客户案例
云服务帮助 Autodesk 向客户交付解决方案
2020 年
Autodesk 高级副总裁 Scott Reese 介绍 Autodesk 的高增长业务领域和他以客户为中心的方法。Autodesk 的高增长领域依赖于云服务来提供解决方案,以应对全球部分最重要的挑战。

“建筑公司正试图在场外制造建筑的大型部件,因此他们希望拥有制造公司几十年来所拥有的可预测性和质量。制造公司同时也希望变得像建筑公司几十年来的那样更加灵活和敏捷。但要真正地聚合并自动化工作流和数据,必须在云环境下才能实现。”
Scott Reese
Autodesk 制造、云和生产产品高级副总裁
来自 Autodesk 首席信息官的有关数字转型和训练的建议
2020 年
Autodesk 首席信息官 Prakash Kota 谈到如何让员工和领导参与到将整个公司的企业工作负载迁移到 AWS 云的过程中,并讨论了如何通过 AWS Training and Certification 激励员工。从 Autodesk 转型中学习到的一个关键是,通过投资于公司员工来建立持续学习的文化,从小处开始快速扩张。

“我们的愿景是将所有企业应用程序和后台办公系统转移到 AWS 云上,形同一次火箭发射。我们有两个月的时间来调动员工参与迁移。”
Prakash Kota
Autodesk 首席信息官
AWS Machine Learning 为 Autodesk 客户实现设计优化
2020 年
Autodesk 利用在 Amazon SageMaker 上构建的机器学习模型,帮助设计师组织并分类数千种生成式设计选项。凭借 Autodesk 的生成式设计流程,来自奥地利的设计工作室 Edera Safety 构建出了更好、更有效的脊柱保护器。
Autodesk 使用 AWS 将大数据处理成本降低了 90%
2020 年
Autodesk 数据平台 (ADP) 收集和处理产品使用数据,为Autodesk的运营团队提供一个产品分析平台。通过将 ADP 从基于 Spark 的处理系统迁移到 AWS Lambda,Autodesk 每年最高节省 90% 的数据处理成本。今天,Autodesk 能够几乎实时地处理数据,为业务用户提供及时的分析,以利用产品改进和其他业务机会。
数据库自由使 Autodesk 能够利用 Amazon Aurora 实现传统商业数据库现代化
2020 年
为了让客户能够在整个项目的生命周期中更快、更有效、更可持续地工作,Autodesk 需要重新设想其基础设施,以支持这种复杂的、呈指数级增长的数据。了解有关 Autodesk 使用的五步框架。
Autodesk 在 AWS 上开发机器学习模型,以便在支持团队和技术团队之间路由案例
2020 年
Autodesk 利用 Amazon SageMaker 构建了与典型分类模型不同的机器学习技能模型,因为这些模型旨在选择正确的团队来负责支持用户。这与许多试图预测案例主题然后从该主题出发的模型截然不同。
机器学习帮助 Autodesk 客户与专家更快连接
2020 年
Autodesk 选择了 AWS 解决方案,来为一个名为 Community Match 论坛的新的迭代构建并快速部署机器学习模型。该模型将论坛成员的专业知识与在论坛上提出的问题相匹配 — 理念是鼓励专攻某一特定主题的社区成员分享他们关于 Autodesk 解决方案的内部知识。以前,客户寻求 Autodesk 的支持只是为了对问题进行故障排查,如今,他们能够利用共享社区中的知识更有效地使用 Autodesk 软件。
AWS 上的数据准备支持 Autodesk 进行客户分析
2019 年
对客户财务指标开发出 360 度的全方位视图,可以让组织有能力做出主动的决策,而不是机械响应客户团队策略。但是,客户数据通常存储在多个数据源中,通过映射 ID、账户名和其他字段来连接指标需要耗费大量工作。数据可能以冲突的格式呈现,而记录的数量也可能超过普通数据工具能处理的限度。Autodesk 利用 AWS 上的 Trifacta 来创建简化的数据管道流程,来自动化整体客户分析的交付。

Amazon EC2 Spot 实例帮助 Autodesk 减少支出,扩大规模
2019 年
Autodesk 创建需要大量计算容量进行渲染的设计软件。对于 Autodesk,渲染即服务 (RaaS) 工作负载是按总支出衡量时支出最大的一个。该公司现在依靠 Amazon EC2 Spot 实例来显著降低其 RaaS 功能的成本。
Autodesk 在 AWS 上进行无服务器操作,将账户创建时间减少了 99%
2017 年
尽管 Autodesk 已从 AWS 的采用中受益,但是建立新 AWS 账户对该公司的两人 AWS 运营团队提出了挑战。账户设置的手动流程导致为期 2 周的新账户请求周转时间并面临人为错误的风险。Autodesk 使用无服务器架构构建解决方案,最大限度地减少基础设施管理所需的时间和成本。借助此解决方案,Autodesk 开发人员现在可以提交一个在线表单来申请一个新账户,并且 API 可以触发账户创建过程。该解决方案还支持通过账号、电子邮件地址或 IP 地址查询账户,只需一个月的时间即完成开发和发布。
Autodesk 使用 Amazon WorkSpaces 在几天内创建数百个虚拟桌面
2018 年
Autodesk 使用 Amazon WorkSpaces 而不是租赁物理硬件,在零客户端上托管其虚拟工作站,从而提高设置效率并减少碳排放量。使用 AWS,Autodesk 在其 Autodesk 大学活动中设置和部署 450 个工作站,节省近一周时间和数千美元。
AWS Support 有助于 Autodesk 专注于其核心业务
2018 年
AWS Support 有助于 Autodesk 专注于其核心业务,而不是花费宝贵的时间为架构其基础 AWS 服务而担忧。Autodesk 将 AWS Support 视为其虚拟基础架构支持团队,就好像它只是 Autodesk 中的另一个部门或团队,因为他们知道,他们可以在不事先通知的情况下联系该团队,并获得他们所需的支持水平。
架构
Autodesk 使用 Amazon SageMaker 调试器优化了 Fusion 360 中的视觉相似性搜索模型
2020 年
Autodesk 快速设计、训练并调试了视觉相似性的机器学习模型。 利用 SageMaker 调试器,Autodesk 提高了 Fusion 360 的性能并同时节省了时间和计算成本。
在 AWS 中保护工作室 IP 安全:使用 Autodesk Shotgun 进行基于云的 VFX 项目管理
2019 年
了解有关 Autodesk Shotgun Private Cloud 的架构,它是运行在 AWS 上的基于云的 VFX 项目管理应用程序。Autodesk Shotgun 简化了创造性的项目管理,并统一了视觉效果 (VFX)、动画和各种规模的游戏团队。Shotgun 是一个可扩展的按需平台,可支持几个到数千个用户 — 全球有超过 1000 家工作室使用它,每天跟踪数百万项任务。 该演练展示了 AWS 如何帮助客户构建稳健的 SaaS 应用程序,即使对于最严格的安全需求也能够满足。
Autodesk 从 Microsoft SQL Server 到 Amazon Aurora MySQL 任务关键型数据库迁移背后的架构
2020 年
Autodesk 得以在最短的停机时间内迁移任务关键型数据库。此迁移帮助简化了 Autodesk SSO 服务的管理和弹性,优化了成本并减少了基础设施维护的开销。此博客详细介绍了迁移前架构、迁移策略、迁移步骤和性能比较。
Autodesk 使用 Amazon ECS 部署 Windows 和 Linux 工作负载
2019 年
Autodesk 创建了端到端的生态系统,对其构建、运行和部署软件的方式进行了标准化。Autodesk 可借助一个 Amazon ECS 集群运行 Linux 和 Windows 两种工作负载。