图片来源：拍信网

亚马逊在2019年8月推出应用于制造业的云端连接框架Machine to Cloud Connectivity Framework，让工业用户可快速将从工厂设备撷取之数据上云，带来生产效率及灵活性的提升，并可透过机器学习进行预测性维护。

智慧制造产品多元，以简化操作扩大串联为主要诉求

该框架允许用户连接与监控其网络中既有的IoT设备，同时能客制欲采取之相关数据操作如创造警示、读取频率等，在工厂数位基础设施完整较高情况下，亦能做到预测性维护。

目前此服务部属包括亚马逊 IoT Core、亚马逊 IoT Greengrass、亚马逊 Lambda、Amazon DynamoDB及Amazon S3，其为企业带来之最大效益来自10分钟内快速自动部属的简便性，以及透过数据的可视化简化底层基础架构操作之管理。

制造业的数位转型是亚马逊持续关注领域，其提供各式云端IoT服务、资料湖泊、进阶分析工具等，透过撷取、协调、分析、视觉化等方式提升工厂营运能力，而近期颇有升温之势。

2019年3月亚马逊与全球最大的汽车制造商Volkswagen联手打造Volkswagen工业云，目标整合供应链3万家工厂及逾千家合作伙伴，并使用亚马逊 SageMaker优化工厂机械操作的机器学习(ML)模型。

此外，亚马逊也与工研院合作整合现有的虚拟多轴(VMX)制造平台，在云端服务纳入工研院开发的智慧制造应用软件。

ML与AI成发展两大动力，成本管理仍为企业采用瓶颈

除ML外，AI是另一项支持Amazon产品创新发展的核心动能，过往亦藉此接连打造Prime Air、Amazon Go、Alexa等令市场耳目一新的服务。

亚马逊于2019年8月下旬正式推出应用深度学习技术、由云端完全托管的时间序列预测服务Amazon Forecast，仅需上传历史时间序列数据及相关资料，便能自动进行预测如零售产品需求、供应链资源需求、营运目标等决策支援，大幅简化建置机器学习模型的难度。

观察亚马逊近期动态，随着ML的深化与AI延伸，未来或可进一步串连IoT至AI领域应用，提升以IoT为核心之产品部署价值。

然于此同时，越趋复杂之方案组合与包装，或促使企业对于采用成本之考量，许多企业发现在服务上运行大量工作时难以有效对其管理。

对此，亚马逊也定期降低部分产品价格，例如2019年9月对Amazon EFS之降价希望藉此优化企业储存成本，然回应市场之效益是否显著，仍需持续观察。