如果从2006年亚马逊推出简单存储S3开始算起，云计算已走过15年征程。

　　从云概念被质疑，到云无处不在；从存储，到计算、网络、数据库、数据分析、人工智能等云的全套能力；从一个简单应用，到200大类服务；从亚马逊自己用云，到拥有全球百万客户数；从边缘试点，到核心业务系统全量上云……

　　我们不禁要问，是什么力量推动亚马逊云科技一路向前，并始终站在“云苍穹”的顶端“俯视群星”？答案是：Day One精神和理念！

　　在2021亚马逊云科技re:Invent全球大会上，亚马逊云科技新任CEO Adam Selipsky，多次强调一个词，叫做“Day One”。翻译过来，应该就是我们常说的“初心”。不管时代如何变化，不管产品如何迭代，亚马逊云科技始终秉承一个发展理念，那就是“以客户需求为核心，降低云的使用门槛”，这应该是云计算发展的终极路线，也是“大云无疆”的源动力。

　　为了让客户拥有云的最高性价比，亚马逊云科技在底层技术上持续深挖，并在各个层面实现突破。在re:Invent十周年之际，亚马逊云科技以一系列创新，为用户献礼。

　　降低计算成本，由自研芯片支持新Amazon EC2实例

　　熟悉亚马逊云科技的人都知道，Amazon EC2刚刚推出的时候，只有一款计算实例。之后，由于客户应用场景不断增加，Amazon EC2有了不同版本迭代，并且拥有了多种实例类型，比如：计算优化型、内存优化型、存储优化型等等，每隔一段时间就会有新的实例推出。到现在，Amazon EC2已提供了超过475种不同计算实例类型。

　　就在很多人认为，人类在计算层面的创新已达到极致时，亚马逊云科技开始反思，如何重新定义计算实例，并深刻意识到——计算的核心就是芯片。所以，从2013年起，亚马逊云科技走上了自研芯片的创新。从最早的Nitro产品线，到第四代Nitro，再到基于机器学习推理和训练的芯片产品线Inf1，以及基于ARM架构的CPU Graviton整个产品线，亚马逊云拥有了最完整的自研芯片产品家族。尤其是Graviton，可以说是云计算更复杂场景问题的“必杀器”。

　　在2018年，亚马逊云科技发布Graviton后，用户开始把Graviton用到Web应用、容器、微服务上。

　　2019年，Graviton2的推出，代表着云计算的性能有了质的飞跃。和同等配置的x86实例相比，基于Graviton2的计算实例可以带来40%性价比的提升。这意味着有更多用户获得了更复杂场景的计算能力，比如：大数据分析、游戏、高性能计算等等企业应用，实现了计算能力的大幅提升。

　　当然，只盯着CPU并没有太大意义，因为用户使用的是云计算服务，而不是CPU。所以，亚马逊云科技把多达20款的托管服务运行在Graviton2上，包括容器类服务、大数据类服务、数据库的服务等等，并且其中的16个服务已经在中国地区发布。换言之，用户不用做任何的配置，就可以直接体验基于Graviton2云服务带来的超高性价比，包括支持像HPC这样的企业负载，也没有问题。

　　问题是，客户想要的更多。为了让计算成本更低，性能更高，亚马逊云科技在2021年推出了Graviton3。针对通用工作负载，Graviton3比Graviton2的性能提升25%；而针对某些特定的工作负载，比如高性能计算里的科学计算，Graviton3的浮点运算性能比Graviton2提升高达2倍；针对机器学习和与加密相关的工作负载，Graviton3的性能比Graviton2提升高达3倍。为了帮助客户减少碳排放量，Graviton3实例可以减少多达60%的能源消耗。

　　以更灵活的存储管理支撑庞大的数据访问和保护需求

　　相比计算，存储也是个很意思的话题。亚马逊云科技早在2006年推出了三个服务，其中一个就是Amazon S3。走到今天，S3已经成为整个行业的事实标准，尤其在大规模存储中，Amazon S3的影响力非常大。S3的不断强大，和亚马逊云科技的持续耕耘密切相关。

　　从块存储、文件存储，到基于Nitro SSD的服务器实例存储，亚马逊云科技的业务范围变得越来越宽。

　　为了给用户提供更多选择，降低数据存储成本。亚马逊云科技在2021年推出了四项新的存储服务和功能：

　　1. Amazon S3 Glacier Instant Retrieval：能以最低成本为归档数据提供毫秒级云上检索，并可作为Amazon S3智能分层存储中的新访问层使用；

　　2. Amazon FSx for OpenZFS：可以轻松地帮助客户实现将本地通用文件存储迁移到亚马逊云科技全托管的文件存储，无需更改应用程序代码或数据管理方式；

　　3. Snapshots Archive：在存储层将归档快照的成本降低多达75%；

　　4. Amazon Backup：为Amazon S3和VMware工作负载提供统一数据保护和自动合规审计。

　　毫无疑问，这些新的服务和功能，可以让用户的应用性能大幅提升，云计算的基础服务仍然有很多可挖掘的空间。但其实，存储和CPU一样，都不能只看技术本身，云服务不是拿来跑分的，而是要具体落地到用户的实际业务场景中。

　　5G带来混合云的弯道超车

　　过去15年，云上工作负载呈爆发趋势增长，但同时我们也看到很多工作负载在客户的数据中心运行，而“混合云”成为数据中心通往云端的桥梁。

　　为了实现本地和云之间的平滑过渡，亚马逊云科技早就推出了Amazon VPC（虚拟私有云）、Amazon Direct Connect（本地设施与云之间的专用网络连接）、Amazon Storage Gateway（存储网关）服务，包括两年前推出的Outposts，虽然外形看起来像一个硬件机柜，但其实和云环境拥有相同的API、相同的控制界面，目的是让客户的应用快速迁移到云端。为了进一步优化混合云环境，亚马逊云科技还与VMware、Redhat、NetApp等企业，达成了深度合作。

　　通过Outposts，不仅让云服务快速走向零售、医院以及制造业的工厂，还能与IoT Core形成合力，更好地支持边缘端物联网连接。

　　为了让云计算延伸到油田、农场这种弱网环境，亚马逊云科技推出了Amazon Snow系列设备，通过这种方式收集和存储数据后，再将数据传回云端去做分析、训练和推理。

　　而在最重要的5G网络边缘端，亚马逊云科技推出了Amazon Wavelength、以及Amazon Private 5G等产品和服务。当混合云的能力正在一层层向边缘端推进的时候，就需要更强劲的网络去连接各种各样的设备。无论是生产线上的机器人、工厂、工人手中的平板电脑、联网的空调、自动扶梯、叉车、物流的送货车辆等等，都需要持续的可靠的网络连接。

　　目前，大多数企业使用的是本地的有线以太网，或者通过一个WiFi来进行连接，但这种传统的网络部署模式已经不适用于物联网模式，无法满足数以万计的移动设备连接需求。而重新去设计、构建和部署一个5G的移动网络需要大量的人力、财力及时间成本，这就是为什么亚马逊云科技推出Amazon 5G专网服务的最根本原因。

　　借助最新推出的托管服务Amazon Private 5G，客户可以在几天时间内快速建立5G专网。并且，客户只需在控制台点击几下，即可在他们指定的位置建立移动网络，获得设备所需的网络容量。由亚马逊云科技可以提供一整套端到端的5G专网的部署方案，包括交付、维护建立5G专网和连接设备所需的小型基站、服务器、5G核心和无线接入网络（RAN）软件，以及用户身份模块（SIM卡）。Amazon Private 5G不仅可以自动设置和部署网络，还能按需根据额外设备和网络流量的增长扩容。

　　在网络快速发展的当下，Amazon Cloud WAN已经是一个全球型大网，可以帮助企业去构建一个布局全球的软件定义的私网。但是，亚马逊云科技思考更多的问题是，如何与更多的合作伙伴合作，帮助客户用好这个网。所以，Amazon WaveLength是从5G的角度跟运营商合作，让更多开发者能够在5G网络上构建应用程序。

　　通过物联网技术为数字孪生助力

　　而从工业互联的角度看，数字孪生是重要的发力点。其实，亚马逊云科技在物联网领域也耕耘了很长时间，并且已经形成了两个大的分支。

　　一个是偏向于消费端的智能化应用，比如：Alexa音箱，这种做智能家电的企业，就会使用亚马逊云科技 IoT平台实现与API的集成。

　　另一个是打造数字孪生核心，比如通过Amazon IoT TwinMaker对现实世界的楼宇、工厂、工业设备和生产线等，做虚拟化的映射。借助Amazon IoT TwinMaker，开发人员可以轻松地汇集多来源数据，包括设备传感器、摄像机和业务应用程序等，并将数据结合起来创建一个知识图谱，对现实世界进行建模。

　　同时，为了让汽车制造商更轻松、低成本地收集和管理车辆数据，同时将数据实时上传到云端，亚马逊云科技还推出了Amazon IoT FleetWise，该服务可以收集和管理汽车任何格式的数据，并对数据进行结构化和标准化。

　　工业4.0，看上去概念很大，但其实在一些核心应用场景，像绿色产线的维护、产线的质量监控等等，已经走向了数字孪生。比如：通过Amazon Monitron，可以在生产线上自动化发现良品率的变化，包括通过传感器、温度等数据分析、监测以及建模，可以提早预测事故，避免灾难性事件发生。

　　无服务器数据分析带来更多可能性

　　可以说，在今天企业级应用场景中，云已经无处不在。在大量API、CDK的背后，需要用到非常多的复杂技术，包括会使用到Serverless的微服务架构，或者通过Lambda、ECS Container容器实现整个架构的热插拔，再或者通过Amazon SageMaker端到端的机器学习平台，解决数据处理、特征存储、算法探索、模型推理，乃至边缘端设备的管理等等问题。

　　所谓“工欲善其事必先利其器”，你想用流行的开源分布式框架Spark处理大量的非结构化数据，你就用Amazon EMR；如果你要实时处理流数据，就用Kinesis和MSK；如果你主要针对的是结构化数据处理，还需要超高的查询性能，Redshift是最佳云原生数仓选择，它可以提供比同类产品高达3倍的性价比；如果你想快速搜索和分析大量日志数据，则可以用Amazon OpenSearch Service。

　　为了进一步降低用户数据分析的门槛，亚马逊云科技还推出了无服务器功能，客户无需配置、扩展或管理底层基础架构，即可轻松地分析任何规模的数据。其中，Amazon Redshift Serverless，可在几秒钟内自动设置和扩展资源，让客户无需管理数据仓库集群，即可以PB级数据规模运行高性能分析工作负载。而Amazon MSK Serverless可快速扩展资源，极大简化实时数据摄取和流式传输。Amazon EMR Serverless，让客户无需部署、管理和扩展底层基础设施，即可使用开源大数据框架运行分析型应用程序，比如：Apache Spark、Hive 和 Presto。

　　如果用一句话概括无服务器给数据分析带来的价值，那就是客户遇到的脏活苦活累活，亚马逊云科技已经干的差不多了。

　　所以，不管产品如何创新和迭代，亚马逊云科技永远不会跑偏，最主要原因就是 “以客户需求为核心” ，不断降低云服务的使用门槛和性价比。