a shopper takes. Try as he might, your correspondent could not fool the system and pilfer an item.

在算法探索方面，这家公司最新成果是亚马逊Go，它是一家不设置收银员的杂货店。店内数百台摄像头无时无刻地从上方监控着顾客行为，并将采集到的视觉数据转换成三维用户信息，这些数据的用途是跟踪顾客在拿取货品时的手臂动作。如此一来，这一算法系统就可以知道顾客拿了哪些商品，并在顾客离店时，把这些商品的账单自动发送到顾客的亚马逊账号中。迪里普·库玛（Dilip Kumar）是负责亚马逊Go项目的老板，他强调这个系统的目的是追踪顾客的身体动作，并没有使用面部识别来辨识顾客信息以连接其亚马逊账户。这个系统就是机器学习的“颂歌”，它从数百台摄像头那里采集信息，从而断定顾客究竟拿了什么。也许你打算偷拿一件商品，但这些摄像头系统可不会被轻易骗到。

Fit for purpose

量体裁衣

ai body-tracking is also popping up inside fulfilment centres. The firm has a pilot project, internally called the“Nike Intent Detection” system, which does for fulfilment- centre associates what Amazon Go does for shoppers: it tracks what they pick and place on shelves. The idea is to get rid of the hand-held bar-code reader. Such manual scanning takes time and is a bother for workers. Ideally they could place items on any shelf they like, while the system watches and keeps track. As ever, the goal is efficiency, maximizing the rate at which products flow.“It feels very natural to the associates,” says Mr Porter.

人工智能动作追踪在执行中心内部也有用武之地。亚马逊公司推出了一项试验计划，在公司内部，它被称为“耐克意图探测“系统，它在执行中心的运转原理和亚马逊Go一样：追踪货物在货架上取出和放回的轨迹。这一想法主要是为了淘汰以前的手握条形码扫描仪，因为这样的录入工作很浪费员工的时间，操作起来也十分麻烦。理想情况是，在系统的监控和追踪下，员工可以把货物放在任何货架上。亚马逊的目标总是提高效率，最大化产品的流通速率，用波特先生的话说，“我们所有人类员工都觉得这一过程十分自然。”

Amazon’s careful approach to data collection has insulated it from some of the scrutiny that Facebook and Google have recently faced from governments. Amazon collects and processes customer data for the sole purpose of improving the experience of its customers. It does not operate in the grey area between satisfying users and customers. The two are often distinct: people get social media or search free of charge because advertisers pay Facebook and Google for access to users. For Amazon, they are mostly one and the same(though it is toying with ad sales). Where regulators do raise concerns is over Amazon’s dominance in its core business of online shopping and cloud computing. This power has been built on machine learning. It shows no signs of waning.

在数据采集方面，亚马逊选择了一天十分谨慎的道路，因此，和脸书以及谷歌相比，政府相关部门对于亚马逊的审查力度要小很多，有些部分甚至可以免除。主要原因在于，亚马逊采集和处理的用户信息仅仅用于提高用户的操作体验，在满足使用者和消费者的需求之间并没有什么灰色地带。数据使用者和制造者（消费者）之间的差异通常很明显：人们能够使用社交媒体或免费的搜索引擎，那是因为广告商通过向谷歌和亚马逊支付广告费，使得他们的广告可以接触到消费者。对亚马逊而言，这两者基本上是同一个人（尽管亚马逊不是很在乎广告收益）。但亚马逊也面临一些监管层面的担忧，比如它在线上购物和云计算这两大商业领域的垄断地位。但这一地位的确立正是建立在强大的机器学习基础上的，没有迹象表明，它们处于衰退之中。

为什么谷歌微软亚马逊抢着把AI研发中心放在台湾

【新智元导读】谷歌、微软、包括放弃大陆电商市场的亚马逊争相抢占台湾作为AI研发中心。台湾当局表示积极配合并希望每年输出1万名AI人才。那么大厂看好台湾背后的原因是什么？台湾如此积极的理由又在哪里？

一方面是经济上的危机感

另一方面是人才的流失

人才优势

半导体优势

傲基成立生态链项目孵化中心丨跨境电商周报

【亿邦动力讯】过去一周，跨境电商领域发生了这些事：

#平台动向#

1、亚马逊将开发独立站服务对标Shopify

据外媒报道，亚马逊正在开发一项独立站服务，与加拿大电商Shopify竞争。Shopify首席执行官Tobi Lütke对此回应，Shopify已经准备好迎接这场竞争，亚马逊是一个值得尊敬的对手。

2、2021年旺季亚马逊超13万平台卖家销售额突破10万美元

亚马逊表示，在2021年购物旺季期间，有超过13万名第三方卖家的销售额突破10万美元，在黑五和圣诞节期间，美国站卖家平均每分钟售出高达11500件的产品。2021年旺季销售额最高的类别包括办公产品、相机和葡萄酒。

3、亚马逊和eBay将对乌克兰用户增收20%增值税

从2022年1月1日起，亚马逊和eBay将向乌克兰用户增收20%的增值税（VAT），以配合“谷歌税”的实施。2021年6月，乌克兰总统Volodymyr Zelensky签署了第1525-IX号法律：从2022年1月1日起，向乌克兰人提供数字服务的非本国公司必须缴纳20%的增值税。

4、圣诞促销后eBay英国站商品出售数量激增一倍

根据eBay英国站的调查，在圣诞节大促（12月27日）结束之后，该网站上的物品销售数量激增了一倍多。eBay预测，在2021年25日之后的一周内，将有1000多万件物品上市，因为英国用户正在收拾大量二手物品以进行转售。

5、Apptopia：Shopee应用下载量居全球第一亚马逊跌至第四

市场研究机构Apptopia数据显示，2021年的购物应用下载量排行榜中，排名前三的依次是Shopee、中国“快时尚”领跑者Shein和印度社交电商Meesho。亚马逊跌到全球第四，而2020年亚马逊在该排行中位居第一。

6、全球速卖通俄罗斯月搜索量达1.1亿

根据俄罗斯速卖通发布的数据，2021年11月，全球速卖通俄罗斯的访问用户数创下了整个运营期间的记录，数值达到3500万，日活用户最高记录达到1250万人。过去12个月的活跃买家人数已超过2870万人。

7、敦煌网调整2022年元旦期间部分业务服务

敦煌网发布2022年元旦期间部分业务调整通知显示，2022年元旦放假期间（1月1日-1月3日）原发货截止在2022年1月1日-1月3日期间的，将自动顺延至2022年1月4日。结算业务方面，由于银行处理业务时间调整，2022年1月1日-1月3日期间美金、人民币均暂停结算。2022年1月4日起恢复正常。

#大卖信息#

1、跨境电商大卖家傲基科技成立生态链项目孵化中心

跨境电商大卖家傲基科技成立了生态链项目孵化中心。傲基科技公开表示：“希望通过结合自身的跨境电商资源和经验，全方位支持创业者实现创业梦想。同时也期待与创业者联手，共同孵化出更多的明星出海企业。”傲基科技的生态链项目孵化中心的目标合作对象主要分为两类，一类是淘系品牌专家，包括在淘宝/天猫/京东等国内电商平台，细分品类头部卖家，至少打造过1款爆品产品；第二类是产品专家，要求有丰富的产品研发、设计、生产管理经验，且有自有工厂的卖家优先。

#投融资#

1、中国独立站建站SaaS服务平台FunPinPin完成千万级美金A轮融资

中国独立站建站SaaS服务平台FunPinPin宣布获得由创新工场领投的千万级美金A轮融资，资金将主要用于产品研发及市场拓展，重点赋能DTC卖家及亚马逊精品卖家。FunPinPin成立于2020年，为中国商家提供从建站到营销的?站式解决方案。女性抗衰品牌MISSPEP、高端个护品牌JOVS、全球消费级AR眼镜领军品牌Nreal等大卖都是FunPinPi的客户。

2、B2B电商供应链解决方案提供商“莱德云链”获B轮融资

B2B电商供应链解决方案提供商“莱德云链”完成B轮融资，投资方为北京中民双创信息科技中心、江西省国动科防实业有限公司。莱德云链是莱德集团旗下B2B供应链+互联网综合服务平台，聚焦大宗订货、大数据、供应链管理及物联网云平台等核心服务领域。

3、全球捷运宣布完成数亿人民币融资

全球捷运宣布完成数亿人民币融资，其中Pre-A轮由华盖科技产业基金领投，A轮由新创建现代物流投资领投，泰合资本为独家财务顾问。目前，全球捷运在全球20多个国家和地区，运营超过70家核心节点物流实体，通过地面综合物流服务平台，赋能超过1000家跨境物流伙伴，服务超过27000家客户。

4、国际货运代理服务商上海翔运完成战略融资

国际货运代理服务商上海翔运完成战略融资，投资方为圆通速递。据了解，上海翔运是一家国际货运代理服务商，主要承办空运、海运进出口货物的国际运输代理业务，包括：揽货、托运、订舱、仓储、中转、集装箱拼装拆箱、结算运杂费、报关、报验、保险、相关的短途运输服务及咨询业务；办理国际快递业务；无船承运业务；普通道路货运。据不完全统计，上海翔运所属领域物流本年度共有39笔融资。

5、跨境电商RPA厂商未斯科技获千万人民币天使轮融资

专注于跨境领域RPA（机器人流程自动化）厂商未斯科技（产品名UiFox）宣布完成千万人民币天使轮融资。本轮融资由元璟资本领投，良仓基金跟投。本轮资金将主要用于RPA、AI等数智化产品研发和跨境领域市场开拓。未斯科技通过先进的技术和产品理念，向跨境行业从业者和生态伙伴提供一站式数智化产品和全链路解决方案。

#跨境物流#

1、速卖通升级AERU海外仓菜鸟配物流线路

速卖通发布公告称，俄罗斯海外仓菜鸟配服务于2021年12月20日进行线路升级。据悉，“菜鸟俄罗斯承诺达（海外仓）”和“菜鸟俄罗斯官方配（海外仓）”将于2022年1月31日下线，商家需要将对应的线路替换成“菜鸟俄罗斯官方承诺达（省）”和“菜鸟俄罗斯官方配（省）”。

2、eBay发布2022年SpeedPAK各路向运费调整通知

eBay发布公告称，自北京时间2022年01月01日起，SpeedPAK将适当调整从中国大陆、香港地区出运到英国、法国、德国、意大利、西班牙路向的服务费用，以确保春节前后eBay卖家直邮发货服务稳定性。

3、联邦快递投资4200万美元建设地面配送中心

联邦快递宣布，将投资4200万美元建设占地面积为25万平方英尺的地面配送中心，预计将于2022年投入运营。该配送中心的位置在美国西弗吉尼亚州帕克斯堡南部14号公路附近，临近沃尔玛、Lowes和Kohl's，并靠近博斯利工业大道的Old Dominion Truck码头。

#行业数据#

1、商务部：我国海外仓数量已超2000个总面积超1600万平方米

商务部对外贸易司司长李兴乾表示，目前我国海外仓的数量已经超过了2000个，总面积超过了1600万平方米。2022年，商务部将从五项政策举措入手，促进海外仓的高质量发展。其中包括，鼓励传统外贸企业、跨境电商企业、物流企业共同参与海外仓的建设，力争培育一批特色鲜明、功能先进的海外仓。

2、商务部：2021年我国外贸规模有望达到6万亿美元

商务部副部长任鸿斌表示，2021年我国外贸规模再上新台阶，预计全年有望达到6万亿美元，与2020年相比增量预计达到1.3万亿美元，是过去10年增量的总和，实现了量稳质升的目标。

3、商务部：RCEP即将生效，全球最大自贸区将正式落地

商务部在国新办新闻发布会表示，2022年1月1日，RCEP将正式生效。首批生效的国家包括东盟6国和中国、日本、新西兰、澳大利亚等非东盟4国。RCEP的生效实施，标志着全球人口最多、经贸规模最大、最具发展潜力的自由贸易区正式落地。跨境电商、互联网金融、在线办公等新业态新模式将迎来更大发展机遇，也将为本地区人民生活带来更多实惠和便利。

4、1-11月我国开行国际货运航班7.4万班

交通运输部表示，1至11月我国完成货运量475亿吨，同比增长13.5%。截至11月底，我国中欧班列开行约1.4万列，同比增长20.3%，开行国际货运航班7.4万班，同比增长25.8%。完成国际航线货邮运输量241.5万吨、国际及港澳台快递19.3亿件，同比分别增长20.2%、17.4%，国际道路运输完成4200万吨，与上年同期基本持平。预计全年完成港口货物吞吐量155亿吨，同比增长6.8%；多式联运示范工程深入实施，完成集装箱多式联运量620万标准箱，开通联运线路450条；完成港口集装箱铁水联运量751万标准箱。

5、2021年河南跨境电商交易额预计将突破2000亿元

河南省委宣传部披露，2021年河南进出口总额有望突破8000亿元，较上年净增1500亿元左右，继续保持全国第十位次。2021年1-11月，河南跨境电商交易额1843.8亿元，同比增长15.6%，预计全年可突破2000亿元。

6、西班牙黑五圣诞节期间包裹量突破1亿件

西班牙国家物流和运输组织数据显示，在黑色星期五和圣诞节期间，西班牙共产生了1.06亿件包裹。根据IAB的研究，76%的西班牙互联网用户已经是在线购物者，达2580万用户。