（郑柯 翻译 ）Amazon Web Services (AWS)团队公布了一系列资源，瞄准科学社区对高性能计算的需要。AWS特别强调：在Amazon云环境中，他们的“spot价格体系”市场可以提供价格优惠的海量规模计算能力。
科学组织在处理数据分析时，常常要面对海量计算活动的需求。在AWS团队指出的一个案例研究中，一家排名全球前五的制药公司在寻找分子建模方法，以处理数百万种化合物组合。有了Cycle Computing的帮助，该公司在AWS上使用一个有30000个核的集群，仅用不到8个小时就完成了任务。该集群跨越两个大陆，使用将近27T内存，每小时花费1279美元。Cycle Computing指出：他们的客户从未想过在公司内部完成这样的科学分析，因为会把他们自己数据中心所有的资源消耗殆尽，而且长达数周。如果一家组织试图在内部完成如此重大的计算任务，常常需要非常大量的CPU，而且在任务启动之前会一直处于空闲状态。这也是Microsoft在与Pharm Exec的访谈中提到的：
看看所有进入蛋白质折叠【译注】的数据。有研究大型分子产品的公司，这些产品一般被称为单克隆抗体（monoclonal antibody）。这些分子的活动主要是如何把自己折叠起来。在研究过程中，他们希望看到产品的基本序列，也想计算出分子的折叠过程。传统方式中，他们会维护海量的CPU，这些CPU的计算围绕着上述活动展开，一般需要70个小时才能完成整个的蛋白质折叠分析。使用基于云的基础设施模式，服务器不需要一直开机。科学家可以在需要的时候再分析数据，不需要，服务器就不必运行。
AWS声称：这个由Cycle Computing管理的计算集群不仅仅在规模和性能上令人侧目，同时在价格上也非常合算，因为他们使用了Spot Instance实例。与Reserved或On-Demand EC2实例不同，启动Spot实例是投标过程的一部分。客户制定出他们愿意为Spot实例每小时支付多少钱，只要Spot的价格仍然低于客户给出的阈值，Spot实例就会一直运行。当价格阈值超过后，Spot实例就会停止。Spot的价格会比Reserved或On-Demand实例的价格便宜50%，因此用它来完成只有财务上合算时才运行的、低优先级的计算工作，或是补充已有的On-Demand负载，都是不错的选择。
在新的“Spot and Science”页面上，对于如何利用类似Spot市场提供的这些短时计算资源，AWS团队点出了一些架构上的考量。AWS提出四种架构风格，可以作为容纳潜在中断风险的解决方案，包括：Map/Reduce、Grid、基于队列的、以及基于检查点（Checkpoint）的架构。每种风格要么建议使用可快速完成的小量工作负载，要么建议当运行主机中断时重新运行，或是使用检查点定期保存工作。
AWS的“Spot and Science”页面还包括案例研究、用例展示、成本节省分析、辅导和架构指南。即使用户不属于科学社区，如果希望用云完成高性能计算，也可以找到在这些用例中找到相关信息。HPC in the Cloud网站认为：
制药公司对云有相对高的使用率，这意味着对于其他公司来说，即使他们不需要找到疾病治愈方法或是改善人们的健康，他们也可以参考这个行业的案例，以了解云在真实世界中的使用方法。
【译注】蛋白质折叠（protein folding）：蛋白质的基本单位为氨基酸，而蛋白质的一级结构指的就是其氨基酸序列，蛋白质会由所含氨基酸残基的亲水性、疏水性、带正电、带负电……等等特性通过残基间 的相互作用而折叠成一立体的三级结构。虽然蛋白质可在短时间中从一级结构折叠至立体结构，研究者却无法在短时间中从氨基酸序列计算出蛋白质结构，甚至无法 得到准确的三维结构。因此，研究蛋白质折叠的过程，可以说是破译“第二遗传密码”——折叠密码（folding code）的过程。具体可参考百度百科。