普拉萨德的经历给了他信心，让他相信这是可以实现的。但是，亚马逊并没有一个能够将机器学习应用于产品开发的系统。他说：“我们有一些科学家在研究深度学习，但我们没有足够的基础设施来实现产业化。”好消息是，所有需要的“零部件”亚马逊都已具备，一个无与伦比的云服务，装有图形处理器的数据中心来处理机器学习算法，还有那些知道如何像移动“火球”一样移动数据的工程师。
他的团队利用这些资源创建了一个平台，这个平台本身就是一笔宝贵的资产，超出了它用于Echo研发工作的价值。Alexa高级首席科学家Spyros Matsoukas说：“一旦我们将Echo开发成一个远场语音识别设备，我们就看到了做更大事情的机会——我们可以将Alexa的应用范围扩大到语音服务。”Spyros Matsoukas曾与普拉萨德一同在Raytheon BBN公司工作。（他当时的工作包括美国国防部高级研究计划局一个名为“Hub 4”的的项目，该项目利用广播电视新闻和拦截的电话来推进语音识别和自然语言理解的水平，这对于Alexa项目来说简直就是神助攻。）他们扩展Alexa应用范围的一种直接方式是允许第三方开发者创建他们自己的“语音技术迷你应用程序”。这也被称为“技能”，能在Echo智能音响上运行。但这仅仅只是个开始。
亚马逊首席科学家Spyros Matsoukas将Alexa变成了一股力量，它可以加强亚马逊的人工智能文化。
为了在Echo智能音响之外推广Alexa，亚马逊开始凝聚起来了一种人工智能文化。公司的团队开始意识到，Alexa也可以为其宠物项目提供有用的语音服务。普拉萨德说：“尽管我们对”单线程“所有权非常重视，但所有的数据和技术都汇集在一起。”亚马逊的其他产品也开始整合到了Alexa中：当你使用Alexa的设备时，你可以访问亚马逊音乐、Prime视频和其他服务等等。然后，这项技术开始应用于亚马逊的其他产品领域。林赛说：“一旦我们拥有了基本的语音能力，我们就可以将加入到非Alexa的产品中，比如Fire TV、语音购物、亚马逊生鲜立达，最终加入到亚马逊网络服务之中。”
亚马逊内部的“人工智能岛屿”之间的距离越来越近了。
一旦有数百万客户（亚马逊不愿透露具体数量）开始使用Echo音箱，或者是使用其他基于Alexa助手的设备，亚马逊转型的另一个关键环节就开始了。亚马逊开始积累大量的数据，这很可能是所有谈话驱动设备所能收集的最大的交互集合。这些数据对于那些潜在的受雇员工来说是一个强大的诱惑。突然间，亚马逊迅速成了那些各方争抢的机器学习专家们想要工作的地方。去年加入亚马逊的机器学习副总裁Ravi Jain说： "让Alexa对我如此有吸引力的原因之一是， 一旦你在市场上有了一个设备， 你就有了反馈的资源，不仅是用户的反馈数据，还有那些对改善一切都至关重要的实际数据——尤其是支撑这一切的平台。“
因此，随着越来越多的人使用Alexa，亚马逊获得的信息不仅能够使系统性能更好，而且还强化了它自己的机器学习工具和平台， 并使其成为机器学习科学家的一个热门工作地点。
飞轮开始旋转。
亚马逊AWS：更聪明的云端
2014年，亚马逊开始向Prime客户销售Echo智能音箱。也是那一年，当时负责管理亚马逊网络服务数据库和分析业务的Swami Sivasubramanian开始对机器学习感兴趣。他14年携家人正在印度旅行时， 由于时差的问题，再加上他出生不久的女儿不时大哭，他发现自己深夜在电脑前摆弄谷歌的 Tensorflow 和Caffé等工具， 这是 Facebook 和许多学术界专家青睐的机器学习框架。 他得出了一个结论，那就是将这些工具与亚马逊的云服务结合起来可能产生巨大的价值。他认为，通过使云计算中的机器学习算法变得更容易，公司可能会挖掘出潜在的一系列需求。他说：“我们每个月都会为数百万的开发者提供服务。其中大多数人不是麻省理工学院的教授，而是没有机器学习背景的开发者。”
亚马逊人工智能副总裁斯Swami Sivasubramanian，首批意识到将人工智能工具集成到公司云服务中将会产生商业价值的人之一。