📖

re:Invent 2025: AmazonのAIイノベーションを支えるAWS活用事例 - AgentZ、Zoox、Prime Video

2025/12/03に公開

AWS

reinvent2025sessio

tech

はじめに

海外の様々な講演を日本語記事に書き起こすことで、隠れた良質な情報をもっと身近なものに。そんなコンセプトで進める本企画で今回取り上げるプレゼンテーションはこちら！

re:Invent 2025 の書き起こし記事については、こちらの Spreadsheet に情報をまとめています。合わせてご確認ください

📖re:Invent 2025: AWS re:Invent 2025 - Behind the curtain: How Amazon’s AI innovations are powered by AWS (INV211)

この動画では、AmazonがAWS上でどのようにAIイノベーションを推進しているかが紹介されています。Amazon StoresのCTOであるDave Treadwellは、AgentZプラットフォームを使用した21,000以上のエージェントによる20億ドル以上のコスト削減と、Kiroを活用したAI-native開発による開発者生産性の4.5倍向上について説明しました。ZooxのCTO Jesse Levinsonは、自律走行車の実現に向けて、AWS上で数万台のGPUを使用したシミュレーションとトレーニング、SageMaker HyperPodやEC2 Capacity Blocksの活用について語りました。Prime VideoのVP Eric Ormeは、Thursday Night FootballのDefensive AlertsやNASCARのBurn Barなど、リアルタイムAI予測を用いたスポーツ放送の革新的な取り組みを紹介し、Amazon ECS、Kinesis、DynamoDBを活用した低レイテンシーアーキテクチャの詳細を共有しました。

※ こちらは既存の講演の内容を最大限維持しつつ自動生成した記事になります。誤字脱字や誤った内容が記載される可能性がありますのでご留意下さい。

本編

Day Oneカルチャー：絶え間ないイノベーションへの取り組み

私たちは、お客様により良いサービスを提供できていることに非常に自信を持っています。そして、その方法は毎日取り組み続けること、毎日基準を高めていくことです。それこそがday oneの核心なのです。

もしday oneカルチャーのように振る舞う文化を望むなら、カスタマーエクスペリエンスの改善に貪欲で、発明に貪欲で、素早く動くことに貪欲で、学ぶことに貪欲で、そして今現在取り組んでいない、お客様の生活をより良くするために他に何ができるかを見つけ出すことに貪欲な人々が必要なのです。

AWSがAmazonのAIイノベーションを支える舞台裏

それでは、AWSのDirector of TechnologyであるPaul Robertsをステージにお迎えしましょう。おはようございます。皆さんようこそ。今日ここで皆さんとご一緒できて嬉しく思います。私の名前はPaul Robertsで、AWSのDirector of Technologyを務めています。そして今日は皆さんにとって本当に特別なセッションをご用意しています。これから舞台裏に入り込んで、AmazonがどのようにAWS上でAIイノベーションを推進しているかをお見せします。そしてこれらのビジネスの中には、Amazon Storesのような私たちの最大規模のビジネスも含まれており、彼らが何をしているのか本当に深く掘り下げていきます。これは超限定的な内容です。毎日やっていることではありませんし、皆さんと共有できることを本当に楽しみにしています。

それでは始めましょう。Amazon全体から3人のシニアリーダーをお招きしました。まずAmazon.comから、そして次に、私たちの自動運転車ビジネスであるZoox、そしてPrime Videoです。これらのチームが構築した素晴らしいカスタマーエクスペリエンスの舞台裏をお見せします。そして彼らはそれをAWS上に構築しているのです。何と言ってもre:Inventですからね。そして彼らがどのようにこれらのイノベーションを推進しているかを共有していただきます。私は本当にワクワクしています。なぜなら皆さんの多くと同じように、私もbuilderであり、これらのものがカバーの下で、フードの下でどのように機能しているかを理解することが大好きだからです。

Prime Dayの規模：2億人の会員と膨大なAWSサービス活用

そしてこれらのビジネスの中には、本当に大規模なスケールで運営されているものもあります。そしてそれを実現している最大の例の一つがAmazon Primeであり、彼らはまたPrime Dayイベントもサポートしています。それでは、このイベントがどのように機能しているか、数分かけて理解していきましょう。簡単におさらいすると、Primeは大規模なオペレーションです。私たちには2億人以上のPrime会員がおり、昨年は90億個以上のパッケージを当日または翌日にPrime会員の皆様にお届けしました。

そして、私たちがPrimeで行っている仕事に加えて、多くの計画を必要とする大規模なイベントもサポートしています。Prime Dayのようなイベントを実施していて、そこに注力しているんです。ご存知ない方のために説明すると、Prime Dayは私たちにとってのSuper Bowlなんです。本当に素晴らしいイベントです。でもPrime Dayは、ただ起こるわけではありません。そこには多くの作業が必要なんです。何ヶ月もの時間をかけてPrime Dayに向けて準備します。私たちのチームはゲームデイを実施します。これは実際のイベントに向けた準備なんです。Well-Architected Reviewsを実施して、アーキテクチャが準備できているか、最適化されているか、そしてPrime Dayの需要に対応できるようスケールするために可能な限り効率的であることを確認します。さらに、キャパシティ管理の演習を実施して、Prime Dayでお客様が買い物をするその瞬間の需要に対応できるようスケールできることを確認しています。

そしてPrime Dayには、AmazonはAWSサービスを本当に大規模に活用しています。いくつか詳しく見ていきましょう。まずGravitonですが、Prime Day期間中、Amazon.comの40%以上が実際に私たちのGravitonインスタンスによって提供されています。そして、ElastiCacheのような他のサービスもあります。ElastiCacheは1日あたり1.5兆兆件以上のリクエストを処理し、Amazon.com上の広告配信で1分あたり1.4兆件以上のリクエストを処理しました。Elastic Block Storageサービスは1日あたり最大1エクサバイト、Prime Dayの処理で1日あたり1エクサバイトを転送していました。

さらに、DynamoDBのようなNoSQLデータベースなどの他のサービスは、10ミリ秒未満でレスポンスを提供していましたし、CloudFrontは3兆件以上のHTTPリクエストを処理していました。そして私のお気に入りの一つがAWS Outpostsです。Outpostsのユニークな点は、OutpostsがAmazonのフルフィルメントセンターとその中で動作するロボットのコマンドアンドコントロールを管理していることです。これらの7,000台のロボットに5億2,400万件以上のコマンドが送信されています。でもこれは私たちのフルフィルメントセンターの一つ、最大規模のフルフィルメントセンターの一つでの話なんです。

Amazon Rufus：生成AIショッピングアシスタントの技術アーキテクチャ

でも、今日皆さんにお話しできることを本当に楽しみにしているユースケースが一つあります。Amazonとして本当に誇りに思っているもので、Prime Day期間中に非常に広く使用されているものです。それがAmazon Rufusです。もう少し深く掘り下げていきたいと思います。RufusはAmazonの生成AIショッピングアシスタントです。製品の発見、比較、購入を、まるでここラスベガスや皆さんがお住まいの場所のお店で、自分専用のショッピングアシスタントがいるかのように直感的にするために構築されました。

これはAmazonの製品カタログでトレーニングされた独自のカスタムLLMを使用していて、インターネット全体からの情報でトレーニングされた情報を持っているため、お客様に最高のショッピング体験を提供する非常に豊富なデータが得られます。これにより、コスト、レイテンシー、精度の最適なバランスが提供され、優れた顧客体験を実現しています。Rufusの動作をお見せしましょう。

さて、ここではホームページにいますが、左上のここから開いていきます。私の息子はサッカーが大好きで、赤いクリートが大好きなんです。そしてご覧のように、すぐにレスポンスの生成が始まります。これはAWS上に構築されたストリーミング推論アーキテクチャのおかげです。RufusはTrainiumインスタンス上でホストされているvLLMを通じて継続的バッチ処理を使用しています。これはAmazon ECS上で動いています。私たちはこれらのリクエストを動的にグループ化して利用率を最大化しながら、ほぼリアルタイムでお客様にレスポンスをストリーミングで返しています。

つまり、継続的バッチ処理は、コストと最初のトークンまでの時間、言い換えればレイテンシーを削減するのに役立ち、優れたユーザーエクスペリエンスを提供することができます。リクエストが返ってくるのを待ちたくないですよね。ECSの使用に加えて、Application Load Balancerも使用しており、最小未処理リクエスト数のアルゴリズムを使って、できるだけ多くのリクエストをバックエンドに送り込むようにしています。そしてこれによって、スループットが約5倍に向上します。

さて、Rufusが答えを出してくれましたが、これは他のチャットボットから得られるような単純な答えではありません。実際には、画像や追加データを含むリッチなレスポンスで、クリックすることができます。これらがクリックできるウィジェットです。先ほど申し上げたように、私の息子はこの赤いサッカークリートが大好きなんです。私も赤が好きなので、このAdidas Predatorのシューズを見ていきましょう。もう少し深く掘り下げてみます。

ここから、買い物をしているときに人々がよく尋ねる質問を見ることができます。店舗でパーソナルショッピングアシスタントがいるのと似ていますね。そして、これらの青いピルは、ある意味プロンプトキャッシングのようなものと考えることができます。なぜなら、私たちは裏側でAmazon Bedrockを実際に使用して、この赤い靴を探しているときに尋ねるであろう質問をあらかじめ生成しているからです。私たち自身が構築したカスタムモデルの使用に加えて、NovaとClaude Sonnetを活用してこれらのイノベーションを支えています。

そしてお気づきのように、私はまだ商品ページにいますが、Rufusとの会話は継続しています。まるで、私の買い物の旅に同行してくれるパーソナルショッピングアシスタントと話しているようなものです。ですから、もし質問があれば、このクリート、このシューズは雨天時にどのようなパフォーマンスを発揮するのか？Rufusは私がどのタイプのシューズについて話しているのか正確に理解しています。なぜなら、そのコンテキストを持っているからです。

しかしそれに加えて、Rufusが行っているのは、製品説明や、さらにはAdidasのウェブサイトから来るデータなど、他のデータソースを見ることです。これはAmazon Bedrockのエージェント機能を使ってツールを呼び出すことで実現しています。そして、 Rufusはこの情報について推論し、最適な情報をあなたに提供しようとします。つまり、Rufusがこうした大変な作業をすべてあなたの代わりにやってくれるわけです。

さて、買い物をしているときに気が散ってしまうことがあるとしましょう。誰でも気が散って、時々スマートフォンを取り出すことがあると思いますが、本当に興味深いのは、今では携帯電話のモバイルアプリを開いて、「さっき見ていたサッカーのクリートは何だったっけ?」と聞くことができることです。Rufusはエージェントメモリー機能を使って、私たちが以前していた会話を振り返り、同じシューズを表示してくれるので、中断したところから再開できるのです。

これは私が単にサッカーのクリートを見ているだけの話です。Prime Dayで何百万人ものお客様が同時に買い物をしている場面を想像してみてください。そのトラフィック量に対応するには、多くのリソースが必要です。私たちはRufusをスケールアップして、Mattが基調講演で言及していた80,000個以上のTrainiumとInferentiaチップを使用しています。ECSで提供される推論スタックにより、平均して1分あたり約300万トークンを処理し、レスポンスは1ミリ秒未満のレイテンシーで提供されました。

さて、ここでAWSのカスタムシリコンを使うことで、コストを4.5倍以上削減でき、そして私たちが本当に気に入っている大きなメリットは、ワットあたりのパフォーマンスが54%向上することです。なぜRufusがビジネスにとってそれほど重要なのか、疑問に思うかもしれません。それは私たちが顧客第一主義だからです。そして私たちが発見したのは、Rufusを使用しているお客様は、使用していないときと比べて購入を完了する可能性が約60%高いということです。パーソナルショッピングアシスタントがあれば、探しているものを見つけやすくなります。

ここで最も強力なのは、単一のコンポーネントだけではなく、 AWSがこれらすべてのプリミティブを連携させ、AmazonのスケールでRufusを実現できるようにしている点です。そして、Rufusを可能にしているのと同じサービスとシリコンが、皆さん全員、すべてのビルダー、すべてのお客様にご利用いただけます。Rufusをはじめ、この後1時間で耳にするすべての取り組みについて、AWSがどのようにAmazonのイノベーションを推進してきたかをお聞きいただけます。そして皆さんは、差別化につながらない重労働について心配する必要はありません。AWSがそれを引き受けます。

Dave Treadwell登壇：Amazon eCommerceにおけるAIエージェントの活用

それでは、Prime Dayと私たちの主要なイノベーションの一つであるRufusについて簡単に見てきました。しかし、これは氷山の一角に過ぎません。 Amazon全体では、さらに多くのイノベーションが起こっています。次の登壇者は、Amazon StoresビジネスのCTOのような存在です。彼はモバイルアプリを統括し、Amazonの配送ドローンプログラムであるPrime Airを統括し、その他多くのものを担当しています。彼は数万人の開発者を監督し、数億行のコードを管理しています。驚異的です。彼らがagentic AIを使ってAmazonのイノベーションをどのようにターボチャージしているかを共有するために、Amazon eCommerce FoundationのSenior Vice President、Dave Treadwellを歓迎してください。

おはようございます、re:Invent。ありがとうございます。Amazon.comがどのようにAWSを活用してAIを取り入れ、お客様のためにより多くのことを実現しているかについてお話しできることを嬉しく思います。私はAmazonでeCommerce Foundationチームと呼ばれるものを率いています。私たちはAWSの上のレイヤーとなることに責任を持っています。私たちはAWSの要求の厳しい顧客であり、Amazon全体のコマースをサポートしています。私たちはStoresに焦点を当てていますが、Amazon内の他の多くの部門もサポートしています。さらに、私たちはセキュリティ、プライバシー、サイトの可用性、サイトのレイテンシー、コスト効率といった多くのコアファンダメンタルズの管理者でもあります。これらすべてが、Amazonがお客様に素晴らしい体験を提供し、効率的に運営して低価格で製品を提供するための鍵となっています。

私たちはカタログやオファーシステムから注文パイプライン、アイデンティティシステム、税金計算、プロモーション、配送まで、すべてを所有しています。私たちはAmazon Searchをサポートして、お客様が欲しい製品を見つけ、そのカタログからの優れた情報に基づいて商品を選択できるようにしています。私たちはこれらすべての異なる方法でAmazonのお客様を支援しており、本当に素晴らしい体験を提供することに注力しています。毎日、世界中で数億人のお客様がAmazon.comにアクセスしています。それをサポートするために、私たちは数億行のコードと数十万のマイクロサービスがすべて連携して動作しています。これらの数億行のコードは、これらの個々のマイクロサービス間で毎秒数億のリクエストをサポートしています。これらすべてには膨大な量の複雑さと精巧さがあり、私たちのお客様はストアが高速で、信頼性が高く、使用するたびに革新的であることを期待しています。

このような規模では、多くの複雑さがあります。課題があります。イノベーションを加速させ、要求の厳しいお客様のためにより多くのことを行いながら、どのように複雑さを維持し、スケールさせるのでしょうか？これを実現するために、私たちはこれらすべてのシステムにわたって数千人の人々が働いており、重要なのは、これらすべての従業員を効率的で生産的にし、速度を向上させ、本当に重要ではない低レベルのタスクに行き詰まることなく、お客様を喜ばせることができるようにすることです。それがeCommerce Foundationのすべてです。

私たちはナレッジワークの生産性を向上させ、開発者の速度を解き放つために存在しています。そして今、私たちはAIとAIネイティブなプロセスをますます使用しています。今日は、私たちがどのようにそれを行っているかについて、多くのことをお見せします。

私たちは、Amazonで従業員や開発者を前例のない規模でエンパワーするために使用しているツール、プラクティス、そしてプラットフォームをお見せします。なぜなら、私たちがより速く動けば、お客様により多くの価値を提供できるからです。私たちの核となる信念は、Amazonのすべてのナレッジワーカーは、AIによって置き換えられるのではなく、増幅されるべきだということです。AIは彼らがより多くのことを成し遂げ、お客様により多くの価値を提供する手助けをするべきなのです。

私たちは約2年半から3年前にこの道を歩み始め、AIと基盤モデルを活用して従業員の生産性に飛躍的な変化をもたらしてきました。最初は、より標準的で一般的なプロセス、つまり人々が何度も繰り返し行う作業から始めました。私たちにはこの種の作業を行う人々が多くいますが、早い段階でAIが彼らの作業の多くを最適化し自動化することに非常に優れており、これらの人々がさらに多くのことを成し遂げられるようにすることがわかりました。

私たちが発見したことの一つは、単にツールを採用するだけではないということです。ツールの使用だけではインパクトを生み出しません。本当に仕事を再構築し、すべてがどのように組み合わさるかのプロセスを変える必要があります。そのため、私たちはサービスやオーケストレーションプラットフォームを構築し、Amazon全体のチームが特定のワークフローに対してAIエージェントを迅速に構築、デプロイ、スケールできるようにプロセスを再構築する必要がありました。

私たちはより標準的な作業においてキャズムを越えました。そして2025年には、AIとエージェントを使用することで、Amazonに20億ドル以上のコスト削減を実現しています。今年の初めに、私たちはチームがほとんどエンジニアリング作業なしでエージェントを作成できるエージェンティックプラットフォーム、つまりローコードシステムの提供を開始しました。7月以降、2日前に作成されたこのスライドの時点で、20,930のエージェントがありました。今日チームから聞いたところでは、Amazon全体でチームがお客様により多くの価値を提供するために使用しているエージェントは21,000を超えているそうです。

興味深いのは、私たちが使用しているプリミティブなビルディングブロック、AgentCore、Kiro、Bedrockといったものは、皆さんにも利用可能な同じものだということです。そして私たちは、これらすべてを社内でAgentZと呼んでいるシステムでオーケストレーションしています。実際にどのように使用しているか、実例をお見せしましょう。

配送先住所分類エージェント：初回配送不良を74.4%削減

ご存知のように、 Amazonの中核となる業務の一つは、お客様への荷物の配送です。お客様から住所をいただき、そこに荷物をお届けするわけです。しかし、実際には住所があるだけでは済まない、もっと複雑な話なんです。私たちのシステムは、配送先が企業なのか、私書箱なのか、アパートなのか、それとも一戸建てなのかを把握する必要があります。なぜなら、これらの住所の種類ごとに、実際の配送方法が異なるからです。

これまでは、新しい住所を受け取った際に、それがどのような場所なのか分からないことがありました。そこで、スタッフが予測を試みていたんです。これは午前8時から午後6時までしか営業していない企業なのか、それとも早朝の配送を望まない一般家庭なのか、あるいは他の種類の住所なのか、といった具合です。その結果、私たちが「初回配送不良」と呼んでいるものが多く発生していました。お客様から新しい住所をいただいても、それが何なのか分からず、想定以上の不良が発生していたんです。

お客様は、荷物が指定された場所に、希望する時間に届くことを求めています。舞台裏で静かに行われていることの多くは、それを正しく実現するための取り組みです。このデータをすべて最新の状態に保つには、膨大な努力が必要なんです。

今年の初めに、私たちは新しい自律型エージェントを作成しました。基本的には、住所を入力として受け取り、複数のデータソースを活用して、配送先の住所の種類をより正確に予測するものです。S3やDynamoDBにすでに保存されている情報を使用します。このエージェントの優れた点の一つは、実際に政府のウェブサイトなどをクロールして、そこから配送先の住所の種類を学習することです。また、お客様からのメールや、配送指示として記載されたメモなど、他の情報源も活用しています。つまり、エージェントは住所に関するこれらすべての情報を取り込んで、配送システムに出力を提供するわけです。

このエージェントで分かったことは、まず第一に、住所修正を行うチームの作業時間を2,500時間削減できたということです。しかし最も重要なのは、初回配送不良が74.4%削減されたことです。これはお客様に大変喜ばれています。お客様が望む場所への配送精度が大幅に向上しました。これは、私たちが持つ21,000を超えるエージェントのうちの一例に過ぎません。

AI-native開発への転換：KiroとSpec Studioによる生産性4.5倍向上

次に、開発者の生産性の解放についてです。

約1年前、AIツールは標準的な作業をより効率的にするだけでなく、ソフトウェア開発者も大幅に効率化させることが明らかになりました。そして私たちは、AI-nativeアプローチと呼ぶものを採用し始めました。私たちは、開発を最初から、根本からAI-nativeになるように再構築したいと考えています。

このプロセスの非常に早い段階で学んだことの一つは、コードを書くことが開発者の仕事の中心ではあるものの、Amazonでは、私たちのビルダーは時間のかなりの割合を、時間の大半をコーディング以外のタスクに費やしているということです。仕様書の作成、コードのドキュメント化、ミーティングやスタンドアップへの参加、ステークホルダーや協力するチームとの作業などです。ロードマップの詳細の調整、そして私たちには10万以上のマイクロサービスがあります。それらのチーム全てがお互いに調整しなければなりません。私たちはそれを最小限にしようとしていますが、それでも時間と労力がかかります。

デザインレビューはビルダーの仕事の重要な部分です。機能統合テストの実行、AIは実際にテストを書くことが本当に得意で、AIでそれらのテストを促進することは非常に効果的だと分かりました。セキュリティコンプライアンス、セキュリティはAmazonにとって最優先事項です。AIはそこでも本当に私たちを助けてくれます。システムアラート、運用作業。これらはビルダーから多くの時間を奪うものです。

もちろん、開発の中核については、Kiroが私たちにとって素晴らしいツールとなっています。今朝のMattの基調講演でこれについて聞かれたと思います。Kiroは本当に私たちのビルダーがより多くのことを迅速に成し遂げることを可能にしてくれました。そしてそれが行う中核的なことは、Mattが話したように、私たちがspec-driven developmentと呼ぶものです。この構造化された開発アプローチにより、ビルダーは仕様を作成でき、そしてKiroがその仕様をコードに変換します。事実上、コーディングプロセスは自然言語になります。Kiroがそこからコードを作成し、そしてコンパイラが最終的にマシンコードを作成します。

Kiroに関する課題の一つとして、先ほど10万を超えるマイクロサービスについてお話ししたことを覚えていらっしゃると思いますが、私たちはAI-native開発を、新しいプロジェクトを始めるチームだけでなく、すべてのチームに適用したいと考えています。そこで課題となるのは、既存のコードベースがある場合に、どのようにしてAI-native開発を始めるかということです。

そこで私たちが社内で作成したツールの一つが、Spec Studioと呼ばれるものです。Spec Studioのアイデアは、コードベースを取り込んでspecに変換し、そのspecを修正できるようにするというものです。そしてKiroがその中核機能として、そのspecをコードに変換します。つまりここで起きているのは、これを採用したチームにとって、まったく新しいSDLC、新しいソフトウェア開発ライフサイクルが生まれているということです。コードからspecへ、specからコードへ、そして本番環境へという流れです。

Spec StudioはAmazon社内でバイラルになっています。月次で100%を超える導入成長率を記録しています。すでにこのツールを使って15,000を超えるspecが作成されています。そして私たちはKiroチームと協力して、この機能をKiroのすべてのお客様に提供する方法を検討しています。既存のコードベースや既存のサービスを持ち、AI-native開発アプローチに移行したいと考えている大多数の方々にとって、非常に魅力的なものになると思います。

今年、StoresではSpec Studioのようなツールを使ってAI-nativeを試験的に導入した数十のチームがありました。そしてこれらのチームについて分かったことは、平均して開発者の生産性が4.5倍向上したということです。これらのチームは平均して4.5倍多くのデプロイメントをお客様に提供しています。来年、2026年には、これが非常に成功しているため、Stores全体、Amazon.com組織全体の75%のチームがこれらのAI-native開発手法を使用することを目標としています。これによってお客様のために何ができるようになるのか、私たちは非常に楽しみにしています。

21,000のエージェントが実現する組織変革とAWSの役割

このようにAIは、Amazonがお客様により多くのものを提供することを可能にしています。特にAgentsは私たちの生産性を大幅に向上させており、開発チームは急速にAI-native開発を採用しています。 AIを活用して、Amazon.comはお客様への提供方法のあらゆる部分を再発明しています。私たちは、すべての開発者、すべてのプロダクトマネージャー、すべてのデザイナー、すべてのTPM、すべてのオペレーションエンジニアが、彼らのコンテキストを理解し、より多くのことを成し遂げる手助けをするAIによって増幅される組織を構築しています。

そしてもちろん、これらすべてはBedrock、AgentCore、Kiro、QuickSuiteといったAWSサービスによって支えられています。私たちはあらゆる職種で広範囲に活用しており、これによってお客様のためにますます多くのことができるようになっています。率直に言って、私たちはまだ始まったばかりです。これらすべては今日実現可能なのです。私たちがAWSから使用しているサービスは、お客様である皆さんも同様に使用できます。

問題はAIが皆さんの組織を変革するかどうかではありません、変革します。問題はどれだけ速く動くかです。私たちは未来を待っているのではなく、未来を構築しているのです。そしてそれをAWS上で行っています。ありがとうございました。さあ、一緒に構築しましょう。

ありがとうございます、Tread。彼らが使用しているサービスのおかげで、これらすべてが今日実現可能なのです。本当に素晴らしいことです。TreadとDave Treadwellと彼のチームが今日これらのエージェントから実現している価値、そして開発のペース、これらすべてはAIネイティブな体験によって支えられています。これまでに21,000のエージェント、本当に驚異的です。そしてそのすべてがAWSによって支えられています。Dave、あなたの取り組みを皆さんと共有していただき、本当にありがとうございました。

Amazonのロボティクス：100万台のロボットとZooxの自律走行車

次は、ロボティクスについて少しお話しします。Amazonでは今年の初めに、大きなマイルストーンを達成しました。フルフィルメントネットワーク全体で100万台以上のロボットを展開したのです。そして、これらのロボット群は世界中の300以上の施設で稼働しています。これらのロボットはAmazonの従業員が在庫を移動したり、商品を仕分けたり、さらには錠剤を梱包したりするのを支援しています。これらすべてのロボットは、AWS上でトレーニングされたコンピュータービジョンモデルを活用しており、これらのロボットは従業員の多くの時間と労力を節約しています。

さて、これらのフルフィルメントロボットもクールですが、真に最先端のロボットとして、Zooxから次のスピーカーをお迎えできることを嬉しく思います。今週初め、Zooxはここラスベガスで自律走行車、ロボタクシーをローンチしました。今週ここベガスのストリップを走行しているのをご覧になった方もいらっしゃるかもしれませんが、これに乗ると、まるで魔法のように感じます。しかし、その魔法のような体験を提供するためには、途方もない量の複雑さと計算の複雑さが必要なのです。

左折するだけでも、何百万ものシナリオを分析しなければなりません。例えば、犬の散歩をしている人、あるいはつまずいて靴紐を結ぼうとしている人、または車が全て一時停止の標識で止まるかどうか。そして、そのシナリオのシミュレーションを全て実行し、その左折のためだけにモデルをトレーニングしなければなりません。そして、ドライバーとして思いつく限りのあらゆるシナリオに対してそれを行うことを想像してみてください。リアルタイムで処理する必要がある何十億もの計算について話しているんです。

それをどのように実現し、AWSがどのようにそのイノベーションを可能にしているかを共有するために、Zooxの共同創業者でCTOのJesse Levinsonをステージにお迎えしましょう。おはようございます。ありがとうございます。ここに来られて嬉しいです。では、Zooxに乗ったことがある人は手を挙げてください。なるほど。数人いらっしゃいますね。それは素晴らしい。私たちは数ヶ月前からここで一般公開しています。待ち時間はあまり良くありません。なぜなら32台のロボットが走り回っていて、まだ無料だからです。だから需要がとても多いんですが、ぜひ試してみる機会を持っていただければと思います。かなり素晴らしいですよ。

Jesse Levinson登壇：Zooxが描く都市モビリティの再定義とAIスタック

では、なぜ私たちはこれら全てを行ったのか?ゼロから車両を作るのは大変な作業です。人々はちょっとクレイジーだと思っていました。では、何が私たちにこれに取り組むインスピレーションを与えたのか?基本的に、私たちは2014年にZooxを始めましたが、単により良い車を作ることを目指していたわけではありません。私たちは本当に、人々が都市を移動するためのより良い方法を作りたかったんです。

最初から、私たちは既存の車にテクノロジーを後付けすることを目指していたわけではありません。私たちはモビリティそのものをゼロから設計したかったんです。自律走行のために。これらは私たちの初期のスケッチです。さて、これらは2014年当時の私たちのオリジナルのピッチデックからのスライドですが、興味深いことに、私たちは今でも当時設定したことをほぼ正確に実行しています。時間はかかっていますが、ついに実現し始めているのはとてもクールなことです。

そして本当の洞察は、これは後付けの車ではないということです。人々が都市を移動する方法を再定義する機会なんです。どちらの方向にも動ける、ステアリングホイールもペダルもない、前も後ろもない、360度全方向で環境を対称的に感知できる車両を作る機会です。そしてビジネスモデルも変えることができます。平均してわずか4%しか使用されない車を顧客に販売する代わりに、私たちはフリートを所有・運営してライドを提供できます。これは環境的にも経済的にもはるかに優れたリソースの使い方なんです。

さて、Zooxを始めて数年後、私たちはかなり本格的なプロトタイプを作ることができました。見た目は少しガタガタしていますが、同じアーキテクチャを持っていて、

概ね同じ形状で、似たようなドライブトレインを備えています。四輪ステアリングを搭載しています。対称的で、双方向性があり、これによって車両の観点から、私たちは正しい方向に進んでいるという確信を得ることができました。そしてもちろん、その間も私たちはコンピュートとソフトウェアにも取り組んでいました。これは信じられないほど難しい問題であることがわかりました。

しかし、これらすべてを組み合わせると、まったく異なるタイプの車両ができあがります。これは車ではありません。 AIが運転し、人間が楽しむために設計された車両なのです。では、これを見てみましょう。ドライバーを取り除くと、実はすべてを再考することができるんです。そして、それこそまさに私たちがやってきたことなのです。

つまり、非常にコンパクトなんです。これは専用設計であることの素晴らしい利点です。ご覧のように双方向で対称的です。そして興味深いことに、外観は非常に、非常にコンパクトです。本当に短い車両なんです。内部には十分なスペースがあります。これらはすべて、従来の車のアーキテクチャでは不可能だったことです。

そして内部は、ライダーファーストの体験になっています。運転席がないことにお気づきでしょう。つまり、4人のライダー全員にとって、より良く平等な体験が得られるのです。これは今までにないことです。そして、自律走行と安全性のためにセンサーアーキテクチャを最適化できます。その結果、驚くべきカバレッジと信頼性が得られるのです。

さて、車両というのは話の半分に過ぎません。もう半分は、それを動かすテクノロジーです。それについてお話ししましょう。信号のない交差点にいるとします。後ろには車がいて、クラクションを鳴らしているかもしれません。対向車もいます。他にも曲がろうとしている人がいるかもしれません。左からの交通、右からの交通、車、バス、自転車、歩行者、もしかしたら遠くでパトカーのサイレンが鳴っているかもしれません。こうした情報すべてを取り込まなければなりません。何百、いや何千ものデータポイントです。

さて、ベテランドライバーであれば、これについてそれほど考える必要はないかもしれません。何となく何をすべきか分かりますよね。でもロボットの場合は、こうしたことすべてを実際に考え抜いて、すべて処理しなければなりません。つまり、私たち開発者は、車両が走行している間、常にそうしたことすべてに対処しなければならないということです。

そのため、私たちはAIスタックをゼロから開発しなければなりませんでした。これらすべてを実行できる既製のものを入手することはできませんでした。そんなものは存在しないのです。ですから、このシステムの中核にあるのは、複雑な都市環境において車両が認識し、予測し、計画することを可能にする高度なAIと機械学習モデルです。

では、実際にロボットタクシーを運転しているときの様子をお見せします。まずperceptionから始めます。これはロボットタクシーの目と耳だと考えることができます。perceptionモデルは、車両が周囲のすべてを理解するのを助けます。誰が道路を共有しているのか、あらゆる方向で何が起きているのか。私たちはカメラ、LiDAR、レーダー、サーマルセンサー、さらにはマイクからなるマルチモーダルセンサースイートを持っており、そのすべてのデータをリアルタイムで融合して、生きた、呼吸する世界のビューを構築しています。

そしてpredictionでは、次に何が起こるかを把握しなければなりません。ただ認識するだけでは十分ではありません。他のみんなが次に何をするかを予測できなければなりません。そしてそれは確率的なものです。なぜなら確実に知ることは決してできないからです。でも、サイクリストは車線変更するかもしれない？車はブレーキをかけるだろうか？歩行者は横断するだろうか？こうしたことすべてをリアルタイムで考えなければならないのです。

そしてモーションプランナーは、私たちの車両がどう対応すべきかを決定しなければなりません。加速すべきか？車線変更すべきか？減速すべきか？常に安全性、乗客の快適性、そして効率性をこれらの意思決定の最優先事項としています。さて、残念ながら、このレベルのインテリジェンスを実際の走行距離だけでトレーニングし、検証することはできません。それには何十年もかかりますし、それでもすべての可能なコーナーケースを見ることはできないでしょう。

そこで私たちは、Amazon S3を中心とした強力なデータインフラストラクチャをAWS上に構築し、業界で最も先進的なシミュレーションシステムの一つを作り上げました。私たちのシミュレーション環境では、現実世界のデジタルツインを作成することができます。つまり、私たちの車両が走行する場所のように見え、振る舞い、そして感じられるバーチャルシティです。すべての交差点、すべての照明条件、すべての予測不可能な人間の行動を、このバーチャル環境の中で安全に再現することができます。

これで私たちは、AI スタックを実際の車両に搭載する前に、何千回、何百万回と検証することができるのです。そして安全性はこうした非常に稀な瞬間でのパフォーマンスに依存するため、私たちは子供が道路に飛び出してくるケース、難しい照明条件下での無防備な左折、あるいは高速で接近してくる緊急車両といったエッジケースに重点を置いています。

これをスケーラブルにするために、私たちは数万台のGPU上で動作する高度な拡散ベースの機械学習モデルを使用して、これらのシミュレーションを生成し、自動的に実行しています。その結果、本当にクールな継続的フィードバックループが生まれます。道路からのデータがシミュレーションに供給されます。

シミュレーションがモデルを改善し、そしてそれらのモデルが私たちのロボタクシーをすべての乗車においてより安全にするのです。すべての安全でスムーズな乗車体験は、何百万行ものコード、ペタバイト単位のデータ、そして想像できるほぼすべてのシナリオから学習する多数のAIモデルによって支えられています。そのインテリジェンスをスケールさせ、トレーニングし、テストし、そしてデプロイすること、それがAWSの出番なのです。

ZooxとAWSのパートナーシップ：ペタバイト規模データと数万台のGPU活用

さて、 Zooxが2020年にAmazonに買収された際、私たちは親会社だけでなく、非常に重要なテクノロジーパートナーも得ることになりました。AWSは、データの取り込みやデータ処理から、ファウンデーションモデルのトレーニング、そして大規模なシミュレーションワークロードによる検証まで、私たちのAIワークロードを可能にし、スケールさせる上で極めて重要な役割を果たしています。では、これについてもう少し詳しくお話ししましょう。

S3は、私たちの車両からのペタバイト規模のセンサーデータを保存するための信頼できる情報源となっています。高い拡張性と信頼性を備えており、インテリジェント階層化を活用することでストレージコストを抑えることができています。私たちはSageMaker Unified Studioチームと緊密に連携し、インタラクティブでデータ集約的なワークロード向けのノートブック製品について、アーリーアダプターとしての学びを共有し、すべてのAWSのお客様にとって有用な最高クラスの機能を提供できるよう取り組んでいます。

さて、トレーニング、シミュレーション、そして大規模なモデル検証は、すべてGPUのパフォーマンスに依存しています。私たちの場合、AWS上で数万台のGPUを稼働させています。このスケールにより、非常にリッチでリアルなシミュレーションを構築し、AIモデルを継続的に再トレーニングして検証することができます。しかし、これは非常にコストがかかり、管理も複雑なため、効率性について慎重かつ戦略的に考える必要がありました。

まず、スマートスケジューリングに注力しています。私たちはオープンソースのスケジューラーであるSLURMを活用し、重要度に基づいてワークロードに優先順位を付けています。安全性検証やパーセプションモデルのトレーニングといった重要なジョブは、GPUリソースへの即座のアクセスが可能で、一方で優先度の低い実験は、容量が空くまで一時停止したりキューに入れたりすることができます。

次に、データのローカリティとオーケストレーションに注力しています。データモデルを、同じAWSリージョンやアベイラビリティーゾーン内など、コンピュートが実行される場所の近くに配置することで、転送コストを最小限に抑え、レイテンシーを削減できます。これらは大規模では非常に大きな効率向上につながります。そして最後に、GPUキャパシティの調達とバランスの取り方について、非常に意図的に取り組んでいます。

私たちはSageMaker HyperPodを使用して、これらの基盤モデルのいくつかを効率的にトレーニングし、スケールさせています。 HyperPodは大規模分散トレーニング専用に構築されており、高スループット、低レイテンシー通信に最適化されたElastic Fabric Adapterネットワーキングを備えています。また、インフラストラクチャの障害を自動的に検出、診断、復旧することで、モデル開発のための回復力のある環境を提供し、豊富なGPUの可観測性とシステムヘルスメトリクスを提供します。

また、私たちはSageMaker HyperPodチームと緊密に連携して、彼らのEKSベースのインフラストラクチャのセットアップを簡単にし、AWSアカウント間でトレーニングプランを柔軟に移植できるようにしてきました。これは他のAWSのお客様にも役立つでしょう。また、FSxを使った大規模モデルのトレーニングの一部では、スケールの境界を押し広げ、コーナーケースを明らかにしましたが、AWSとZooxが協力して改善を重ねました。

EC2 Capacity Blocksは、短期間で最先端のトレーニング最適化GPUを調達し、スパイキーなMLワークロードに対応するのに役立っています。つまり、キューで待つ必要もなく、GPUの不足を心配する必要もなく、新しいパーセプションアーキテクチャのテストであれ、大規模な強化学習実験のスケーリングであれ、コンピュートをエンジニアリングのマイルストーンに合わせることができます。

また、非常に効率的です。新しいP5やP6インスタンスのような最新のGPUタイプで実験することができ、利用可能になった新しいGPUに移行することができます。そして、それによって私たちのチームは、コストと利用率を最適化しながら、より速くテスト、学習、モデルの微調整を行う自由を得ることができます。

私たちはクリアランスランの実行に数万台の推論最適化GPUを使用しています。これは、特定のバージョンのソフトウェアがロボタクシーにデプロイするのに十分安全であることを検証する方法です。AWSは、この非常に多数のGPUに対してオンデマンドの予約キャパシティを提供することができます。実際には、この非常にスパイキーなグラフからわかるように、短期間しか必要としません。GPUの予約は、コスト効率とパフォーマンスの間の微妙なバランスですが、AWSの弾力性により、両方を最適化することができます。

AWSは、私たちの信頼性の高いライブサービスとフリート運用を支えています。そして、セキュアなネットワーキングVPCと、EKS、MSK、DynamoDB、S3、ElastiCacheといった基盤となるマネージドサービスが、ロボタクシーサービスのバックエンドを効率的に管理・運用するために必要な、回復力があってスケーラブルなインフラストラクチャを提供してくれています。

ですから、この本当に重要なパートナーシップによって、私たちは常に最も得意としてきたこと、つまり体系的かつ絶え間ないイノベーションを続けることができるのです。改めて申し上げますが、スムーズな車線変更や横断歩道での落ち着いた停止に見えるものは、実際には何兆、何兆もの計算を表しているのです。それらすべてがシームレスに、安全に、そして静かに行われています。

さて、私たちZooxでは毎日これを実践していますが、ほとんどの人は、この自律走行を楽に見せるためにどれだけの知性、精度、そしてチームワークが必要かを理解していないでしょう。Zooxではかなりの道のりを歩んできました。これに取り組んで11年以上になりますが、ついに人々に使っていただけるようになり、本当にワクワクしています。数ヶ月前にラスベガスで一般向けにローンチしました。現在、サンフランシスコでも一般向けのロールアウトを進めているところです。来年にはオースティンとマイアミにも展開することを発表しました。その後、ロサンゼルスとアトランタ、そしてさらに多くの都市が続きます。

ですから、本当にワクワクしています。これまで素晴らしい旅でした。これをスケールさせて、さらに多くの人々に届けるために、まだまだやるべきことは山ほどありますが、この機会をいただけたことに本当に感謝していますし、これを可能にしてくれたAmazonとAWSチームの皆さんに心から感謝しています。一緒に次のものを作り続けていくことを本当に楽しみにしていますし、お招きいただき本当にありがとうございました。

Eric Orme登壇：Prime Videoにおけるスポーツ配信とAI活用の最前線

それでは、ありがとうございました、Jesse。本当に素晴らしかったです。Zooxチームが構築しているすべてのイノベーションを見るのは本当に素晴らしいことです。そして、お話ししたように、Zoox車両は正確な予測を行うために何兆もの計算で動作しています。もし実際に乗ってみたいという方は、Caesars Forumに1台ありますので、ぜひチェックしてみてください。

さて、次のスピーカーはPrime Videoからお越しいただきました。Thursday Night Footballでお気に入りのチームを観戦するとき、私はCommandersが好きなんですが、彼らがこうした計算を同じくらい真剣に行っていることを知って驚かれるかもしれません。実際、AIと機械学習モデルがPrime Videoのストーリーテリングを支えています。これらは、予測を行うために、プレーごとに数百万もの可能な軌道と状態の組み合わせを効果的に推論しているのです。これは桁外れのことで、放送業界で他の誰もやっていないことです。

Prime VideoはThursday Night Football、NASCAR、そして最近ではNBAといったスポーツで素晴らしい仕事をしています。そして、Reacher、The Terminalist、Fallout、Lord of the Rings、The Rings of Powerといった番組の制作も行っています。Prime Videoがこれらすべての素晴らしいエンターテインメントを支えるために、AWSでどのようにイノベーションを起こしているかをお聞きするため、Prime VideoのVice President of Live Sports and EngineeringであるEric Ormeさんをステージにお迎えできることを嬉しく思います。その前に、こちらをご覧ください。

私たちは人工知能を主流にしようとしています。こちらがPrime VideoのDefensive Alertsです。これは基本的に、クォーターバックが何を見ているのか、セーフティがどこにいるのか、どちらに傾いているのかを教えてくれます。Defensive Alertsが拾うブリッツで、クォーターバックとしての私が見えていないものもあります。おっと、気をつけて。機械が人間よりもブリッツを予測できるとは思いたくありませんでしたが、実際に使ってみて、その力を大いに尊敬するようになりました。

Burn Barは、NASCAR Cup Seriesレースのすべての車の燃費を計算するAIツールです。ここで燃料の計算が完全に狂っています。フィールド内のすべての車を計算できる能力は、ブースでの私をより優れたアナリストにしてくれます。これは非常に大きな差で最高の燃費です。必要なものをお見せします。

NBA on Primeのホームへようこそ。LEDコートが見えますね。ウィングに選手がいます。コーナーにも選手がいます。連続3ポイント。お返しです。ほら、私たちは進みながら学んでいるんです。皆さん、ここに来られて素晴らしいです。re:Inventに来られてとても興奮しています。今日は舞台裏をお見せして、Prime Videoでお客様のために構築している素晴らしいイノベーションのいくつかをご紹介できることをとても楽しみにしています。

Prime Insights：NFL、NASCAR、NBAでのリアルタイムAI予測とイノベーション

Prime Videoは、大規模なグローバルスケールで運営されています。私たちは、世界中のさまざまな地域、デバイスタイプ、そしてフォーマットに対して、毎瞬間、何百万ものストリームをお客様に配信しています。そして私たちにとって、可用性こそが実は最も重要な機能なんです。私たちはこれを「フィーチャーゼロ」と呼んでいます。すべてのストリームが、毎回完璧に動作しなければなりません。

AWSの上に構築された、マルチリージョンの高可用性アーキテクチャにより、お客様は世界中のどこで視聴していても、中断のないサービスを受けることができます。お客様は当然のことながら、すべてのストリームが少なくとも放送品質と同等であることを期待しており、私たちが行うすべての決定は、可能な限り最高の画質を提供することに向けられています。この堅牢なインフラストラクチャの上に、私たちは10年以上かけてプログラミングを開発してきました。これはスポーツにおいてさらに重要です。

ライブスポーツにおける課題は、データの不足ではありません。すべてのプレー、すべての試合が、文字通り何百万ものデータポイントを生成しています。ですから、本当の問題は、このすべてのデータをどのように使ってストーリーを語り、ファンのエンゲージメントを高めるかということなんです。これは私たちが常に革新を続けている分野で、ライブ製品だけでなくオンデマンドでも、AIやイマーシブな体験を通じて、お客様にアクションをより身近に感じていただこうとしています。私たちはこうした新しい体験を長い間先駆けて提供してきており、業界の他の多くの企業がまだ私たちを追いかけている状況です。

これから数分間、Prime Videoにおいて科学とストーリーテリングがどのように融合しているか、3つの例をご紹介します。私たちの科学者は、オンエアタレントや制作チームと密接に協力して、より良い予測を作成し、他では見ることのできないユニークで独占的なインサイトを提供しています。AWSがこのイノベーションのペースを可能にしています。これにより、私たちはインフラストラクチャではなく、機能に集中することができるのです。では、NASCAR、Thursday Night Football、そしてNBAの例を通じて、ライブストリーミングにおける最も困難な課題をどのように解決しているかをお見せしましょう。

ここにいる皆さんの中で、Thursday Night Footballを観たことがある方はどれくらいいらっしゃいますか?先週のBlack Fridayでは約15時間のライブストリーミングを配信しました。素晴らしかったですね。多くの方が、私たちがファンを惹きつけ、試合を説明する新しく魅力的な方法をご覧になったことでしょう。過去3シーズンにわたって、私たちは5つの放送初の革新的な機能を生み出してきました。これらを総称してPrime Insightsと呼んでいます。

まず、Defensive Alertsです。これはスナップ前にクォーターバックに誰がブリッツをかけるかを実際に予測しています。Pressure Alertsでは、スナップ後にクォーターバックを妨害する選手を予測します。Coverage IDでは、ディフェンスがマンカバレージかゾーンカバレージかを予測しています。そして私のお気に入りのPocket Healthでは、クォーターバックへのプレッシャーと彼らの意思決定能力を表示します。そして最後に、End of Game Sweepがあります。これにより、お客様は残り時間と予測されるプレー数に基づいて、チームが勝利するまでの道筋を理解することができます。

私たちはこれらすべてを非常にシンプルに見せていますが、これらひとつひとつの裏には、常時稼働している非常に複雑なアーキテクチャがあります。クラウドとローカルのアーキテクチャを組み合わせて、試合当日にこれらすべてが完璧に動作するようにしています。現場では、ECS Anywhereのようなツールを活用して、トラックの中にあるサーバーに直接コンテナでモデルをデプロイしています。これにより、試合当日に必要な超低レイテンシーを実現できます。AWS Systems Managerと組み合わせることで、ECSはエッジ、つまりアクションが起こるまさにその場所でAWSの管理機能を拡張します。

例えば、数百のトラッキングセンサーから常にデータを取得し、ライブのプレーバイプレーデータや、ビデオフレームの処理も、すべてリアルタイムで行っています。ちなみに、このデータはローカルとクラウドの両方で、幅広いワークロードを支えています。私たちのモデルはインサイトと予測されるプレーの確率を計算し、それを使って機能でフィードを強化しています。これは簡略化された図ですが、結局のところ、試合中にすべてを結びつける洗練されたアーキテクチャなのです。

カメラから画面まで、私たちの放送パイプラインは、信頼性、低レイテンシー、そして必要な運用のシンプルさを提供するために、AWSに大きく依存しています。すべてリアルタイムで行われます。本質的に私たちが行ったのは、これらすべての魅力的なインサイトを提供するための共通のデータサイエンスワークフローを作成したことです。私たちは何千もの過去のプレーにタグ付けを行い、ポジション、プレーバイプレー、フォーメーションパターンなど、数百万のデータポイントを生成しました。これらすべてが、リアルタイムでより良い予測を行うのに役立っています。

これらの機能は異なるAIアプローチを取るかもしれませんが、すべて専門家でさえ見逃すかもしれないインサイトにつながります。その結果、私たちは驚くべき精度でプレーを予測するシステムを手に入れました。そして先ほどのビデオでご覧いただいたように、Andrew Luckさえも驚かせました。ですから、私たちが取ったこのアプローチは、本当に成功のレシピを与えてくれました。私たちはPrime Vision feedから始めました。これにより、すべてのアイデアのためのインキュベーター、サンドボックスを持つことができ、失敗を恐れることなく素早く試すことができました。

長年にわたり、これは現在、私たちがすべてのスポーツで使用するインフラストラクチャへと進化しました。AWSを使用することで、私たちはイノベーションを起こし、検証し、そしてこれらのイノベーションを迅速に提供できるパイプラインを手に入れました。例えば、NASCARを見てみましょう。

私たちはそこでも同じアプローチを適用しました。40台の車が猛スピードで走行し、わずか数インチの間隔で、すべての車が完璧なラインを追い求めています。しかし、そのすべてのノイズとアドレナリンの下には、より大きな戦略があります。レースの中にレースがあるのです。すべてのチームが時速200マイルでチェスの試合を行っているようなものです。ピットインすべきか？コースに留まるべきか？タイヤは2本必要か？4本必要か？絶え間ない予測の海であり、彼らは競合相手が何をしているのかも把握しようとしています。Prime Insightsは、こうしたストーリーラインを伝え、展開するにつれて生き生きと描き出すのに本当に役立っています。

では、ストックカーの燃料計を見たことがある方はどれくらいいらっしゃいますか？なるほど、素晴らしい。実はこれはひっかけ問題なんです。実際には燃料計は存在しないんです。私も最初にこれを知ったときはショックを受けましたが、実際に起きているのは、すべてのチームが紙の上で、他の誰もアクセスできない独自の計算式を使って燃料消費量を計算しているということです。そのチーム以外には全く可視性がありません。そこで私たちは自問しました。もしファンにその可視性を提供できたらどうだろう？もしそれをリアルタイムでできたらどうだろう？そして、それがBurn Barで私たちが実現しようとしたことです。燃料消費をリアルタイムで予測し、可視化するAIオーバーレイです。

Burn Barは車両のテレメトリー、位置情報、スロットル、RPMデータを常に取り込んでいます。そして、これらの入力はレースごとに変化します。トラックのタイプが異なり、天候が異なり、タイヤが異なり、といった具合です。そのため、このモデルは毎秒何千ものデータポイントを取り込んでいます。これを手動で行うことは不可能でしょう。そして私たちは、プロダクションチームと視聴者の両方のために可視化を構築し、全員がこの燃料戦略をリアルタイムで追えるようにしています。

この図を見ていただくと、私たちがこれらすべてのデータを取り込み、Amazon ECSとAWS Fargate上の継続的なクライアントに取り込み、Amazon Kinesisを介してストリーミングし、Flinkで処理し、そしてAmazon DynamoDBとAPIを通じてプロダクショングラフィックスに配信していることがわかります。各クルーチーフは1台の車に対してこれを行っています。私たちはトラック上のすべての車に対してこれをリアルタイムで行っているのです。ファンもNASCARチームも、今では見えなかったもの、つまりレースの中のレースを見ることができます。そして驚くべきことに、私たちはこれをAWS上で3ヶ月未満で実現しました。そして、レースに最も近い人々はこれを絶対に気に入っています。私たちは誰も見たことのないことをやっているのです。そして、これはまだ始まったばかりです。

そして、私たちはこれらすべての学びを活かして、今NBAのためのイノベーションに取り組んでいます。この初年度、Primeのお客様には67試合をご利用いただけますし、League Passではすべての試合を提供しています。ですが、まず最初に、Event Detection Classification、私たちが社内でEDCと呼んでいるシステムについてお話しさせてください。これは、すべてのデータ取り込みをサポートし、モデル構築を可能にする堅牢なシステムです。このシステムは、Rapid Recapのような体験を支えています。これは2分間のハイライトリールで、ファンが試合に遅れて参加した場合でも、キャッチアップさせて、そのままライブストリームへとスムーズに移行させることができます。

また、Key Momentsのような機能も提供しています。ライブゲーム中に、私たちのAIモデルが最もインパクトのあるプレーを検出して表示します。ファンは今や、3ポイントシュート、流れの変化、ダンクなど、すべてをリアルタイムで閲覧できるようになりました。EDCは、私たちのPrime Insightsプラットフォームの基盤システムで、複数のスポーツにわたってすべての瞬間を自動的にタグ付けし、分類します。Amazon SageMakerのようなツールを活用していますし、例えばAmazon Bedrock上で動作するClaudeも使用しています。公式リーグデータを含む幅広いデータを組み合わせ、私たちが持つ深いコンテキストメタデータでそれらすべてを充実させています。その結果、この没入型で成長し続けるエコシステムが生まれました。数億のタグ付けされた瞬間、そのすべてが世界中のパーソナライズされた視聴体験を支えています。

そして、これらの機能以外にも、私たちが取り組んでいることはたくさんあるのですが、今日はお見せできません。残念ながら、まだ早すぎるんです。発表するには時期尚早なんです。でも、シーズンを通してご覧いただけますので、お約束します。そして、コート上だけでなく、私たちは物理的な制作スペースでもイノベーションを起こしています。NBAのローンチに合わせて、私たちは最も技術的に進んだ2階建て、13,000平方フィートのスタジオを導入しました。2,300枚のLEDスクリーンがあり、約30億ピクセルになります。これらにより、コート外の体験にファンを完全に没入させることができます。

コメンテーターやアナリストは、文字通りデータの中に入り込み、プレーと対話し、これまで以上にファンをアクションに近づけることができるようになりました。そして、AWSがすべてのデータ、すべてのコンピュートとネットワーキングを支えて、これを可能にしています。ライブのプレイヤートラッキングデータ、統計、予測をスタジオに直接、すべてリアルタイムで提供しています。このスペースこそが、物理とデジタルが融合して、ファンのためにより良いストーリーを伝える場所となるのです。

これは、私たちがAWS上で構築しているイノベーションのほんの一部です。ですが、終わる前に、オリジナルのAIから、AIについてもう少し聞いてみましょう。ありがとうございました。

AWSが支えるAmazon全体のイノベーション：終わりなきDay Oneの旅

NBA on PrimeはAIでゲームを変えています。 Rapid Recapで素早く振り返りたいですか?League Passでマルチビューはいかがでしょう?AIを活用したNBA、それがPrimeで楽しめます。私は10代の頃、Allen Iversonの華麗なクロスオーバーを真似しようとしていたのを覚えています。そのAllen IversonがPrime Videoと提携して人工知能の開発を支援しているなんて、本当に驚きです。Ericをはじめとする、Prime Videoの皆さんと一緒に仕事ができることは、人生で最高にスリリングな経験です。彼らと会うたびに、 Ericがほのめかしていたように、次々と新しいことが出てくるのを聞いています。本当に素晴らしいことです。

スポーツファンとして、先ほども触れましたが、私はWashington Commandersが大好きなので、Ericと私はいつもファンタジーチームについて話しています。彼らと提携できることは素晴らしいですし、世界中のスポーツファンの視聴体験を向上させている様子を見るのが大好きです。Amazon全体で起きている3つの強力なイノベーションの事例をご紹介しましたが、これらはAmazonがAWS上でイノベーションを起こしている方法のほんの一部に過ぎません。他にもたくさんあります。Alexa Plus、より広範なデバイス事業、フルフィルメントセンターとそこで起きているロボティクス、そして衛星インターネットサービスであるAmazon Kuiperもあります。

共通しているのは、AWSがこれらのビジネスにおいて、前例のない規模でイノベーションを推進しているということです。本当に全部お話ししたいところです。誰もがこのクラブに入りたがっています。ここはラスベガスですが、このセッションはわずか60分でした。ありがたいことに、来年もあります。AmazonがどのようにAWS上で運営されているか、この舞台裏をお楽しみいただけたでしょうか。

皆さん、ぜひ時間を取って、 Caesars ForumにあるOne Amazon Laneをチェックしてみてください。ここは私たちが用意したアクティベーションで、実際にZooxに乗り込んで、今日お聞きいただいたイノベーションの一部を体験できます。忘れないでください、Amazonではイノベーションが決して止まることはありません。私はここに10年いますが、Andyがオープニングで言ったように、本当にday oneなのです。ご参加いただきありがとうございました。re:Inventの残りの週を素晴らしいものにしてください。

※ こちらの記事は Amazon Bedrock を利用し、元動画の情報をできる限り維持しつつ自動で作成しています。