有奖调研 | 人脸辨认功能在互联网行业认知度情况

“每个组织都将须要有一小我工智能策略，”他说，“采取机械进修和人工智能是一个经久的工作，但如今必须介入个中，如许企业才能在竞争中领先。”

如不雅人工智能是IT技巧的将来的话，那么云计算供给商的云办事将成为即将到来的应用海潮的前沿和中间。

亚马逊收集办事(AWS)、微软、谷歌、IBM等公司在以前一年中增长了数十种云计算人工智能对象，并且具有不合程度的复杂性。这些平台是否选用这些工作负载取决于人工智能和机械进修若何适应企业的营业计谋。尽管如斯，这些云计算供给商已经急于弥补他们的办事空白，并让那些重要以机械进修为营业的企业和那些面对压力的、具有必定目标和策略但缺乏经验的公司可以或许接触到人工智能。

固然行业袈内人工智能和机械进修(ML)方面不乏炒作，但全球重要的云计算供给商已经在这方面积聚了一些经验，并将在将来几年为他们创造更大年夜的营业。

尽管基于云计算构建的基于人工智能的应用法度榜样有一些早期的成功案例，但大年夜部分市场仍处于不雅望状况，特别是深度进修。调研机构Gartner公司分析师Chirag Dekate表示，企业须要对所采取的技巧进行选择，无论是大年夜头开端构建，照样简单地集成一些API驱动的云办事(如语音和图像辨认)。

“企业的IT引导者已经熟悉到人工智能的价值。”他说，“亚马逊、谷歌、微软和其他公司正在对人工智能技巧投入大年夜量资金，用于内部花费和基于云计算的外部花费，因为他们知道这些高等分析功能将具有巨大年夜的价值。”

瞻望将来，Dekate表示他期望这些供给商在增参加工智能云办事的功能方面加倍积极。今朝因为对人工智能技巧不太熟悉，可能会影响云计算供给商的营业，因为他们欲望争夺客户，特别是那些想要测验测验人工智能产品的客户。

总部位于佛罗里达州坦帕市的移动收集商Syniverse公司经由过程与VMware公司的合作将其vRealize调和的私有云扩大到IBM Cloud和AWS云平台。该公司并未应用很多云原生办事，但将其视为平台之间潜在的差别化身分。

“我们认为一个很有成长的范畴是人工智能和基于机械进修的对象，这可以使我们可以或许快速为客户创建新的申报和分析。”Syniverse首席技巧官Chris Rivera说。

大年夜初级到高等的人工智能云办事

云计算供给商根本上在其平台上构建了三个层次的人工智能办事。最底层的人工智能也是最复杂的，但可以供给最佳机能，位于基本举措措施层。重要供给云计算的供给商支撑风行的框架，如TensorFlow或Apache MXNet以及基于GPU的虚拟机，然后可以供给其他可能的办事来构建和练习模型。

谷歌在日前推出了TensorFlow集成TPU实例类型的测试版本，该类型基于定制处理器。

第二层次的人工智能是一个为数据科学家量身打造的新兴空间，但它抽象了大年夜部分底层基本举措措施，并集成了硬件设备和机械进修框架。它将人工智能更好地作为即办事类别，个中包含IBM Watson，Amazon SageMaker，Microsoft Machine Learning Studio，Google Machine Learning Engine和Google AutoML等对象。

第三层次的人工智能涉及可以集成到现有应用法度榜样中的基于API的插件办事。这些将面向人工智能的应用新手，并且所有重要供给商都有一些供给认知、语音和图像辨认对象的办事。

Dekate说：“无论是数据科学家照样建筑师或开辟人员，都试图开辟一个基于人工智能的智能应用法度榜样，他们根本上都试图将应用法度榜样惹人本身的生态体系。”

如今，人工智能云办事已经成为超大年夜范围云计算供给商的又一疆场，因为它们可以吸引数据科学家和开辟人员在他们的平台上培训模型。

懂得云计算人工智能的长处和缺点

然而，因为这些GPU加快节点须要更多计算才能，并且练习模型须要大年夜量数据进行存储和处理，所以公共云受到了深度进修和大年夜量用户的限制。

“大年夜多半组织都在试图经由过程最大年夜的本钱支撑来采取人工智能。”他说，“然则，如不雅深度进修是组织的国家栋梁的话，那么在数据中间平分植就更有意义。”

深度进修对于图像辨认和文本分析等特定需求的企业来说异常有效，但即使深度进修神经收集的创建者也不得不承认，解决企业所面对的更广泛问题的人工智能并不是解决问题的灵丹妙药。尽管在内部安排数据中间开展这项工作有一些成本优势，但重要的是数据引力的警告。他说，如不雅企业的数据已经在公共云上运行，那么在云端完成这项工作会更有效，而不会产生迁徙的成本。

总部位于纽约的Alpha Vertex公司在谷歌云平台上培训机械进修模型，并将其融入颇┞冯对金融行业的分析办事中。如不雅这些模型成天运行在最大年夜的实例类型中，那么肯定会见临成本问题，但该公司已经构建了基本举措措施，以应用成本更低、范围更小的虚拟机和竞价型实例。在练习分析模型时，它还应用Kubernetes大年夜大年夜约20个虚拟机扩大到1000多个虚拟机，这可以避免内部资本应用不足的问题。

“采取Kubernetes，就像治理一两小我与治理全部部分的差别。，”Alpha Vertex公司首席技巧官Michael Bishop说。

企业经由过程内部迁徙这些模型的成本效益分析，持之以恒地支撑将其留在云端，以保持其技巧领先地位的须要。

“高端GPU的成本相当高，并且没有一个很好的摊销生命周期。”Bishop说，“如不雅企业依附大年夜量投入资本来采取这种技巧的话，那么真的很难跟上其成长的办法。”

　　推荐阅读

　　大数据分析：正在进行云驱动的转变

有奖调研 | 人脸辨认功能在互联网行业认知度情况 如今，大年夜数据分析市场与几年前比拟已经截然不合。而在将来十年，全球各行各业都将产生变革、立异和颠覆。在日前宣布的2017年度市场研>>>详细阅读

本文标题：超大规模云计算供应商重点投资人工智能云服务

地址：http://www.17bianji.com/lsqh/40780.html

 1/2    1