近日，2022亚马逊云科技re:Invent全球大会已完美落幕，在大会上发布了很多重磅新品，包括云原生数据战略、硬件创新、高性能计算等等在各行各业中的创新应用，下面就来看看医疗与生命科学、市场调研和数据分析、汽车行业，他们是如何借助亚马逊云科技的新品解决挑战，驱动业务增长。
医疗与生命科学
Bristol Myers Squibb致力于利用数据洞察服务人类健康，例如通过单细胞测序新技术将海量数据存储和分析在亚马逊云平台上，更高效地改善药物研发和临床诊断。
AstraZeneca全球副总裁Anna Berg Asberg在大会上分享了AstraZeneca如何利用数据的力量。AstraZeneca是一家全球生物制药公司，正在突破界限，提供改变生活的药物的科学。使用数据AI和ML消灭癌症，保护心脏病、肺病患者的生命。
到2026年，AstraZeneca将分析多达200万个全基因组，但是要管理这么大规模的数据管理非常困难，AstraZeneca与亚马逊云科技合作，把25PB级的数据移到亚马逊云科技上面。采用基于Amazon Lambda、Amazon Step Functions、Amazon Batch、Amazon S3的医疗数据湖解决方案用于处理和分析数据，在不到30个小时内完成1100亿次数据统计方面的测试，通过将肿瘤基因、医学图像和患者数据连接，将其整合在一起来检测模式，并最终提供可执行的宝贵见解。
市场调研和数据分析
Nielsen构建了30PB规模的云上数据湖，将处理客户见解的能力从4万租户扩大到每天超过3000万个租户。Nielsen利用亚马逊云科技每天处理数以千亿计的广告效果测定，能够使用合适的计算方案扩展其基础架构，以支持这类需求。
汽车行业
HYUNDAI汽车利用双重手段监控追踪和分析机器学习模型的性能，采用Amazon Sagemaker提升了十倍的仿真训练速度。
F1赛车设计，需要涉及超过5.5亿个数据点的仿真，以为其汽车的空气动力学尾流进行建模，在亚马逊云科技上F1将仿真的运行时间减少70%，从60个小时缩短到12个小时，从而使新车的湍流气流减少一半。
法拉利车队高级赛车工程师和驾驶教练Jock Clare分享了驾驶与创新故事。赛车性能是F1最重要参数，车里1万多个零件，大约200-330个直接影响性能，整个设计过程需要约600位工程师花费大概6个月时间。借助Amazon SageMaker，F1与亚马逊云科技合作开发了一款虚拟地面速度传感器，能在这个对每一克负重都重视的汽车设计项目中实现汽车减重。赛车是一个硬件+软件+驾驶员技术等综合一体的高复杂度的项目，海量数据和成千上万个不同的因素会导致不同的结果，借助AI/ML博弈论的竞赛策略模型来预测和应对每场比赛中的不确定性，从而做出有效的策略对应。
BMW Group也分享了如何借助亚马逊云科技的机器学习，了解发动机类型和驾驶模式之间的相关性，以预测驾驶员对电动汽车的操控。该项目从设想到实现仅花费了8周时间，提升了80%的预测准确率。此外，BMW集团还利用Aamazon SageMaker，借助客户允许的匿名数据建立机器学习模型，基于未识别数据的工程训练，通过异常检测来找出未知的服务问题，专注在提供服务的精度和灵敏度，不断提升BMW Group推行的主动服务（Proactive Care）的体验与准确性。
3D/空间智能可以帮助人通过镜头的方式理解物理世界。英国公司Cinch利用3D技术展示汽车，客户可以在家里浏览网站来进行购买决策。3D为客户提供了完整的汽车视图，每辆车都是360度捕获的，通过浏览网站就可以环顾汽车，绕着它走，观察内部，模拟真实的多维世界。
对于自动驾驶汽车，为了保证安全驾驶，车辆需要有空间智能，通过传感器和定制模型的融合，持久的感知系统和数据的支持，以及各类传感器的数据结合产生360度的磁场。
