随着新技术、新业态和新模式的引入，全行业都在经历着发展与变革，数字化转型为经济发展所带来的收益正在不断的显现。然而，在实现从传统经济到数字化智能化经济转型升级的过程中，依然面临着多方面的挑战。
作为专注于挖掘商业数据和数据人才价值的科技企业，如何最大化数据团队的工作效率，实现数据协作平台的应用是和鲸科技首要考虑的问题。经过对市场上各个品牌的云服务细致对比，和鲸科技了解到Amazon Web Services (AWS) 是全球最全面、应用最广泛的云平台，可以从全球数据中心提供超过 175 项功能齐全的服务。全球数百万客户(包括增长最快速的初创公司、最大型企业和主要的政府机构)，都在使用 AWS 来降低成本、提高敏捷性并加速创新。
2019年4月，和鲸科技有幸成为AWS高级技术合作伙伴，并借助AWS的托管数据服务和强大的运算能力，加速构建自己的数据协同创新平台。
提供可伸缩的强大计算能力
在合作初期，基于AWS云服务的优势和特点，以及ModelWhale教育版的场景属性，和鲸科技采用了Amazon Elastic Compute Cloud (Amazon EC2)、AWS Lambda、Amazon Simple Storage Service (Amazon S3)、Amazon EMR、AWS Deep Learning AMI服务。其中，在Amazon EC2中还采用了AWS GPU实例，配合AWS Deep Learning AMI可以为机器学习从业人员和研究人员提供基础设施和各种工具，从而加快在云中进行不同规模的深度学习的速度。
通过在AWS上构建ModelWhale解决方案，和鲸科技可以更加关注上层的应用设计和算法整合，并以软件即服务（SaaS）的方式提供给高校用户使用。
此外，AWS在数据科学方面的巨大投入，也带来了丰富的数据科学资源——各类服务种类、文档、工具和示例。和鲸科技通过基于AWS的ModelWhale教育版，为数据科学和人工智能专业课程的创建提供了有力的技术支持，高校可以从ModelWhale平台获得由基础到实战的一系列进阶课程内容，便于展开教学、科研、实战培训等多层次的递进课程，有效地结合了基础学科和校企合作项目各自的优势特点，从而打造更加丰富的产学研创新合作生态内容。
满足数据应用场景的高性能要求
而在ModelWhale科研版的应用场景中，Amazon EC2 M5实例通过新一代虚拟化技术可灵活稳定地提供2核8G、4核16G、8核32G、16核64G、32核128G等各类机型，计算性能稳定卓越，适配于不同机器学习模型训练场景下的算力要求，能够满足在大规模用户的使用情况下，根据实际需求提供各类机型的拆分。
Amazon EC2 P2、P3实例能够在云上提供高性能GPU计算支撑，其中Amazon EC2 P3实例可支持高达 8 个 NVIDIA® V100 Tensor Core GPU，并可为机器学习和 HPC 应用提供高达 100Gbps 的网络吞吐量，能够满足数据建模、分析、机器学习等场景在性能上的严苛要求。Amazon EC2 也支持主流机器学习框架，包括 TensorFlow、PyTorch、Apache MXNet、Caffe、Caffe2、Microsoft Cognitive Toolkit (CNTK)、Chainer、Theano、Keras、Gluon 和 Torch。助力和鲸科技的ModelWhale协同平台根据不同行业客户的需求，灵活选择所需的应用程序框架进行构建。
未来，和鲸科技将继续借助身为AWS高级技术合作伙伴在资源上的优势，将AWS在大数据、机器学习、人工智能等领域的能力，运用到数据科学协同平台ModelWhale的应用创新中，让数据科学的研究分析过程更为便捷，从而助力更多行业客户利用数据创造价值。