AWS 案例研究: 格物钛

AWS作为一个企业级的云服务平台，在大规模应用场景中可以提供良好的性能表现。格物钛的技术团队可以轻松地将AWS各种服务进行集成，尤其在数据科学场景中，I/O性能尤为关键。Amazon Elastic Compute Cloud (Amazon EC2)目前已经提供具备增强型联网的计算实例，在云上可以获得高达400 Gbps 以太网连接能力，可以满足格物钛的需求。“在某大规模面试语音数据模型训练项目中，我们基于AWS构建的TensorBay高效地完成了数据集创建、训练、过滤和版本迭代，AWS的表现不仅达到了我们的预期，也得到了客户的认可。” 崔运凯谈到。2020年，格物钛与加州大学伯克利分校的机械系统控制（MSC）实验室合作举办了PREdicTion Challenge数据集挑战赛。在该赛事中，格物钛提供了数据集管理和模型评估的基础架构，由AWS作为赞助方提供了赛事所需的云服务资源并实现数据托管，让来自全球多个国家的数百名数据科学开发者、高校学生和科研人员能够针对无人驾驶的预测场景实现技术创新，为今后产业发展进行人才和技术储备。在为期数月的赛程中，AWS的稳定性和可靠性不仅为参赛选手提供了良好的体验，也让格物钛能够借助这一赛事在全球行业参与者中建立良好的品牌形象。

AWS致力于通过创新的云服务、初创企业扶植计划等丰富的资源让创新者能够用低成本以及易用的基础设施来拓展业务，其中已有部分初创企业成功实现了IPO或成为行业翘楚。“我们在加入AWS云创计划之后，在技术与商务方面获得了双重支持。例如我们可以使用AWS提供的服务抵扣券来部署AWS服务、获得技术支持，也可以通过各类初创公司路演活动及时了解行业的趋势、与AWS架构师团队探讨在云上实现完善架构的方法，缩短产品的研发周期和上线时间，”崔运凯说，“在品牌宣传和营销方面，我们也可以依托AWS云创计划上的联合营销资源在行业内提高品牌的曝光率，发现更多潜在客户，加速品牌在全球的推广。”

格物钛基于AWS云原生的架构为TensorBay云端数据托管设计了具有负载均衡能力的访问层、服务层、基于Amazon Relational Database Service (Amazon RDS) 托管数据库服务的中间件层以及容器集群，结合SpringCloud微服务框架对外提供稳定服务，同时也让服务实现平滑的升级以满足未来业务发展的需求。技术团队可以针对微服务架构中的每个组件服务进行开发、部署、运营和扩展，不会对其他服务的功能产生影响。将Amazon CloudWatch与AWS Lambda结合应用，格物钛也让TensorBay云端数据托管平台具有了更好的自我监控和运维管理能力，即使用户在短期内实现快速增长，也无需担心云上性能和资源出现瓶颈。

借助AWS云创计划所提供的权益，使格物钛这样的初创企业能够借助一定额度的的服务抵扣券来使用云资源、结合AWS提供的工具和技术，快速在云上进行产品和服务研发，并通过AWS在全球开展业务。“在公司业务运营初期，AWS云创计划提供的服务抵扣券帮助我们覆盖了TensorBay云端数据托管研发过程和PREdicTion Challenge数据集挑战赛等场景中的云资源消耗，让技术团队可以在几乎没有任何基础成本的情况下进行创新与试错。” 崔运凯说，“AWS云创计划专属的Activate控制台也提供了量身定制的成本优化建议，让我们随时了解并控制服务抵扣额度的使用情况，做出明智的架构决策，将资源更好地用于核心业务的发展上。”

格物钛可以充分利用AWS在弹性计算、微服务、容器化以及无服务架构等领域的托管服务，构建一站式的数据集解决方案。依托AWS的稳定性为客户提供SaaS模式的数据集管理供应、标注、沙箱性训练、模型评估。这种方式让客户可以直接登录格物钛的服务并在云上完成从数据集构建、管理到使用的各个环节操作，帮助客户解决此前在数据和AI应用领域的高成本、高技术门槛，化繁为简，有效应对复杂结构数据的处理与应用场景。