从使用云重新定义运动、探索虚拟世界、供应链转型和更智能的新能源，看看亚马逊首席技术官 Werner Vogels 博士分享的明年的内容。

随着几场全球危机占据吾等日常生活，重要的是要看到吾人于何处能利用何等技术来解决当下日益维艰之人类问题。而今，吾人从可穿戴设备、医疗设备、环境传感器、视频采集和其他连接设备捕获之数据比远超过往。当计算机视觉、机器学习和模拟等云技术相结合时，亦此洞开如斯强大信息和应用之融合，将人类引领何处？

下一波创新者和发明家，让我很幸运地在拍摄《Now Go Build》时遇到了他们中的一些人--已经在为地球重新造林，让我们的年轻人保持活力，以及重新想象从仓库到交货的供应链而构建解决方案。而这确实只是个开始。随着先进技术的使用变得更加普遍--随着生活的每个方面都成为我们可以分析的数据--我们将看到创新的洪流，这将在2023年激增。

预测1：云技术将重新定义体育运动

像音乐和视频一样，体育将成为我们可以分析的数据流。这些将在未来几年释放的洞察力将改变整个体育产业，并重新定义玩耍和体验每场比赛的意义。

体育是人类结构的一部分。它们超越了时间、文化和物理边界。此时此刻，世界上最大的体育赛事之一正在发生--世界杯。估计有50亿人将会观看。到目前为止，广播电视对职业体育的发展产生了最大的影响，为今天这个价值5000亿美元的产业铺平了道路。下一个改变游戏规则的技术进步就在眼前。在未来几年，每项运动的每个方面都将经历数字化转型，这将发生在从青年篮球到职业板球的各个层面。

像Veo这样的公司正在引领这一潮流，利用机器学习、计算机视觉和流处理等云技术，缩小业余和职业运动员之间的数字鸿沟。虽然Veo公司为业余体育的观众创造了类似广播的体验，但它也建立了一个深度神经网络，使其能够从视频流中自动创建亮点。这使得球员、教练和招聘人员能够轻松地找到关键比赛，改进战术，并以以前根本不可能的方式分享所有这些。随着像Veo这样的技术在所有级别的所有运动中得到更广泛的应用，想象一下接下来会发生什么。

顶级联赛，如德甲和NFL，已经开始使用视频流、可穿戴设备、物联网（IoT）传感器等进行实时分析和洞察。展望未来，这些能力将继续推进，这些技术将成为几乎每项运动、每个级别的无处不在的力量。想象一下这样的场景：教练可以使用计算机视觉和生物识别数据，在云端进行实时分析，在球员抽筋或丢球前将其拉走，用休息得最好的队友替换他们，这是现在可以量化的东西。这同时提高了球员的安全性并增加了比赛的竞争力。在这一点上，运动本身将真正开始成为一个数据流，我们可以实时分析并做出决定，球员的水合作用、球的运动、场地的饱和度--所有这些，都比我们今天看到的任何东西都更丰富。随着更多的数据带来了进一步的创新。在不远的将来，我们将达到这样的程度：球队在每场比赛中都会在后台不断地进行 "假设 "模拟，使他们能够更好地预测他们的决定在当时的影响。技术本身将成为职业体育的竞争基础。

无论是在现场还是在屏幕上，球迷的体验也将改变。体育场馆将迅速采用我们在零售等行业看到的一些创新，比如亚马逊Go商店，在那里，计算机视觉、传感器融合和深度学习的使用将实现无票入场和随手可得的购买。我们还将开始看到下一代的数据叠加和实时洞察，深入到球员层面，增强游戏，使体育更接近我们今天在视觉信息最丰富的视频游戏中的期望。共同观看和个性化的观看体验将继续发展，比以往任何时候都更紧密地联系这50亿观众。

体育界目前正处于有史以来最大的革命的边缘，而云技术是这场变革的中心。

预测 2：虚拟世界将重塑我们的实验方式

空间计算、仿真、数字孪生。这些技术多年来一直在慢慢成熟，但对日常的影响却很有限。这种情况正在迅速改变，在2023年，云将使这些技术更容易获得，反过来又使一类新的用例不受物理限制。

模拟被用来制造更好的赛车，预测天气，以及模拟股票市场。虽然模拟可以解决的问题很重要，但建立和运行模拟的难度是日常使用案例的一个障碍。公司受制于对高功率硬件和专业劳动力的需求。以喷气式机翼或赛车的流体动力学模拟为例，仅模拟一秒钟的真实世界场景就可能需要150兆字节的数据。然而，随着最近推出的AWS SimSpace Weaver等技术的出现，这种情况正在迅速改变，这是众多仿真技术中的第一个，它将为未来铺平道路，在这个世界上几乎任何东西都可以，而且最终会被仿真。仿真将帮助我们对我们建造的道路、我们组织仓库的方式以及我们应对灾害的方式做出更好的决定。通过模拟，我们可以窥视未来，看到我们的努力所带来的影响，运行无数的 "假设 "场景来回答我们的问题，而不必等待，看看多年后可能会产生什么影响。通过AWS SimSpace Weaver这样的技术，像Terraformation这样的公司可以模拟整个森林在实现种植1万亿棵树的目标过程中的生长情况。因此，它可以确保一个具有生物多样性和健康的森林，并具有尽可能多的碳抵消。

我看到创新快速增长的另一个领域是空间计算。公司已经在构建专用硬件并使用云技术来捕获和创建几乎任何环境的 3D 模型。仅使用移动设备即可实现这一目标很快就会成为现实。这种民主化将激发建筑、建筑、商业地产和零售行业的新一轮创新浪潮。就像视频对互联网的影响一样，空间计算将在未来几年迅速发展，届时 3D 对象和环境将像您今天最喜欢的社交媒体短视频一样容易创建和使用。互联网上的静态 2D 产品图片将成为过去，取而代之的是您可以拾取、旋转、并像今天在网络浏览器中看到的那样无缝地放置在您的客厅中。但希望这些模型能出现更多，这样它们的内在特征就可以在您的虚拟家庭中被模拟出来。一盏虚拟灯不仅会放置在您客厅的地板上——您将能够打开和关闭它，实时观察环境光如何与您的虚拟家具相互作用，并了解它对您的能量的影响消耗。所有这一切都发生在按下“立即购买”按钮之前。并了解它对您的能源消耗的影响。所有这一切都发生在按下“立即购买”按钮之前。并了解它对您的能源消耗的影响。所有这一切都发生在按下“立即购买”按钮之前。

2023 年，此类技术将开始融合。随着数字技术越来越多地融入我们的物理世界，模拟对于确保空间计算技术产生正确的影响变得更加重要。这将导致企业和消费者同时使用曾经完全不同的技术的良性循环。云通过其巨大的规模和可访问性，将推动下一个时代的发展。

预测3：智慧能源创新浪潮

储能表面材料。分散式网格。智能消费技术。到 2023 年，我们将看到全球范围内的快速发展，这将改善我们生产、储存和消费能源的方式。

我们正处于另一场能源危机之中。成本上升和能源的可靠获取是全球性问题——它们影响到每个人。虽然这不是我们第一次面临能源危机，但几项成熟的技术开始融合，它们将使我们能够以前所未有的方式解决这个问题。

我们周围的环境产生的可再生能源绰绰有余。实际上，挑战在于储存和按需交付给需要消耗这些能源的系统。亚马逊正在这个领域开展工作，以亚利桑那州的150兆瓦电池存储系统为例，它为我们在该地区的设施提供清洁、可靠的能源。但我们不是唯一的。全球的公司也在这个领域迅速创新。云正在使材料研究科学用于新的使用案例，例如将能源储存整合到他们旨在提供动力的物体的结构中。想象一下，一艘船的两侧实际上是为它的旅程提供动力的电池。这只是冰山一角--没有双关的意思。我们也开始看到长期存储的突破，如熔盐、堆积块和燃料电池。

另一个领域是能源的分散化。由于能源供应的不确定性，一些社区正在转向微电网。我喜欢把微电网想象成社区花园（但用于能源），社区成员用这些来维持自己的生活，减少对传统能源公司及其老化基础设施的依赖。在我的社区，我们有一个小型的微电网，收集太阳能并在租户之间共享。随着我们继续看到能源挑战被地缘政治事件和气候波动所放大，微电网将成为世界各地许多社区的可行解决方案，而云技术将在实现这一目标中发挥作用。来自太阳能电池板、风电场、地热发电和水力发电的数据将在云中被流化、储存、监测、丰富和分析。机器学习将被用来分析所有的能源数据，以预测使用高峰，并通过在家庭层面的颗粒度上重新分配能源来防止停电。

我们还将看到基于物联网的智能消费设备在未来一年里在全球范围内起飞。这将导致下一波的创新，这些设备为家庭和企业提供了新的可观察能力。想象一下，通过对历史建筑进行节能技术改造，我们可以获得多少能源节约。

在接下来的几年里，我们将看到所有类型的智能能源技术的快速融合，因为我们终于遇到了我们的技术解决方案可以解决我们的危机的门槛。虽然这可能不会产生我们都希望的直接影响，但这些技术加在一起将从根本上永远改变我们创造、储存和消费能源的方式。

预测4：即将到来的供应链转型

2023年，计算机视觉和深度学习等技术的采用将推动供应链的发展。无人驾驶车队、自主仓库管理和模拟只是优化的一部分，它将导致智能物流和全球供应链的一个新时代。

在过去的几年里，我经常反思的是全球供应链的脆弱性。我们每天都会被提醒这一点--延迟交付、无法获得的产品、空荡荡的货架。虽然亚马逊已经通过数字货运匹配和配送站等创新对其供应链进行了微调，但许多公司仍在物流挑战中挣扎。这种情况即将改变。

这将从货物本身的制造开始。工厂中的物联网传感器将激增，机器学习将被用于不仅预测设备故障和机器故障，而且预防它们。更少的停机时间意味着稳定的生产。在全球范围内运送这些产品是一个完全不同的挑战。由云计算驱动的数字货运网络将穿越国家，甚至海洋，提供实时数据，使承运人能够以最有效的运输路线进行优化，并改变路线以应对不可避免的事件，如设备故障和天气干扰。把它看作是对货物的当前状态和到达时间的实时洞察，但在供应链的每个层面。

这些货运网络将为第一批跨国自主卡车运输搭建舞台。这些影响将立即被感受到，像美国这样的国家目前正经历着8万名司机的短缺。通过使用空间计算、边缘计算和模拟，自主卡车运输将对我们的全球供应链产生巨大影响。为什么？人类司机只能在方向盘后面呆这么久，然后他们就会分心、疲惫，并有潜在的危险。而这是在我们考虑每个国家的具体健康和安全法规之前。这意味着，从南加州运来的新鲜水果，在开始变质之前，只能希望远至德克萨斯州的达拉斯。然而，一辆自动驾驶卡车可以在路上行驶24小时。没有规定的休息时间，技术永远不会疲劳、不耐烦或分心。产品能更快、更安全、更有效地到达它们需要去的地方。

抵达当地仓库后，机器人分拣、订单分拣和自动包装将变得更加普遍。我们将继续看到这种情况的发展，机器人技术的新创新，使用人工智能、计算机视觉和精确处理公司库存中的单个产品。自主机器人技术也将开始在仓储中发挥更大的作用。想象一下，能够用库存的实时数字孪生体，即使用自主飞行的库存无人机不断保持最新的库存，来增强叉车操作员的能力，因为他花了很大一部分时间只是在寻找产品。

转变供应链的关键是使用技术来优化产品旅程中的每一步。从明年开始，我们将看到智能工厂、智能设备和智能运输的加速发展，而这正是我们要做的。每一个都将在改善工人安全、优化库存管理、降低维护成本和简化生产流程方面发挥作用。未来的供应链是数字化的。

预测 5：定制芯片成为主流

到 2023 年，专用芯片的使用将迅速增加。因此，随着工作负载利用硬件优化来最大化性能，同时降低能耗和成本，创新的步伐将加快。

定制芯片和专用硬件在消费技术行业迅速获得关注。随着定制硅的制造和采用，从我们的笔记本电脑到我们的手机再到我们的可穿戴设备的一切都在性能上取得了重大飞跃。虽然消费者领域的采用速度很快，但商业应用程序和系统的情况却并非如此，传统上，软件和硬件的更新周期更长。然而，随着定制芯片的可访问性和采用率的提高，这种情况在未来几年将迅速改变。

在 AWS，平均有 1 亿个亚马逊弹性计算云（Amazon EC2）

以机器学习工作负载为例。传统上，软件工程师依赖昂贵、耗电的 GPU 来完成从模型构建到推理的所有工作。然而，这种一刀切的方法效率不高——大多数 GPU 并未针对这些任务进行优化。在未来几年，更多工程师将看到将工作负载转移到专门为模型训练 (AWS Trainium) 和推理 (AWS Inferentia) 等设计的处理器的好处).当这种情况发生时，新的创新浪潮将开始。通过使用基于 Trainium 的实例节省 50% 的训练成本，或者在基于 Inferentia2 的实例上将每瓦性能提高 50%，工程师和企业等将会注意到，我们将开始看到工作负载的大规模迁移。即使对于通用应用程序也是如此，在这些应用程序中迁移到定制芯片仍然有好处，例如基于 AWS Graviton3 的实例与同类 EC2 实例相比，在相同性能下使用的能源最多减少 60%。

成本节约和性能优势将带来更多实验、更多创新、更多采用，并最终为其他特定工作负载带来更多定制芯片。这是另一个良性循环。Alan Kay 曾经说过，“真正认真对待软件的人应该制造自己的硬件。”在接下来的一年里，真正认真对待软件的人将真正开始利用定制芯片所提供的一切。