有人說AWS是最大的云服務商，但不是最大的開源貢獻者，這讓有些人很不爽。
比如，Iguaz.io創始人yaron haviv說，AWS的所謂開源就是裝裝樣子，不像谷歌那樣。
這樣說其實不夠準確，比如，在可擴展的深度學習框架MXNet方面，AWS有400位開發者貢獻了40%的代碼。但這似乎還是不夠，有分析師說了，盡管AWS也貢獻了很多，但遠不如AWS從開源得到的那么多。
不過，這種說法也有失公允
事實上，沒有哪家公司說是出于做慈善的目的開源自己的代碼，開源往往是為了公司長遠發展的利益考慮的。比如說有些公司通過開源拓展生態，有些公司可以通過開源做開源周邊的生意，比如做開源軟件賣相關硬件等。
AWS的AI和深度學習的總經理Matt Wood在采訪中說，AWS的策略是，研究那些只有不差錢的公司才能研發出來的技術，然后讓這些技術走向普羅大眾。
這一思路和做法與許多頂尖的公司一樣，比如IBM，比如蘋果，其一貫招攬最優秀的，最聰明的研發人員做出有競爭力的產品，獲得市場上的成功。
不得不承認，開源只是AWS讓技術實現民主化的一種方式。不過，AWS認為，對于企業的大多數開發者和員工來說，開源與否其實并不是最重要的。
最近AWS和微軟做起了開源的Gluon，這是一個提升開發者效率的項目。AWS和微軟有競爭關系，但類似這種合作對這種大公司來說都是經常有的事。微軟近年來盡可能地向外界介紹在開源上的努力，很大程度上是因為微軟一直以來在開源界較差的名聲有關。
AWS就沒有這樣的歷史原因，所以，也就不急于向外界證明在開源方面的誠意了。批評者認為AWS在開源上沒有什么積累，并且強調AWS從開源獲利多少，這也是不合適的。
Matt Wood表示，經常聽人們說機器學習有很大的發展空間，許多人說起話來眼神里滿是期待，但是許多企業不知道從何開始。
一個可能的方式是，AWS把機器學習的代碼分享出來，供大家學習，讓大家掌握機器學習的方法。這一方式看起來很合理，比如谷歌開源的TensorFlow開源之后就獲得了很大成功。
但Matt Wood表示，這太不AWS了。
那么，AWS的服務是怎么個形式呢？Wood通過機器學習技術介紹了AWS的三個層次的服務策略：
第一層級就提供像Polly和Lex等這樣的“黑盒”產品，這些服務面向那些數據量有限的開發人員，幫助他們訓練機器學習模型，這些開發人員無需自己搭建復雜的機器學習環境，交給AWS就好了。
第二個層級面向的是另外一部分用戶，這部分用戶有充足的數據來訓練機器學習模型，但是，不想花時間自己買各種盒子東拼西湊自己打理基礎設施。這樣的用戶最可能用到的就是S3 bucket，還有個引擎，能把這些模型跑起來就行了。
第三個層級是開源，把各種包和庫開放給外界，將神經網絡給到大眾手里。在這種情況下，AWS一方面向開源社區做貢獻，一方面為運行在AWS上面的項目做優化。Wood表示，我們不是直接出于利益的目的參與像MXNet這樣的開源項目的，只是因為我們的用戶要用這些，我們要的效果是，當用戶想用這些應用的時候能盡可能好的運行起來。
AWS為什么不開源？
讓批評者們不爽的正是“在AWS上做優化”這部分。出于某種人性自然而然的善意的考慮，人們普遍認為AWS就應該開源代碼，而不是總是為了營收數據做事，這么想其實是不對的。
首先，AWS是一家商業企業，必須為自己的利益負責。在照顧利益的同時可以兼顧善意，不過，問題是：如何平衡自身經濟利益和自然而然的善意，九江服務器 東莞服務器，以及用戶的利益呢？這是所有公司在面對開源問題的時候要解決的問題。
另外一個方面，AWS不是封閉地只推自己的東西，以數據庫為例，AWS除了支持MySQL以外，還與Oracle微軟合作，為的是讓這些數據庫也能更好地運行在AWS上，英國服務器 俄羅斯主機，為客戶提供服務。
另一個方面，AWS參與開源社區。以在機器學習方面為例，AWS有團隊在參與MXNet，TensorFlow等開源項目，為的是讓這些項目在AWS上更好地運行，為開發者提高自由度，靈活性，提供更廣泛的選擇，最近與微軟合作做Gluon也是這一策略的延續。
在機器學習出現的早期，機器學習的開發者必須了解許多技術細節。所以，AWS為不同層次的用戶提供了不同的服務，而不是只用一種服務強加于用戶。給出多種選擇和可選項無疑是非常有優勢的，這種早期的開放性在開源領域非常普遍。
AWS自私嗎？是的，這種自私是否能為優秀的程序員和企業級軟件開發者提供幫助呢？是的，而且帶來的幫助不是副產品，正是AWS想要的。
更關鍵的是AWS看到，多數用戶需要的并不是更多的開源，他們只關注AWS和微軟這樣的服務商如何更便捷地獲得AI的能力，而不在乎是以什么方式。
