为期一周的亚麻AWSreInvent大会在美国拉斯维加斯召开，今年是第二届，与去年相比，今年的大会人数爆棚，atv，从去年的6000千人迅速增长为今年的32000人（还仅仅是参加Keynote的人数）。

　　根据现场的程序猿所说，这里基本已经成为全世界唯一只有男厕需要排队，而女生们可以轻松自如的方便的大型会议场馆。

　　从去年开始人工智能与机器学习逐渐升温，亚麻推出了 TensorFlow，各种Deep Learning 或者AI 方面的创业随之出现。现在来看，商业格局已经基本清晰，前期准备独立开发图像识别、语音识别的均遭列强强势碾压。亚麻、谷歌、微软、IBM等推出的云计算平台中都在竞相推出AI级别的编程框架，而且支持多种语言，创业者只要调API进行使用就可以了。因此，小公司还是立足于本地，看看现成的接口能给手边的业务带来哪些提升。

　　AWS产品战略总经理Matt Wood在大会上介绍了自家的首选开源深度机器学习平台Mxnet，基于Mxnet推出了自己的AI产品线，首批产品包括：支持24种语言47种声音的文本到语音转换服务Amazon Polly，基于深度学习的图像和人脸识别服务Amazon Rekognition，以及可编写自然人机交互的Amazon Lex。

　　（图：基于深度学习的图像和人脸识别服务Amazon Rekognition）

　　Rekognition可以给图片打合适的标签。比如上面的香车美女的图片被打上了两个维度的标签：Object & scene（车，户外，白天，驾驶），Faces（女性，微笑，太阳镜）。如果拿旅游网站举例的话，把所有用户上传的攻略图片都调 API 打一圈标签，存在 RDBMS 里，以后的交互场景就会发生革命性的变化。比如，对着网站提供的导游机器人说，这家民宿的早餐好不好吃，机器人就会很懂你的跟你说好吃或者不好吃，或者说得很暧昧……

　　当然这就涉及到了文本到语音转换服务Polly。Polly 看上去似乎是十几年二十年前的 tex-to-speech 的技术，实则不然。text-to-speech 是毫无生气的机械音，而据亚麻的说法，Polly 是 life like 的语音。要想做到 life like，不但要分词准确，理解语义，还要把文字中的三屉馒头（sentimental）还原出来。

　　在硬件方面，亚麻也提供了多款令程序猿们兴奋的基础设施，首先是早几周上线名为P2的GPU计算实例。P2专门用于支持机器学习、高性能计算以及其它需要海量浮点并行计算的应用，同时提供预置优化的数种开源机器学习计算框架，其中包括新发布的Mxnet和之前的TensorFlow、Caffe、theano、Torch和CNTK等。P2提供了多达4万2千个CUDA计算内核，AWS同时预建了基于P2的深度学习计算集群，让普通程序员能轻松完成规模化的机器学习编程和应用。

　　据说北京图森科技（原知图科技），就在应用P2实例研发智能汽车算法，直播，通过使用车载图像识别设备和深度学习算法。图森可以全天候识别行驶汽车的周边，还能在平面图像中精准识别三维空间里的汽车的位置，精度在厘米左右。