这就是云服务的未来五大风向标，re:Invent2021释放重磅信息

作为云服务的发明者，亚马逊云科技一直引领着整个云服务行业的发展。可以说亚马逊云科技的历史，也是大半部云服务发展的历史。而今站在2021年的节点上，在re:Invent2021大会上，亚马逊云科技又释放了5大云服务发展的重要风向标，也是云服务行业发展的未来五大趋势。

第一风向标：云计算底座重构，自研芯片再升级

云服务虽然是一种云上服务，但所有的云计算都需要底层硬件的支撑，因此当我们在寻求云服务、云计算的创新时，从底层开始的创新往往更具颠覆性，自研芯片是云服务商必须要走的一条路。硬件自研的路，需要很长时间的技术积累才能够实现，而亚马逊云科技作为云服务的发明者，也是非常有远见，是云服务商中最早进行芯片自研的，早已经越过了陡峭的芯片设计学习曲线。

据亚马逊云科技大中华区产品部总经理顾凡介绍，亚马逊云科技目前拥有Nitro、Graviton、人工智能机器学习自研芯片三条产品线，今年又发布了Graviton3、基于Graviton3的C7g实例、发布了基于Trn1一系列的实例、计算和机器学习的训练，同时也发布了Nitro的SSD硬盘。

Graviton3实现了超越上一代25%的性能表现，晶体管数量从300亿增加到了500亿。据亚马逊云科技大中华区产品部计算与存储总监周舸介绍，提高CPU的频率可以让性能明显提升，但同时会造成散热问题进而导致能效降低。在计算密集的数据中心中，这样会导致云计算的效率降低，客户成本提高。所以在Graviton3的设计上，频率的提高并不是最重要的。亚马逊云科技的做法是提高内核的宽度，即使用指令集并行的方式，让内核在同一个时钟周期里面能够执行更多的指令、完成更多的任务。

另一个重要的点在于提高内存带宽。根据以往案例分析，在Graviton2跑的服务对于内存的带宽和延时的敏感度非常高，所以增加的晶体管用来做内存增加要比做CPU内核增加的效果更为显著。Graviton3相比Graviton2以及Intel的tool平台的内存带宽提升了50%。

自研芯片平台已经获得了客户非常满意的反馈，据Twitter分享，Graviton3平台相比前代性能提升20%到80%，甚至在降低尾延迟里面可以降低至少35%。F1在做流体仿真时，用Graviton2就已经比Intel的平台快了很多。采用C7g之后又可以提升40%。

作为云服务商，自研云计算芯片的还具有一个独到优势，那就是对于自己要用的云服务场景的深刻理解，对于客户需求的准确的把握，这也是区别于专业的芯片设计商的一点。

第二风向标：大云无疆，无限拓展（The Everywhere Cloud）

所谓无限拓展，这也是来自客户的一个重要诉求，即如何将云拓展到一切边界上。

据顾凡分享，在过去的多年里，深刻地去理解下客户对于云的要求，实际上是要一个没有边界的云，将和亚马逊云科技 Region里面一模一样的云，扩展到各个客户想要的边界、各个客户想要使用云的地方去。

为了实现这些无限拓展的需求，亚马逊云科技提供了多种不同的服务：例如WaveLength可以将云拓展到5G网络的边缘，Local Zone把云拓展到靠近人口中心的城市，Outposts把云拓展到客户自己的数据中心，Cloud WAN为客户提供私有网络控制，Snowball产品把云拓展到弱网环境...甚至Ground Station这样的托管卫星地面站服务，已经可以将云的边界拓展到太空。

据悉在今年新的Outposts 1U和2U的机型已经正式推向市场，将云边界拓展到了商店、连锁店、工行车间、产线这样的更小的场景中。

所有的这些服务、软件也好硬件也罢，都是为了助力“探路者”去探索走向更远的边界，去帮助实现这样的探索。亚马逊云科技希望实现的就是The Everywhere Cloud，大云无疆。

第三风向标：代码即云，万物皆API

在2006年时，仅仅几个API就可以实现Amazon EC2的创建和计算资源注销。“万物皆API”是亚马逊云科技从第一天开始就坚持的文化，一切的底层基础设施和平台资源都可以是代码化的，整个云都是可编程的。截止目前，有超过200类的亚马逊云科技的服务，有上千种API在服务于数百万级的客户，每天在自由地在云上构建。

据亚马逊云科技大中华区产品部数据类产品高级经理王晓野分享，无处不在的云，其实背后是一个非常复杂的分布式的系统。构建这样一个复杂的分布式的系统、包含着200多个云服务的分布式系统，背后是建构在一个非常简单的原则之上的。想要构建一个超级复杂的系统，首先应该构建的是一个更简单的系统，超级简单，然后随着时间的推移，不断去迭代它，让它进行改变，持续的改进。

经过了15年的发展，亚马逊云科技积累了一共有200多项云服务，大多数是来自这种简单的API系列概念。如何运维如此复杂的API系统？亚马逊云科技主架构师之一，也就是当前亚马逊云科技的CTO——Werner Vogels提供了几条分享，同时也是亚马逊云科技的API准则。

第一条，API是永远的。一旦它被发布成为一个公共可用的服务，那么就会有成千上万得到客户不断去调用它。意味着对这个API的任何改动都是不明智的，而且是很危险的，不能够对原有的API进行删除或者更改。

第二条，向后兼容性。对于老版本的API是不可以去触碰和开发者的那个协定，不可以去改变API已有的使用方式，亚马逊云科技只会在上面增加新的功能，而不会去删除或者改变已有的API。例如AWS 自2006年推出以来以多种方式增强了其简单存储服务 (S3)，但仍支持第一代 API。

第三条，对于API的构建，应该从客户真正的场景出发，找到客户最希望这个服务想要实现的功能，而不是从自己手头当前有什么样的技术来实现的。

第四条，让API的故障模式有据可查，即一个真正的好的API和服务，不仅仅让别人知道它工作的时候是什么样，而且当它不工作的时候，要能够让开发者真正知道它哪里出了问题，然后持续地去对它进行改进。

第五条，创建具有明确、特定目的、自描述的API。自描述其实对所有API是一个最基础的原则，但是真正能够保证它足够简洁，让开发者能够理解，其实就是回到一个最简单的逻辑，需要它足够简单，为专门的功能所设计。

第六条，我们需要对于API也好、云服务也好，不惜一切代价的去隐藏我们背后的技术实现。因为这样的话，我们才能够关注于客户的需求，如果我们过早的透露了这些具体的底层实现，客户可能就会去关注于你为什么今天是这样做的，而明天不是这样做的。

第四风向标：降低门槛，把云计算交到更多人手里

进一步降低云服务的使用门槛，让更多的人加入到云计算的开发和使用中来，才能更大规模地让云计算赋能各行各业，推动我们整个社会的全面进步。让云计算变得更简单易用，是云服务厂商都在做的努力。

在此次re:Invent上，亚马逊云科技针对开发者又推出了一系列的新工具。首先是服务于微服务化应用开发的“App Runner”，这一类的开发者希望能够以容器化的方式来部署自己的应用程序，但又同时希望自己的应用可以以云原生的方式自由扩展。这意味着开发者需要去学习云服务底层的一些专门构建的简单服务。亚马逊云科技通过App Runner这样简单机械的方式，将底层使用Fargate、ALB和Route 53等服务封装成为开发者更容易去部署的一种方式，通过App Runner，开发者可以快速的大规模实现通过代码或者容器镜像的方式，很快的部署一套真正线上可用、可轻松扩展的应用。

在Amplify上也新增了Amazon Amplify Studio，允许前端的开发人员以低代码的方式，在手机端、web端实现端到端的，包括UI、包括后端业务逻辑创建的能力。免除了其以往需要单独进行UI界面设计，然后将UI与后端创新服务进行连接的这一部分工作。

对于超级复杂的现代化应用，亚马逊云科技提供了Serverless这样一组微服务，通过CDK这样的方式，允许开发者仅仅用短短的几行代码就可以构建超级复杂的底层应用的基础架构。今年亚马逊云科技对于CDK进行了第二版的升级优化，将一套服务把过去相互分离的一些依赖打包，同时将实验性的API做了单独的分支处理。目前在CDK构建的架构中，对于业务逻辑进行更改不会涉及到底层基础架构的重建，例如实现Lambda或ECS Container容器在整个架构里面中的热插拔等。

除了以上为开发者提供的新的工具和服务外，如何降低机器学习的门槛，也是当前行业内非常热门的方向。只有实现其门槛的降低，才能让更多的科学家、工程师等专业人群将ML使用到其专业领域中进行加速。据亚马逊云科技大中华区机器学习产品高级经理张洋介绍，为数据科学家和工程师提供了广泛而深入的人工智能与机器学习的服务。总体分为三层：基础层上为机器学习的专家提供了丰富的算力和经过优化的深度学习的框架。例如Tensorflow、MXNet等，方便用户可以快速的构建环境，避免搭建环境过程中框架兼容性和依赖性问题，提升训练速度，降低推理延迟。中间一层致力于降低创建机器学习平台的门槛，提供了Amazon SageMaker端到端的机器学习平台，跨越了整个机器学习全流程，开发者可以方便的在Amazon SageMaker环境中处理数据标记、数据处理、特征存储、算法探索、模型推理到上线再到边缘端设备管理的整个过程，在Amazon SageMaker的平台中全都可以做管理。上面的两层代表的是开箱即用的AI服务，能够帮助客户无需机器学习的经验，就可以快速地把AI的能力赋能到自己的应用或者业务流程中。AI最核心的第三层是SaaS层，提供的AI能力包括机器视觉方面的人脸识别、场景识别；语音方面的文字语音转换、聊天机器人；还有文档方面ACR识别、翻译和自然语言理解等。

此次机器学习相关的发布包括了：旨在降低训练成本的Amazon SageMaker Training Compiler、Amazon Serverless Inference无服务器的节点、降低运维人员使用门槛的Amazon DevOps Guru for RDS、Amazon RDS Custom。在降低大数据分析门槛方面，亚马逊云科技此次发布了四个具有无服务器和按需扩展的功能：Amazon Redshift Serverless、Amazon EMR Serverless、Amazon MSK Serverless、Amazon Kinesis On-demand，帮助运维的用户快速把这些服务构建起来。

除了所有的工具和服务外，亚马逊云科技还编纂了《动手学机器学习》这门课程，已经获得了全球诸多知名院校的使用，并且该课程在Github上也是完全开源。亚马逊云科技承诺到2025年，通过免费的云集算培训，帮助全球2900万人提高他们的技术技能。

第五风向标：可持续发展

关于最后一个云服务的风向标，就是可持续发展。亚马逊云科技在全球有无处不在的云，这些无处不在的云管理着非常多的基础设施，而这些基础设施消耗着大量的能源。所以如何提高能效，实现可持续发展，是亚马逊云科技的重要目标。作为一个云服务商，需要持续思考如何提高基础设施的利用效率，提高绿色清洁能源使用占比。顾凡表示在此次re:Invent大会上，从可持续发展的责任共担模型，再到发布的碳排放的跟踪工具，以及若干个新的可再生能源的项目，亚马逊云科技的多项举措都是为了达成可持续发展的目标。

亚马逊云科技早年制定了云上的安全责任共担模型，现在已经变成了一个行业标准。今天亚马逊云科技也抛出一个可持续发展的责任共担模型，更好地梳理了云上可持续发展的职责分配：亚马逊云科技负责云自身的可持续发展，亚马逊云科技的客户负责提升代码效率，在构建云应用时的应用框架和数据存储等都要带着可持续发展的思维。例如在某些应用上，如何客户选择了无服务器的技术，就可以将这一部分的可持续发展责任从客户端转移到云厂商这边。

另一个重要的发布是客户碳足迹排放工具，该工具可以让用户去计算其工作负载跑在亚马逊云上产生了多少碳排放量。该工具不仅仅是查看当前的碳排放量，还会帮助客户去预测未来的碳排降低的趋势。这种降低的趋势是来自于亚马逊云科技对于可再生能源的持续使用率的提高，此前亚马逊云科技的承诺是到2030年全部使用可再生能源，但目前进展顺利预期2025年就可以提前完成这一目标。

亚马逊云科技还积极推动行业伙伴一起提前10年完成巴黎协定目标，制定了一个超前的气候宣言。推进的速度很快，目前也已经有超过200家公司参与这一宣言。

总结

re:Invent 2021上释放的这五大风向标，即是亚马逊云科技自己正在做的事，也是整个云服务行业未来的发展方向。在助力“探路者”企业探索创新的路上，亚马逊云科技会是最为重要的支持者。