AWS
Amazon Web Services (AWS) 是全球最全面、應用最廣泛的雲端平台，從全球資料中心提供超過200項功能齊全的服務。它提供了一整套強大的人工智慧和機器學習工具，包括用於透過領先的基礎模型建構生成式AI應用的Amazon Bedrock、用於完整機器學習生命週期的Amazon SageMaker，以及用於進階文字、圖像和影片生成的強大Amazon Nova模型。
Amazon Web Services (AWS) 是全球最全面、應用最廣泛的雲端平台，從全球資料中心提供超過200項功能齊全的服務。它提供了一整套強大的人工智慧和機器學習工具，包括用於透過領先的基礎模型建構生成式AI應用的Amazon Bedrock、用於完整機器學習生命週期的Amazon SageMaker，以及用於進階文字、圖像和影片生成的強大Amazon Nova模型。
關於 雲端服務
雲端服務是一類透過網際網路提供按需計算資源和平台的AI驅動及通用基礎設施工具，使開發者無需管理實體硬體即可建構、部署和擴展應用程式。這些服務利用分散式架構提供可擴展的儲存、計算、網路以及專業的AI/ML平台。它們賦能開發者加速創新，降低營運開銷，並專注於核心產品開發。
核心功能
- 可擴展計算與儲存：按需的虛擬機器、容器（如Kubernetes）、無伺服器功能以及物件/區塊儲存，可根據需求自動擴展。
- 託管資料庫：完全託管的關係型（如PostgreSQL, MySQL）和NoSQL（如MongoDB, DynamoDB）資料庫服務，減輕管理負擔。
- AI/ML平台：用於建構、訓練和部署機器學習模型的服務，包括用於視覺、語音和自然語言處理的專業API。
- 網路與內容分發：虛擬私有雲、負載平衡器、DNS服務和內容分發網路（CDN），實現安全、高效能的全球存取。
- 開發者工具整合：整合在雲端生態系統內的CI/CD管道、程式碼儲存庫、監控和日誌服務。
適用場景
開發者利用雲端服務託管Web應用程式、部署微服務架構、運行大數據分析以及編排複雜的AI/ML工作流程。它們對於需要快速原型設計的新創公司和需要強大、全球分散式基礎設施的企業至關重要。
選擇要點
根據服務產品（IaaS、PaaS、SaaS）、定價模式（按量付費、預留實例）、生態系統成熟度、安全功能、合規認證和開發者支援來評估提供商。考慮資料駐留要求以及與現有工具的整合。
雲端服務應用場景
部署可擴展的Web應用程式
開發者利用雲端計算實例（虛擬機器、容器）和託管資料庫來託管Web應用程式，以應對波動的使用者流量，確保高可用性和效能。這使得小型團隊能夠推出全球服務，根據即時需求自動擴展或縮減資源，從而節省營運成本和手動干預。
建構和部署機器學習模型
資料科學家和機器學習工程師利用雲端AI/ML平台，使用海量資料集訓練模型，然後將其部署為API端點，用於應用程式中的即時推斷。這顯著減少了基礎設施設定時間，並提供了對專用硬體（GPU/TPU）的存取，以實現更快的模型訓練和部署。
實現無伺服器後端API
後端開發者使用無伺服器功能（例如AWS Lambda、Azure Functions）創建事件驅動的API，從而減少基礎設施管理並僅按執行時間付費。這種方法允許快速開發微服務、自動擴展和成本優化，因為資源僅在程式碼實際運行時才被消耗。
編排容器化微服務
DevOps團隊使用容器編排服務（例如Kubernetes）部署和管理複雜的微服務架構，確保跨環境的可移植性、可擴展性和彈性。這允許在開發、測試和生產環境之間進行一致的部署，簡化更新和回滾，同時最大化資源利用率。
管理大數據儲存與分析
資料工程師將PB級資料儲存在雲物件儲存中，並使用託管資料倉儲或分析服務來處理、查詢和從大型資料集中獲取洞察。這為處理海量資料提供了經濟高效且高度可擴展的解決方案，無需管理底層基礎設施即可實現高級分析和商業智慧。
設定CI/CD管道以實現軟體交付
開發團隊將雲原生CI/CD工具與程式碼儲存庫整合，以自動化建構、測試和部署過程，從而加速軟體發布週期。這確保了程式碼更改的持續整合和交付，減少了手動錯誤，並為開發者實現了更快的迭代和回饋循環。