AWS透過Amazon S3迭代更新簡化用戶雲端儲存難題 推動人工智慧技術創新

▲透过Amazon S3迭代更新简化用户云端储存难题

负责与Amazon S3相关储存及云端资料迁移技术的AWS副总裁Mai-Lan Tomsen Bukovec，针对此次在re:Invent 2024所介绍Amazon S3储存服务相关更新，强调从储存端协助用户推动人工智慧技术创新。

由于储存在云端服务扮演重要功能，而如何更有效率存取资料也变成服务发展关键，尤其在目前人工智慧技术应用发展趋势下，如何在短时间让人工智慧服务更快找到正确资料，进而生成正确解答，背后与资料如何储存息息相关。

而在人工智慧训练方面，如何透过高品质资料训练人工智慧模型，其实也与储存息息相关，因此也让Amazon S3持续成为AWS重要服务项目。

不过，随着各类服务持续成长，每天产生资料也持续以倍数成长累加，使得企业、开发者必须慎重思考储存架构如何规划，尤其在人工智慧技术发展下所产生资料量更是超乎想像庞大，如何更有效率存取资料，并且再从庞大资料有效用于人工智慧发展，显然就变得更加重要。

因此在此次re:Invent 2024活动中，AWS标榜透过Amazon S3 Intelligent-Tiering储存类别协助用户节省超过40亿美元的储存开销，另外也加入支援Apache Iceberg开源储存表格格式，并且增加可提高3倍储存速度的Amazon S3 Tables表格系统，更可透过Amazon S3 Metadata管理系统，以元数据比对方式更快找到正确储存资料，即便资料日后有所异动也能正确找到。

其他更新也包含针对提供全球地区使用服务的资料处理需求，提出透过卫星校正不同时区导致资料处理时间所产生误差，让所有资料能正确厘清各自储存、修改时间，进而可做出不同处理决策，并且透过Aamzon DynamoDB全域表 (global tables)使用全受管、无伺服器、对应多区域、多用途且具99.999%可用性的资料库，另外也提出更快的分散式SQL资料库系统Aamzon Aurora SQL。

非结构化资料对于人工智慧发展至关重要

Mai-Lan Tomsen Bukovec认为，唯有建立良好的资料内容才能推动更好的人工智慧技术发展，而AWS目前在Amazon S3储存服务持续更新，便是希望能让用户以更简单方式储存资料，并且以更有效率方式取用。

而针对当前的人工智慧技术对于非结构化资料需求也相当高，如何将这些借由Amazon Q技术转出的非结构化资料有效储存也变得重要，并且能借由Amazon SageMaker平台加速人工智慧模型训练，进而让资料更有效率地用在人工智慧技术。

▲AWS副总裁Mai-Lan Tomsen Bukovec

透过人工智慧方式加快资料整合移转

除了让资料能更有效率存取使用，在资料服务移转部分，此次AWS也提供可将以微软.NET环境建置服务移转至执行效率更高的Linux云端环境，借此让服务执行速度可提高4倍，以及可将原本在VMware虚拟环境工序转换成云原生型态，甚至将大型主机上的应用服务整合时间从数年缩减为数个月的功能，使得企业或开发者能更大幅减少资料整合时间，并且避免资料在移转过程产生损毁、遗失等情况。

Mai-Lan Tomsen Bukovec指出，过往要将历史堆叠资料进行整合、移转，在大型企业或多人团队组织内将是相当困难的挑战，但目前借由Amazon Q技术以平行运作方式即可在不影响既有工作情况下完成整合工作。

与更多第三方业者维持深入合作，让用户有够多便利选择

至于在AWS自身已经提出诸多资料库应用创新功能，是否也会影响既有第三方资料库服务业者合作关系？

对此，Mai-Lan Tomsen Bukovec认为不会有冲突，强调AWS主要目标还是协助用户解决较复杂问题，并且提供更多选择，让用户能自行决定合适解决方案，并且以更短时间、更多人力成本投入服务建置。

实际上，AWS也持续与许多第三方业者深入合作，使其服务能在AWS云端平台顺利使用，进而吸引更多用户导入服务，形成更庞大大的正向发展循环。

《原文刊登于合作媒体mashdigi，联合新闻网获授权转载。》