亞馬遜參與人工智慧研發意味著什麼？

據外媒報道，亞馬遜正在開發一款人工智慧（AI）晶元，主要用於亞馬遜Echo等基於亞馬遜Alexa虛擬助手的硬體裝置。

據知情人士透露，該晶元將大大提高基於Alexa的硬體裝置的資料處理能力，使它們能夠更快地響應使用者命令。

此舉使亞馬遜成為繼谷歌、蘋果之後又一家自主研發人工智慧晶元的大型科技公司。 這些科技公司這樣做是為了個性化他們的產品。 但對於英特爾和英偉達等傳統晶元公司來說，這並不是乙個好兆頭：

因為他們的客戶即將成為競爭對手。

亞馬遜和谷歌內部開發的晶元也讓我們想起了科技市場的早期。 當時，IBM和Sun等大型科技公司涉足多個領域，包括開發自己的晶元和軟體。 但在過去的幾年裡，為了個性化產品，蘋果開始開發自己的晶元，從而減少了對外部合作夥伴的依賴。

事實上，在過去的兩年裡，亞馬遜一直在通過收購和招募來“秘密”開發晶元功能。 2015年，亞馬遜斥資1億美元收購了以色列晶元製造商Annapurna Labs。 當時，亞馬遜沒有透露收購該公司的目的。

但去年，Annapurna Labs宣布正在開發一系列晶元，主要用於資料儲存裝置、WiFi路由器、智慧型家居裝置和流媒體裝置。

據知情人士透露，Annapurna Labs現在正在開發基於Alexa虛擬助手的硬體裝置的人工智慧晶元。 亞馬遜拒絕對此發表評論。

對於英特爾和英偉達來說，亞馬遜自主研發的資料中心晶元是一大威脅。 目前，英特爾控制著98%的伺服器主晶元市場，英偉達為這些伺服器開發AI晶元，與英特爾的主要晶元協同工作。

亞馬遜對GRAIL的興趣可能表明其對醫療保健領域AI的興趣：它對GRAIL的投資意味著它相信對資料和處理效能有巨大需求的基因組學將成為乙個重要的計算領域。 亞馬遜現有的電視劇集和人工智慧工具也意味著它處於進入醫療保健領域的有利位置，這已經受到許多人工智慧初創公司的競爭。

這項技術最終會改變我們未來的生活，因為它會改變我們的生活，所以它最終會成為未來的發展趨勢。 這將是未來的發展趨勢。 這是未來發展的趨勢，未來鋁技術必將佔據較高的地位。

亞馬遜並不是時尚的代名詞，但該公司正在開發引領時尚設計趨勢的人工智慧演算法。 亞馬遜目前正在開發幾種機器學習系統，這些系統可以塑造最新的時尚趨勢。

這項技術最終將改變我們未來的生活，並最終成為未來的發展趨勢。

我認為這應該表明亞馬遜可能也正在進入科技世界。

因為改變我們的生活，終將成為未來發展的趨勢。

網易情報4月18日訊]亞馬遜員工和他們的投資者認為，傑夫·貝佐斯（Jeff Bezos）知道人工智慧（AI）是一件大事。在其他年度股東信中，亞馬遜首席執行官用了幾段話來解釋該公司如何在其業務中使用人工智慧，並承認和擁抱“外部趨勢”。

貝索斯列舉了亞馬遜利用人工智慧的三大方式：有形產品和登月計畫（瘋狂且難以實現的專案）、核心業務和企業雲。

貝索斯寫道，“如果你自己不願意或不能盡快接受外部趨勢，外界會把你推到第二天的狀態。 如果你反對這些趨勢，你可能會成為未來的敵人。

你需要擁抱他們，這樣你才能乘風破浪。 ”

具有大膽創新計畫專案的產品。

這一類別就是貝索斯所說的“機器學習的實際應用”，如果沒有人工智慧的支援，面向消費者的產品或服務就無法成功。 亞馬遜的便利店Amazon Go、Prime Air的送貨無人機和虛擬個人助理Alexa都是如此。 雖然 Amazon GO 和 Prime Air 的交付仍處於早期階段，但 Alexa 已經引起了更多關注，而且它沒有出現在今年的 CES 上。

不難看出，亞馬遜在這個領域處於領先地位，因為 Echo 的發布實際上相當於發明了一種像語音助手揚聲器這樣的新產品。

在表面之下。 人工智慧不僅限於無人機和虛擬助手，貝佐斯表示，人工智慧在其核心業務電子商務中發揮著重要作用。 該公司正在利用 AI** 產品需求、支援搜尋排名、建立和推薦交易、檢測欺詐、翻譯語言等。

貝佐斯說：“雖然不明顯，但機器學習技術的影響非常大，正在悄悄地、戲劇性地改善我們的核心業務。 “當然，還有亞馬遜高度自動化的倉庫，機械人被用來加快處理和運輸時間。

雲計算。 這是人們密切關注的領域。 不過，亞馬遜在該領域的主導地位是顯而易見的：

該公司的收入是其最接近的競爭對手Microsoft的五倍多。 除了覆蓋可以支援大多數網路的 S3 儲存空間外，Amazon Slim 還為開發人員提供了一些簡單的工具，允許開發人員將 Amazon 的 AI 演算法整合到他們自己的應用程式中，以及讓 AI 公司執行自己的演算法。

對於像亞馬遜這樣的商家來說，雲計算也是乙個很好的營銷工具，因為其他人在平台上所做的工作通常聽起來同樣令人印象深刻，不需要大量的修補和設計工作來使最終產品發揮作用。

貝索斯曾表示，該公司的“預打包”人工智慧演算法有助於治療疾病並估計農民的作物產量，而無需專門的機器學習技術。