就在上周，亚马逊首席技术专家Werner Vogels在一档视频节目上强烈安利「云计算」，他说，云计算就在我们身边。

作为在云巨头效力已经17年有余的资深首席技术专家，Vogels一直在反思云计算的技术拓展之路。特别是2007年诞生的亚马逊云科技，一路推动云计算向着一切计算场景加速融合。

以往，大家可能认为「云计算」是那种远在天边、运行在机房里的东西，但这只是云计算发展早期的样子，现在的云已经开始转化为一种随时随地嵌入计算的功能形式。Werner Vogels拿亚马逊举例说，亚马逊云科技在全球设有24个区域、84个可用区、成千上万个存在点，已经开始全面覆盖5G接入点等边缘位置，甚至将业务延伸至外太空。

以前大家常说转角遇到爱，现在人们转角就能遇到云——就在我们走路、聊天、发短信或打开app的时候，里面总会有云科技的身影。比如，当大家用5G手机访问运营商的AWS（亚马逊云服务）时，实际访问的就是你身边最近处的AWS接入点。

而这种利用身边区域服务用户的观念，通过将计算、存储及附加服务等资源部署在大型人口中心位置，真正推动了云计算从空中来到我们身边。尤其是对延迟非常敏感的流媒体和游戏用户，对于这些用户而言，他们更需要离他们更近的本地区域云服务。

另外，云计算的落地也衍生出更多值得关注的新鲜应用，特别是在各种建筑中嵌入技术、智能方案及传感器。

1、数字传感器大有前景

首先，Vogels透露自己观察到的一大趋势，就是数字与物理、模拟与真实之间的边界正在快速消失，数字传感器被放置在真实环境当中，而各传感器之间的持续交互已经成为最火热的新兴概念。

在数字化世界中成长起来的一代人会把这些视为理所当然，但Vogels以亚马逊Alexa举例说智能语音系统的出现就是一道分界线。因为，最喜欢用Alexa的其实是老年用户，如果塞给他们一部iPad，那他们也就用它拍几张孙子孙女的照片，仅此而已。但如果可以用语言交流，那设备的使用门槛就会大大降低。根据他的经验，不少年长的用户甚至把Alexa称为“救星”。

这背后也许蕴藏着巨大的市场空间。Vogels强调，在全球社会快速步入老龄化之际，护理与协助方面的需求恐怕只有依靠智能技术才能得到满足，而在智能方案的加持下，老年人的自我护理也将成为医疗保健体系中的重要组成部分。

2、老年护理是个重要话题

其次，“老年护理的重要意义正快速上升，毕竟每个人都会变老。”在他看来，整个人类社会都将面临新的挑战，即——通过怎样的创新探索，才能让老年人们能尽量待在家中，不再为了种种日常需求而被迫前往相应的服务设施。

目前，全球自我护理领域已经出现了种种激动人心的创新成果。通过传感器和自动警报等系统，创新方案正在快速涌现，特别是在老年护理和医疗保健方面，整个体系的便捷性都在经历一场重大革新。

3、AI和ML可以成为医生的得力助手

对于今年已经63岁的Vogels来说，医疗保健当然是个重要话题。在成长为技术专家之前，他曾经在医院的放射科工作过。

在本月早些时候的纽约亚马逊云科技峰会上，Vogels本来是要发表主题演讲的，但最后却把机会让给了亚马逊首席开发倡导者Martin Beeby，不过他本人倒是无所谓。于是我问他本来打算在演讲中聊什么，Vogels说他想跟听众们分享“数字存储普及之前，放射科那噩梦般的旧时光”。

Vogels回忆道，大概三四十年前，当时数字存储的成本太高，医院根本无法承受。为了满足医疗记录需求，医院不可能把核磁共振数据保存成数字化形式，只好把图像印在胶片上，再像X光片那样进行实体归档。

于是放射科的档案库就像电影制片厂一样庞大而杂乱。“在病人来复查时，我们没法直接用数字信息进行比较，而只能调出相应的胶片，一张张翻着看。”对这位辛勤的放射科医师来说，每天的工作就是翻看无数张胶片，“上班时眼睛还好好的，到快下班时已经有点看不清东西了。”

但如今，所有数据都有了纯数字化版本。在云服务，特别是云存储的帮助下，图像研究的灵活性达到了他们当初无法想象的水平。

Vogels指出，技术变革对实践活动的影响在这里展露无遗，随着信息开始以数字化形式存在，AI（人工智能）和ML（机器学习）也逐渐成为放射科医师手中的强大工具。

“直到现在，还是有很多人觉得AI和机器学习会消灭工作岗位。但至少放射科医师们不会这么想，他们对如今的便利性感到既兴奋又感激。”

以数字为基础，“医师们现在可以做出微观比较”，比如对肿瘤变化的细节进行对照。Vogels说，“人的眼睛没那么敏锐，但AI和机器学习能够发现其中隐藏的模式，并在一定程度上引导放射科医师专注于需要发挥创造力的工作。”

“所以从本质上讲，放射科医师会把医疗保健领域的AI方案理解成出色的助手。有它们帮忙，医生也能早点下班回家了。”

Vogels再次强调了其中的逻辑链条，在放射学科中，因为我们能够保存数字化数据了，所以机器学习才变得越来越重要。而现在，整个医疗保健领域都在经历类似的重大转变。

“如今，医生们希望能在更细微的水平上衡量肿瘤的生长变化，这是当初只能以厘米为单位控制精度时所无法想象的。”Vogels解释道，而机器学习在肿瘤上发现的某些微观差异，也许才是病变的主要判断依据。

“特别是在核磁共振扫描当中，某些微观水平的模式，甚至直接决定着肿瘤是恶性还是良性。”最终判断仍然要靠放射科医生来下达，但机器学习现在可以“展示以往无法获取的信息”。

其他进步趋势同样值得关注。如今，诊疗笔记也在经历数字化，有望逐渐告别纯手写的低效形式。将这些记录转换为数字化数据，就能让AI对所有内容进行分类和筛选，“找出模式和切入点，而这一切在短短五年前都还只是幻想。”

Vogels认为，要想对核磁共振影像进行肿瘤分析，就必须对深度学习等前沿AI成果做出新一轮创新。“要攻克这个难题，靠的可不仅仅是分析数据内容或者编写SQL查询，而得有真正的模式匹配和深度学习能力。”好在“不少这类AI模型一直在发展，前进的脚步从未停歇”。

4、AI可以做更多事情

至于未来的AI会向何处去？Vogels回答说，AI技术创造出新的机会，能够把亚马逊积累了二十年的独门零售优势（例如个性化推荐）转交给每一家企业、甚至是每一个人。

他说，“现在，我们已经可以通过机器学习构建起具备实用性的系统了。亚马逊二十年前就这么做了，现在这种能力不再是技术巨头的专属，而是成为新的行业常态。”

“看看亚马逊用个性化推荐构建起的一个个页面，这才是一千个用户眼中有一千个不同的主页。所有这些，都是依靠机器学习技术实现的。”

“而且亚马逊还保留了几十亿份订单记录，我们也明确知道哪些是欺诈性订单，所以能据此整理出模型。这样当有新订单传入时，我们就能准确判断出其属于欺诈性订单的概率。”

“如此种种，亚马逊的技术积累比行业平均水平要领先五到十年。但时至今日，个性化推荐和欺诈分析正逐渐成为大众化的技术成果，未来每个人都应该能够根据自己的需求分析订单模式、预测后续情况。”

他还提到，机器学习在代码开发中也在发挥“极其重要的作用”，并援引了亚马逊Code Whisperer技术“消除简单重复工作”的案例。在这类工具的加持下，开发人才供应不足的问题有望得到显著缓解。

Vogels还说，机器学习也将给能源等受到严格监管的行业带来助益。以澳大利亚的液化丙烷气行业为例，他们正在技术的支持下探索预测性维护的可行性。以往，相关设施只有在问题实际出现后，才会通过巨大的仪表板发出刺耳的警报。如今，他们使用新的传感器开展预测性维护，希望能抢在问题发生之前将其扼杀在摇篮之中。

制造业同样能够从机器学习中获得巨大提升。他观察到，在美国，典型的制造设备大多产自26年之前，所以完全没考虑过机器学习这个因素。因此，我们有必要对制造环境开展一体化改造，充分运用来自环境的实时数据，进而实现安全保障和预防性维护。很多行业和领域在这方面都具有广阔的应用空间。

当然，AI中也有不少更深层次的道德问题需要解决。Vogels坦言，“这里还有很多未解之谜。”

在他看来，也许可以在一定程度上让构建AI的人进行自我监督。一方面，我们应该着眼于能够实现的技术，看看怎样才能真正理解AI模型的真实本质。从这种可行性出发，没准未来的监管要求反而会有所下降。

另一方面，他也承认“道德是个复杂的话题，往往会受到舆论的推动。”某些技术可能在某个国家通行无阻，比方说图像识别之类，但在其他国家也许会遭到群体抵制。

Vogels还举了伦敦各处密布监控闭路摄像头的例子。“这种行为在英国没问题，但同样的事情如果发生在阿姆斯特丹，老百姓就要造反了。”

Vogels认为，要想解决这样一个“极度敏感的话题”，首先需要明确什么是负责任的技术。其中的基本前提就是，“技术可以被用于行善，也可以被用于为恶。”

“至于到底怎么保证技术只用于行善、不用于为恶，就要由监管机构和技术开发商共同决定了。”