亞馬遜投入人工智慧的研發跟應用已有多年歷史，例如其電商網站上的購物推薦引擎，就是以機器學習技術來驅動。這項技術不僅為亞馬遜帶來更多銷售業績，同時也從根本上改變了該公司的倉儲作業跟未來產品發展方向。如今，亞馬遜有意全面推動人工智慧的普及應用，但對其生態系夥伴來說，最大的考驗恐怕是自己的商業模式，要如何跟亞馬遜一樣，實現以AI為核心的轉型。
從專家到普羅大眾都能開發AI應用
AWS方案架構部亞太區新興技術主管Olivier Klein(圖1)表示，亞馬遜發展機器學習(ML)等人工智慧技術，已經有很長一段時間。在亞馬遜電商網站上的推薦引擎，就是該公司第一個由機器學習技術來驅動的應用，其後問世的Echo智慧音箱等新產品，也是該技術的延伸。
在AI需求爆發之際，在相關領域已經耕耘多年的亞馬遜，決定從三個層次來推動AI應用的進一步普及。這三個層次可分成「資料科學家的AI」、「應用開發者的AI」以及「普羅大眾的AI」。
資料科學家的AI方案主要著重在AWS支援的框架跟介面，包含TensorFlow、Caffe2、Torch、Keras等，讓資料科學家可以用其最熟悉或最有效率的框架來分析資料，作為AI應用發展的基礎。應用開發者的AI則是一系列能讓開發人員快速建模、部署深度學習模型的平台跟產品，包含Amazon SageMaker、深度學習相機DeepLens(圖2)。至於普羅大眾的AI，則是一系列已經打包好的應用程式，使用者只要呼叫API，就可以直接取用相關功能，例如提供影像識別功能的Rekognition、負責將語音轉換成文字的Amazon Transcribe、或是反過來將文字轉成語音的Amazon Polly，以及可用來快速開發聊天機器人的Amazon Lex等。
DeepLens是亞馬遜本次在台唯一展示的硬體產品，該產品本質上是一台攝影機，但可以將其所接收到的影像訊號直接傳送到AWS平台，執行深度學習和電腦視覺運算，並以Rekognition來分析畫面，因此能夠即時辨識物件。值得一提的是，DeepLens已預先安裝Apache MXNet的最佳化版本，因此可以在裝置上執行任何深度學習架構，包括TensorFlow和Caffe2。這也帶出另外一個熱門議題，直接在邊緣裝置上執行模型推論。
針對邊緣推論需求，亞馬遜提出的方案名為AWS Greengrass。該軟體具備雲端資料同步、快取等功能，但最值得注意的是，該軟體可以跟在AWS雲端上訓練好的模型銜接，讓邊緣裝置利用該模型進行推論，而非利用雲端資料中心的運算資源來推論。
AI改變亞馬遜 台廠準備好了嗎？
作為AI應用跟技術發展的領導者，亞馬遜已經發展出一條龍式的人工智慧解決方案，大幅降低AI應用開發的難度。但AI這項技術對亞馬遜而言不只是產品跟服務，其本身的日常營運也受到AI很大的影響。
眾所周知，亞馬遜是一家電子商務公司，因此，如何刺激消費者在自家網站上購買更多產品，顯然是最重要的課題。對此，亞馬遜利用機器學習技術開發出推薦引擎，讓消費者在購買或瀏覽某項商品時，會連帶看到其他相關產品的推播資訊，進而達成讓消費者買更多的目的。
有在亞馬遜網站上購物經驗的人，應該都知道亞馬遜網站的推薦引擎不會只推同類產品或相關產品，有時推薦引擎甚至會推風馬牛不相及的產品。不過，很奇妙的是，對某類產品有興趣的消費者，就是有很大的機率會對看似沒有關聯性的產品有興趣，最後一起打包結帳。這就是大數據分析跟機器學習的威力。
但這種由推薦引擎造成的消費模式改變，卻會對亞馬遜的倉儲物流作業造成很大的負擔，因為消費者購買的品項會有很大的歧異，如果倉儲配置還是像圖書館一般，按照產品屬性分門別類安置在貨架上，檢貨作業會浪費很多時間。因為檢貨機器人得橫跨龐大的倉庫，搬運好幾個貨架到打包區，檢貨人員才能拿齊某筆訂單所購買的全部商品。
因此，在導入推薦引擎後，亞馬遜的倉儲就不再依照產品屬性來存放商品，而是以一筆訂單內含品項的機率來安排產品的擺放位置。越有可能出現在同一筆訂單的產品，彼此擺放的距離就越近，甚至是直接放在同一個貨架上，讓檢貨機器人可以用最快速度把所需要的產品全部送到檢貨人員手上。
就像AI改變了亞馬遜的倉儲體系，有意擁抱AI的台灣硬體廠商，未來勢必也會面臨類似的問題。其中，最明顯的挑戰是亞馬遜AWS的商業模式所帶來的變革。亞馬遜AWS的商業模式是以使用量計費，這意味著採用亞馬遜解決方案的硬體產品，很難採用一次賣斷的商業模式，因為這些產品在其生命週期中，會不斷衍生出必須支付給亞馬遜的費用。硬體製造商如果想藉由亞馬遜提供的方案快速切入AI應用市場，勢必要摸索出新的商業模式。
對硬體業者來說，如果能精算出產品在其生命週期中AWS服務的使用量，進而將成本費用反映在硬體售價中，輔以加值訂閱服務來滿足少數重量級用戶的需求，將是對現有商業模式影響最小的做法。蘋果(Apple)的硬體產品搭配iCloud，就是這種模式的典型案例。然而，對硬體製造商來說，推估產品的生命週期本身就已經有一定難度，不同用戶的使用量變異性更大，要精準估算出相關成本，恐怕得先累積足夠的用戶資料，並輔以大數據分析技術才有機會實現。
另一種可能的商業模式則是把AI相關應用直接當作需要額外付費的服務來銷售。這種商業模式就像Gogoro除了賣電動機車之外，也經營電池交換業務；或是印表機、事務機業者除了賣機器之外，也賣碳粉、墨水等耗材。對硬體業者來說，這種商業模式可以創造持續的現金流，但要說服消費者接受的難度也更高。
近期威聯通(QNAP)與亞馬遜AWS合作，讓自家的NAS設備透過其二次開發套件QIoT Suite Lite與亞馬遜Greengrass對接，則是一種折衷方案。威聯通銷售的產品仍是NAS設備，但該開發套件已經預先整合了AWS Greengrass，使用者如果要使用AWS的服務，必須先自行申辦好AWS帳號，若有任何衍生費用，自然是用戶跟亞馬遜AWS之間的事，硬體製造商不須涉入。不過，這種模式的鎖定客群顯然是B2B或專業用戶，對一般消費性硬體產品來說，可能不太適用。
不論如何，硬體業者朝服務轉型是科技產業的未來趨勢，也是每家硬體製造商都需面對的課題。用服務為硬體加值，是硬體業者改賺服務財必然要走的第一步，至於要如何變現，則是真正的挑戰所在。舉例來說，宏碁幾年前曾大力推廣的自建雲(BYOC)概念，希望用服務來為硬體加值。雖然相關業務在B2B領域取得一定進展，但針對一般消費者設計的BYOC應用，因為一直找不到可以獲利的商業模式，故近期已宣告將終止服務。同理可證，硬體廠商若要在自家產品上整合亞馬遜的AI、ML解決方案，如何找到可行的商業模式，將非常關鍵。
