【 美國拉斯維加斯現場報導 】今年AWS re:Invent 2022年度大會正式邁入第11屆，超過5萬人實體到場，已恢復往日水準。今年活動重頭戲，就是29日主題演講，AWS執行長Adam Selipsky這次登台，相較去年首次登場，大多時候都在回顧AWS在各項領域發展，如今執掌一年多，他今年對這家雲端巨頭未來發展策略，明顯有了更清晰的藍圖。在他的帶領下，AWS將以資料為主軸，透過整合、治理、安全和透明化，建立更廣闊的數據探索領域，來達成數據創新，甚至更要朝向「全解決方案」產業應用來發展。

一開場，Adam Selipsky先細數他們如何協助大型企業用AWS雲克服自身挑戰，如IBM集團用公雲打造連網汽車服務顛覆駕駛體驗，也有美國遊戲開發商Riot Games靠雲端來應付每秒50萬起事件通報與處理，提高用户體驗以獲得更高收益。還有全球最大證券交易所Nasdaq完成關鍵核心系統上雲，用於處理金融市場證券發行業務，更多系統年底前將上雲。

不僅大型企業有用，Adam Selipsky也引用數據強調，超過8成新創獨角獸都是AWS客户。

Adam Selipsky不只一開始就大談企業上雲經驗，他對於企業用户的重視，也反應在今年AWS產品發布上跟往年明顯不同。AWS今年產品策略以擴大和延續為主，許多產品發布都比較是對既有服務或產品的補強，不是大更新，而是回應顧客最迫切想要的功能，雖然少了酷炫，但也意味著，他們開始深入企業應用，來一一把各種企業需求補齊。

長達2小時的主題演説，Adam Selipsky用「合適工具（Right Tools）」、「整合（Integration）」、「治理（governance）」以及「洞察（Insight）」貫穿整場演講。他表示，面對複雜的資料規模挑戰，企業需要一套完整工具，可以處理各種資料類型，並將這些資料整合，然後提供治理和安全性，還要能夠以視覺化呈現，方便掌握和快速傳遞，來獲得對於公司業務有價值的洞察。

他所提出的這個企業數據戰略，可以説就是AWS新的產品策略，這次眾多雲端產品發布和服務更新，都是圍繞這個新策略發展，推出各種資料整合、治理、安全和透明化的服務方案。

對無伺服器佈局更加完整，能夠通吃旗下所有分析服務

在工具上，AWS已提供完整資料庫、分析、ML/AI工具，協助企業做資料處理和運用。尤其在分析服務上，AWS今年對於無伺服器（serverless） 佈局更加完整了。去年AWS在年度大會上宣佈AWS資料倉儲服務Redshift能支援無伺服器服務後，其他分析服務今年也陸續開始支援，包括大數據處理平台EMR、即時分析工具MSK，加上原本就能用於無伺服器型態的互動式查詢服務Athena、資料串流服務Kinesis、資料整合服務AWS Glue以及BI服務QuickSight。就只有搜尋和分析引擎服務OpenSearch還沒serverless化，不過今年AWS也把這個缺口填平。雖然只有預覽版，但透過該服務，企業已經能根據工作量變化自動擴展，因應PB級數據查詢和分析任務需求，包括日誌分析、即時應用監控、點擊流量分析等。

Adam Selipsky強調：「沒有人像我們可以做到所有分析服務都能提供serverless。」

為何serverless對於AWS如此重要？Adam Selipsky並沒有太多説明，但從他去年大會上曾提到説，在他來看，雲端運算還在初期發展階段，要先把下水道工程佈局布好，所以AWS是以雲還在起步的概念來佈局，而serverless就是一個重要戰略，對於serverless持續加快佈局，就是要把包括分析在內的服務都serveless化，這一步還在持續發展，但AWS先從資料分析服務著手，並用資料整合來加以擴大。，

不光是提供serverless型態，其他資料庫和分析服務這次也新增不少功能，像是有推出整Spark的Athena服務，讓Athena使用Spark進行互動式分析更容易，以及透過自動化監測和管理提高AWS Glue服務中的資料品質。另外DocumentDB Elastic Clusters服務現在可以支援每秒數百萬次寫入和儲存PB級資料。還有為Redshift提供高可用配置設定，能跨多個可用區進行配置。

以實現zero-ETL願景的資料整合為目標

AWS今年在資料整合也有新佈局，以往要做到不同資料庫、資料倉儲的資料整合這件事，需要透過ETL（萃取、轉置、載入）流程，對於分析人員來説，太花時間，所以需要有新的資料整合方式，來加快資料運用。這也成了AWS想要替企業客户解決的痛點。甚至Adam Selipsky明白指出：「對於AWS而言，未來將以提供實現zero-ETL願景的資料整合為目標。」

Amazon Aurora zero ETL Integration with Redshift推出，就是AWS跨出資料整合第一步，先讓自家兩大數據雲端服務Aurora與Redshift的資料能夠整合，只要將資料寫入Aurora幾秒內，數據就可以在Redshift中來使用，不需要建立和執行繁鎖ETL流程。這種zero-ETL資料整合方式，也讓企業可以在Redshift實例中分析多Aurora資料庫叢集的數據，來獲得跨多應用的整體洞察。

AWS對於資料倉儲的佈局，也跨到整合串流大數據分析領域的主流平台Spark，使企業以後在Redshift上構建和執行Spark應用變得容易多了。

在AI產品發展上，AWS延續去年端到端的資料戰略，AWS從去年就已經建構更加完整的機器學習和AI服務，從底層機器學習框架及基礎架構，到機器學習訓練環境全託管服務SageMaker，以及上層AI服務。

雖然這次SageMaker服務沒有大型更新，大多是一些補強功能，但也持續加強SageMaker服務完整性，像是新增ML Governance功能，可以讓端到端ML開發過程中，開始能夠結合治理和審計功能，來幫助企業解決ML治理的挑戰。對於機器學習模型建立，現在也可以支援使用地理空間的資料，來建立、訓練和部署相關ML模型。

而在No code服務上，AWS針對No code的QA工具Quicksight Q推出新功能，不只是能以自然語言進行提問，還能讓使用者可以用「為什麼」來發問，再根據機器學習模型得到預測和分析的結果，給出建議或答案。而透過採用這樣方式，可以降低專業IT或資料科學家的負擔，讓更多非專業素人更容易運用AI。

藉助Amazon電商供應鏈多年經驗，推出雲端供應鏈管理新服務

在產業應用上，AWS也開始朝向全解決方案發展，這次新推出的AWS Supply Chain雲端供應鏈管理服務，就是瞄準全產業供應鏈管理需求。雖然目前仍是預覽版，但AWS強調，透過這套服務，企業未來可以自動組合和分析跨多個供應鏈系統的數據。這套服務更是藉助了Amazon電商物流供應鏈多年經驗與技術發展而來，但不限於電商，其他行業也能用。

更進一步來説，企業能使用該應用服務內建的連接器，建立統一供應鏈數據湖，該連接器運用Amazon在供應鏈使用預訓練機器學習模型，來匯整從ERP和供應鏈管理系統中取得的所有數據，並以視覺化呈現，除了方便相關負責人隨時查看庫存變化，也能以此建立風險預警機制，一旦辨識為潛在高風險情況，就能提供警訊給負責人員，提前採取避險行動。

採用業者目前有全美最大天然及有機食品超市Whole Foods Market、美國廚具供應商Lifetime Brands以及燒烤設備製造業者Traeger Grills。該服務將會在美國、歐洲上線，其他地區陸續也將推出。

另外在安全上，AWS這次推出名為Amazon Security Lake的安全數據湖服務，可以協助企業組織聚集、管理和分析日誌和事件數據，包含AWS和其他合作廠商的數據，讓整個威脅檢測、調查和事件應變速度能更加提升。新的數據管理服務DataZone，則使企業能夠很快對儲存在AWS中的數據進行目錄編制、探索、共享和管理，確保資料來源是安全且可信 。在GuardDuty EKS Protection防護服務上，新增對於容器runtime威脅偵測功能。

在基礎設施方面，AWS目前超過600種運算實例類型，涵蓋一般用途、運算優化、記憶體優化、儲存優化、爆漲型效能及加速硬體等，AWS這次也發布採用新一代Nitro系統和Graviton處理器的執行個體服務。

Nitro是AWS打造的EC2執行個體基礎平台，歷經4代改版後，新一代Nitro大幅提高網路傳輸能力，每秒封包傳輸速度較前一代提高60%，反應速度加快30%，每瓦效能也有獲得40％改善。AWS這次還更新Graviton產品，儘管未是如外界預期Graviton4，而是改推出一款經改良的Graviton3E處理器晶片，但是該款處理器的向量指令性能表現，較前一代Graviton3能再提高30%，專用於HPC應用場景需求。

AWS運用Graviton3E和Nitro推出多個執行個體服務，包含能支援200Gbps超大網路頻寬的C7gn，還有推出高效能運算專用的Hpc7G等。AWS這次也更新x86架構EC2實例，推出名為R7iz的新類型，能夠支援第4代Intel Xeon Scalable處理器，使每個vCPU效能比z1d再提升20%。C7gn、R7iz先推預覽版，Hpc7G最快明年才推出。