早在过去的5-6年间，AWS业务及产品的拓展就已经对机器学习产生了大量的需求，而这些需求主要受三大因素影响：算法、大型数据集以及效能计算。算法层面，它们相比20年前已变得越来越复杂，并结合了人工智能的算法；数据集层面，由于云计算的出现，使获得、应用丰富而海量的数据成为可能；效能计算层面，GPU可以创造出高度复杂和规模化的计算能力，从而把算法与海量数据相结合。

所有的这些需求，都离不开以技术为基础的演进和优化。此外，为了给用户提供一个更加广阔和深度的服务平台，AWS团队陆续开发和提供了越来越多的服务和功能。例如，作为Serverless架构主要的服务，AWS Lambda和AWS API Gateway已开始支持二进制数据，让用户享受其带来的便利；AWS Organizations也正实现对运维复杂度的降低，并能通过细化的访问权限应用服务控制策略。因而，很多开发者会迫切的想要知晓，在Lambda、EC2、AWS Organizations、Amazon Alexa、Amazon Lex这些技术架构、平台、软件或服务体系下，深藏着哪些创新和突破？AWS又是如何设计这一系列的解决方案的呢？

在本期《AWS迷你书：智能时代的新技术实战》中，我们就将揭开人工智能全面来临的时代下，AWS在各领域的技术创新和实践经验，及其在2017 re:Invent大会上发布的一系列「超燃杀器」，在Serverless、实时数据系统构建等热门技术上演进和突破等，让各位读者能更深入的了解AWS在技术路上的探索精神和开放精神。

诚如Amazon CTO Werner Vogels所说，“在AWS平台上，我们是不设守门人（gatekeeper），因此我们不会告诉我们的合作伙伴他们在AWS平台上什么可以做、什么不可以做。‘没有守门人’这一点能够激发更多、更好地创新。”