即使只有AWS的一部分客户使用了SageMaker，亚马逊也会发现自己拥有大量关于其系统运行情况的数据（当然，不包括客户自己保留的保密信息）。这将带来更好的算法、更好的平台、更多的客户。“飞轮”在高速运转。
无处不在的人工智能
随着机器学习的改革升级到了一定阶段，亚马逊的人工智能技术现在已经应用到了公司的许多团队当中，这让贝佐斯感到非常满意。虽然亚马逊没有人工智能中心，但有一个部门专门负责机器学习的普及和支持，公司还进行了一些应用研究，将新科学加入到公司的项目中。
核心机器学习小组由拉尔夫。赫布里希领导，他曾在微软的必应团队工作过，之后在Facebook工作了一年，2012年时被亚马逊挖走。他说：“在公司内部有一个拥有这样的一个社区的地方是很重要的。”（当然，这个项目也来自于贝索斯批准的一个六页纸文档。）
他的部分职责包括培育亚马逊快速增长的机器学习文化。由于该公司以客户为中心的运营方法——解决问题而不是进行那些毫无价值的研究——亚马逊的高管们确实承认，他们在招聘时总是倾向于那些对勇于开拓新事物感兴趣的人，而不是那些追求科学突破的人。Facebook的勒邱恩则用另一种方式说："不领导知识分子先锋， 你也可以做得很好。"不过，亚马逊也在效仿Facebook和谷歌，他们带头培训员工让其变得更适应人工智能。该公司在机器学习方面开展了内部课程，并让公司内部的专家举办了一系列的讲座。从2013年开始，该公司每年春天都会在其总部举办一次水平一流的内部机器学习会议。
赫布里希说：“刚开始的时候，亚马逊机器学习会议只有几百人参加，现在已经有几千人了。西雅图亚马逊总部最大的会议室已经容纳不下这么多人了，所以我们的举办场所从一变成了六。”亚马逊的一位高管表示，如果会议规模变得更大，就不应该将其称为“亚马逊机器学习大会”，它就应该被称为“亚马逊”。
赫布里希的团队继续尝试着将机器学习推广到公司的每一个角落。例如，打包团队希望想要更好地预测，八种盒子大小，他们应当选择哪一种适配客户订单，所以他们向赫布里希的团队寻求帮助。他说：“这个团队不需要自己的科学家团队，但它需要这些算法，并且需要能够很容易地使用它们。”
在另一个例子中，大卫·林普指出了亚马逊在预测多少客户可能购买新产品方面的转变。他说：“我已经在消费电子领域工作了30年，其中有25%的预测是通过人类的判断、电子表格和一些魔术贴球和飞镖来完成的。自从我们在预测中开始使用机器学习以来，我们的预测错误率显著下降。”
尽管如此，赫布里希的团队有时也会将尖端科学应用到一个问题上。该公司的食品杂货配送服务Amazon Fresh已经运营了10年，但它需要一种更好的方式来评估水果和蔬菜的质量，因为人类的评估速度太慢，而且还会前后不一致。他在柏林的团队建立了传感器装载的硬件和新的算法，弥补了系统无法触摸食物和闻食物气味的能力。他说：“三年后，我们将会做出一个原型，可以比以前更可靠地判断果蔬质量。”
当然，这样的进步可以渗透到亚马逊的整个生态系统中。就拿亚马逊最近向公众开放的亚马逊Go无人超市来说，它是一家基于深度学习的无人杂货店。亚马逊Go的技术副总裁迪力普。库马尔说：“作为AWS的客户，我们从中受益良多。但AWS反之也受益于我们。”他举了一个例子，亚马逊Go有一个独特的系统，有数百台摄像头来收集数据，追踪顾客的购物活动。他的团队的在工作中的创新也影响了AWS一项名为Kinesis的服务，该服务允许用户将多个设备的视频传输到亚马逊云端，在那里他们可以对视频进行处理和分析，并使用视频来进一步改进他们的机器学习算法。
即使有还没有使用自家公司的机器学习平台的亚马逊服务，它也可以成为亚马逊的Prime Air无人机送货服务的积极参与者，这一服务目前仍处于原型阶段，它必须单独构建人工智能，因为无人驾驶飞机无法依靠云端连接。但它仍然从“飞轮”中获益良多，既能从公司的其他团队汲取知识，又能搞清楚该使用什么工具。
Prime Air的副总裁Gur Kimchi 说：“我们认为这是一个菜单——每个人都在分享他们的菜肴。”他预计，他的团队最终将拥有自己的美味菜单。他说：“我们正在学习的课程以及我们在Prime Air项目中解决的问题，肯定会引起亚马逊其他团队的兴趣。”