我們花了幾年時間構建了自己的資料庫引擎Amazon Aurora，這是一個完全託管的MySQL和PostgreSQL相容的服務，與商業引擎具有相同或更好的持久性和可用性，但成本只有商業引擎的十分之一。當這種方法奏效時，我們並不感到意外。
但是，我們也對針對特定工作負載的專用資料庫持樂觀態度。在過去20到30年裡，公司使用關聯式資料庫運行大部分工作負載。開發人員對關聯式資料庫的廣泛熟悉使這種技術成為首選，即使它並不理想。
雖然不是最優的，但是資料集的尺寸通常夠小，並且可以接受的查詢延遲夠長，您可以使其正常工作。但是今天，許多應用程式正在存儲大量的資料—TB和PB。對應用程式的要求也發生了變化。現代應用程式正在推動對低延遲、即時處理和每秒處理數百萬請求的能力需求。它不僅像DynamoDB這樣的鍵值存儲，而且像亞馬遜ElastiCache這樣的記憶體資料庫，像Amazon Timestream這樣的時間序列資料庫，以及像Amazon Quantum Ledger Database這樣的帳本解決方案——在正確工作上使用正確工具可以節省資金，使您的產品更快地推向市場。
我們還致力於幫助企業利用機器學習。我們在這方面已經研究了很長的時間，而且和其他重要的進展一樣，我們最初試圖將一些早期的內部機器學習工具外部化的嘗試失敗了。我們花了數年的時間四處尋找—試驗、反覆迭代、改進，以及來自客戶的有價值的見解—才使我們能夠找到在18個月前推出的SageMaker。SageMaker消除了機器學習過程中每一步的繁重工作、複雜性和猜測—使人工智慧得以民主化落實在市場上。
今天，成千上萬的客戶正在使用SageMaker在AWS上構建機器學習模型。我們繼續加強服務，包括增加新的強化學習功能。強化學習有一個陡峭的學習曲線和許多移動的部分，這在很大程度上使它超出了所有人的能力，直到現在，除了資金最充足和技術最先進的組織。如果沒有好奇心和願意代表客戶嘗試全新事物的文化，這一切都不可能實現。客戶對我們以客戶為中心的遊蕩和傾聽做出了回應——AWS現在是一個每年300億美元的業務，而且成長迅速。
想像不可能的事
如今，亞馬遜在全球零售業仍是一個小角色。我們在零售市場所占的百分比只有個位數，而且在我們經營的每個國家都有規模大得多的零售商。這在很大程度上是因為近90%的零售業務仍然在線下進行，在實體店裡面交易。多年來，我們一直在考慮如何在實體店為顧客提供服務，但我們覺得首先需要發明一些東西，讓顧客在那種環境下真正感到高興。通過Amazon Go無人商店，我們有了一個清晰的願景──擺脫實體零售最糟糕的地方：收銀台排隊。沒有人喜歡排隊。相反，我們想像了一個商店，在那裡你可以走進來，拿起你想要的東西，然後離開。
