亞馬遜在2019年8月推出應用于制造業(yè)的云端連接框架Machine to Cloud Connectivity Framework，讓工業(yè)用戶可快速將從工廠設備擷取之數據上云，帶來生產效率及靈活性的提升，并可透過機器學習進行預測性維護。

智慧制造產品多元，以簡化操作擴大串聯為主要訴求

該框架允許用戶連接與監(jiān)控其網絡中既有的IoT設備，同時能客制欲采取之相關數據操作如創(chuàng)造警示、讀取頻率等，在工廠數位基礎設施完整較高情況下，亦能做到預測性維護。

目前此服務部屬包括亞馬遜 IoT Core、亞馬遜 IoT Greengrass、亞馬遜 Lambda、Amazon DynamoDB及Amazon S3，其為企業(yè)帶來之最大效益來自10分鐘內快速自動部屬的簡便性，以及透過數據的可視化簡化底層基礎架構操作之管理。

制造業(yè)的數位轉型是亞馬遜持續(xù)關注領域，其提供各式云端IoT服務、資料湖泊、進階分析工具等，透過擷取、協調、分析、視覺化等方式提升工廠營運能力，而近期頗有升溫之勢。

2019年3月亞馬遜與全球最大的汽車制造商Volkswagen聯手打造Volkswagen工業(yè)云，目標整合供應鏈3萬家工廠及逾千家合作伙伴，并使用亞馬遜 SageMaker優(yōu)化工廠機械操作的機器學習（ML）模型。

此外，亞馬遜也與工研院合作整合現有的虛擬多軸（VMX）制造平臺，在云端服務納入工研院開發(fā)的智慧制造應用軟件。

ML與AI成發(fā)展兩大動力，成本管理仍為企業(yè)采用瓶頸

除ML外，AI是另一項支持Amazon產品創(chuàng)新發(fā)展的核心動能，過往亦藉此接連打造Prime Air、Amazon Go、Alexa等令市場耳目一新的服務。

亞馬遜于2019年8月下旬正式推出應用深度學習技術、由云端完全托管的時間序列預測服務Amazon Forecast，僅需上傳歷史時間序列數據及相關資料，便能自動進行預測如零售產品需求、供應鏈資源需求、營運目標等決策支援，大幅簡化建置機器學習模型的難度。

觀察亞馬遜近期動態(tài)，隨著ML的深化與AI延伸，未來或可進一步串連IoT至AI領域應用，提升以IoT為核心之產品部署價值。

然于此同時，越趨復雜之方案組合與包裝，或促使企業(yè)對于采用成本之考量，許多企業(yè)發(fā)現在服務上運行大量工作時難以有效對其管理。

對此，亞馬遜也定期降低部分產品價格，例如2019年9月對Amazon EFS之降價希望藉此優(yōu)化企業(yè)儲存成本，然回應市場之效益是否顯著，仍需持續(xù)觀察。

來源：AI人工智能產業(yè)研究