• 主页 > N生活派 >5G时代来临!企业如何用云端做出颠覆性的商业模式? >

    5G时代来临!企业如何用云端做出颠覆性的商业模式?


    2020-06-05


    5G时代来临!企业如何用云端做出颠覆性的商业模式?

    本文章内容由「AWS」提供,经关键评论网广编企划编审。

    5G 发展无限,各产业也面临转型的冲击,云端应用更可让各行各业快速因应市场,成为生态圈的创新领航者。在移动通讯的第五代,数十兆的传输速度将在云端世界启动更大规模人工智慧的突破性应用;让应用程式更贴近终端使用者,提供更好的使用者体验。

    但在数位转型的趋动下,多数企业也凸显出缺乏数位化资料库与即时决策回馈。开发人员花费大量时间和精力提供準确的机器学习模型,便于以快速、低延迟的方式进行即时预测。这对边缘装置尤其重要,因为其记忆体和处理能力往往受到高度限制,但延迟非常重要。例如,自动驾驶车辆的感应器,通常必须在千分之一秒的时间内处理完资料,资料才不会失去时效性,因此不可能在云端来回传送资料后再传回到车辆。而且,边缘装置有各种不同的硬体平台和处理器架构。在未来,包含家庭、工厂、医院,以及其他数千个地方有数十亿个装置。随着装置的迅速增加,会愈来愈需要各种解决方案来连结它们,并收集、存放和分析装置资料。

    亚马逊产品创新发展的核心动能——AI与ML

    为了实现高效能,开发人员需要花费数週或数月的时间,手动调整每一个模型。此外,複杂的调整过程意味着模型部署到边缘之后,便很少更新。开发人员失去了根据边缘装置收集的资料,重新训练和改进模型的机会。

    AI 与 ML 向来是支持亚马逊产品创新发展的核心动能,接连打造出 Prime Air、Amazon Go、Alexa 等许多令人惊喜的服务。Amazon.com 将许多业务建立在以机器学习为基础的系统上;如果没有 ML,Amazon.com 就无法扩展业务、提升客户体验和选择,以及优化物流速度和品质。他们在 「re:Invent 2018 全球用户大会」宣布推出许多机器学习服务,例如:Amazon SageMaker Neo,它会自动优化机器学习模型,让执行速度提升高达两倍,而且不会降低準确性。并可使用 AWS Greengrass 将在地运算和 ML 推论功能带到边缘装置。为了简化边缘部署,AWS Greengrass 支援 Neo 优化模型,即可透过无线更新将模型直接部署到边缘。

    高效云端计算,为医疗系统省300亿美元

    截至目前,全球有超过一百万名的有效使用者正在使用 AWS 云端解决方案,提供弹性、可扩展性和可靠性。另外还有一个应用案例是 GE Healthcare,以其医学影像设备和诊断显影剂而闻名,过去几年中一直致力于数位转型。GE 医疗数位云端战略和技术副总裁 Mitch Jackson 表示:「每天,医疗数据流经数百万台医疗设备,包括全球超过 500,000 台 GE Healthcare 医学影像设备,希望透过云端计算的实现,提高客户从设备的使用和数据中获得的价值。」

    调查数据曾显示,有高达 35% 的患者病例被误诊,部分原因是缺乏对影像, 数据和记录的调查。据 GE Healthcare 称,系统之间具备更好的互操作性,每年可为医疗生态系统节省 300 亿美元。GE Healthcare 创建了 GE Health Cloud ,这是基于亚马逊网络服务云的新解决方案,希望能让临床医生在需要时,更快地就地查取医疗数据,以协助他们改善诊断和治疗。

    5G时代来临!企业如何用云端做出颠覆性的商业模式?
     近年来,医学影像应用也面临数位转型。/

    GE Health Cloud 目前在 Amazon Elastic Compute Cloud上运行,并在 Amazon Simple Storage Service上储存有接近 1PB 的医学影像数据。Amazon S3 是 GE Health Cloud 的解决方案的基础,提供了储存关键资料所需的持久性和可靠性。GE Health Cloud 并以 Amazon Aurora 作为其资料库服务,使用 AWS 服务型录来建置和管理 IT 服务,更利用 Amazon Cognito 为客户提供对 Health Cloud 的单一登入,让他们的客户可以继续使用现有凭证,但仍然可以造访健康云应用程式。

    GE Healthcare Digital 部门的健康云,学习工厂和核心服务工程师 Andre Sublett 说道:「我们选择 AWS 是由于其广泛的服务,以及使这些服务符合全球健康数据条例的承诺,这非常重要,同时我也将持续扩展在 Amazon SageMaker 发展深度学习的能力。」

    5G加速云端应用,机器学习预测未来样貌

    人工智慧呈现出机器人或未来世界的景像,不再是科幻小说中虚构的机器人,机器学习通常是根据过往的资料来预测未来的结果。像是有的企业会使用机器学习根据特定人口做统计,预测他们的产品在未来会计年度的销售量,或是预测品牌满意度或忠诚度。这类预测都有助于做出更好的商业决策、提供更贴近个人的使用者体验,以及具备降低消费者忠诚度成本的潜力。



    上一篇:
    下一篇:
申博aa0000.com|汇集各行业新闻|综合生活网站|生活消费分享|网站地图 宝马娱乐登录网址_澳门奥博集团登录网址8448 宝马娱乐登录网址_金州app