AI与云计算的深度融合会带来什么？

作者：佚名 2020-07-24 22:05:49

云计算

人工智能 从AI几十年的发展光景来看，可以说它是一个厚积薄发、对资源消耗极高的技术。在这种情况下，低成本、高效能地进行开发，就成为企业难以触及之地，而云平台恰恰能够填补这个缺口。

“AI是高资源消耗、强计算类的、体现规模效应的技术，与云计算结合应用是水到渠成的事情。”Gartner高级研究总监季新苏在接受记者采访时说道。无论是AWS、微软Azure、Google、IBM这些“国际云”，还是腾讯、百度、阿里等“国有云”，将AI开发能力移植上云，目的都是为企业或个人用户提供一个高效且划算的AI开发环境。AI可以说是一支潜力股，科研人员和投资者投入了大量人力和资金希望让AI的齿轮高速运转，能够早日看到从量变到质变。不过从AI几十年的发展光景来看，可以说它是一个厚积薄发、对资源消耗极高的技术。在这种情况下，低成本、高效能地进行开发，就成为企业难以触及之地，而云平台恰恰能够填补这个缺口。

大公司抢滩AI云市场

今年2月，Gartner发布了首个云AI开发服务魔力象限，将市场上供应商划分为四大象限——领导者、有远见者、特定领域者(小众玩家)、挑战者。

Gartner定义的领导者象限即“拥有强大市场和心理认知地位”，其中聚集了亚马逊、微软、谷歌、IBM四个MLaas主流服务商。

MLaas，全称Machine Learning as a services，是一种以机器学习作为服务内容的云平台类型，涵盖大多数基础设施问题，如数据预处理、模型训练和模型评估，以及进一步的预测。预测结果可以通过REST api与企业内部IT基础设施连接起来。

亚马逊是全球云计算市场“拓荒第一家”，稳占主导地位，能够在AI云产品开发上走在世界前列是毋庸置疑的。亚马逊开发的MLaas可分为两个层级：用于预测分析的Amazon ML和服务于数据科学家的SageMaker工具。SageMaker是功能更加强大的机器学习工具，可以简化数据探索和分析，而无需服务器管理，更适用于经验丰富的从业人员实现高效工作。

从云部署的方式来说，微软Azure为云AI开发人员提供了更加灵活的平台，它可以根据企业客户的需求，将服务部署在Azure云、虚拟私有云或本地中。微软Azure机器学习平台的优势在于，可以将所需的训练模型封装在容器中并部署到Azure、本地或IoT设备，并且易于扩展和管理。

微软的云服务很重视扩展性与算力的适配。去年11月在美国丹佛举办的SC19超算展会上，微软和英伟达共同推出了基于Azure云服务的可扩展GPU加速型超级计算机NDv2。据了解，新的微软Azure NDv2可以扩展到数百个用于复杂AI和高性能计算(HPC)应用的英伟达Tensor Core GPU。今年5月，微软宣布专门为OpenAI在Azure上构建了一台新的超级计算机，计算能力可达全球前五。

TensorFlow可以说是谷歌云的明星级产品，是端到端的开源机器学习平台。有业内人士分析认为，TensorFlow是AI时代的操作系统，谷歌是想通过TensorFlow，吸引用户选择Google更多的产品服务，直白地说就是构建生态。而IBM的AI云产品得益于其在增强学习领域的悠久历史，可以提供从自动数据准备和算法选择到一系列优化指标。

AI与云深度融合

在Gartner的魔力象限中，腾讯是唯一入围的国内云服务商。与SAP共同被Gartner归为在特定行业或方法上展现实力，或者与特定技术堆栈完美结合的服务商。

腾讯在国外市场脱颖而出取决于其核心业务游戏、聊天和视频等，走入国际舞台的微信是腾讯AI最大的应用场景之一，微信AI致力于语音识别、NLP、数据挖掘和ML，语音转文字服务可支持普通话、广东话、英语、藏语和维吾尔语，文本分析功能可支持中英双语。

Gartner的评判标准是供应商必须在北美、南美、欧洲、中东和非洲、亚太的至少两个地区中为2018年的云AI开发人员服务增加至少20个新的付费企业客户，阿里和百度因此被排除在外。

不过国内大厂的野心可不小。

阿里巴巴在2019年9月发布了第一款芯片含光800，至此端云芯片布局已经成型。云上AI训练芯片和端上的AI推理芯片是阿里的下一个目标。

去年8月，百度与浪潮达成合作，百度飞桨将与浪潮AI Station共同提升深度学习在AI服务器端的能力，实现云+端的全方位覆盖。

Gartner最新分布式存储报告显示，浪潮存储产品竞争力位列全球第二，而分布式云作为云计算新模式也首次进入到了Gartner云计算技术成熟度曲线。“云的连接是我们对云新的认识。”浪潮集团高级副总裁、浪潮云董事长兼CEO肖雪在近日公开表示。肖雪认为，一片云会逐渐被分布式云取代，将根据不同场景、不同模式和方式提供服务。

肖雪认为，数据未来会走向制造过程，不仅包含数据治理、数据开放和数据服务等基本能力。把多元异构的数据通过AI整理成业务所需数据，汇集到“数据湖”中，最终可以通过AI输出对未来世界的发现。“云+数+AI的新运营商可以推动业务流速，将政府、企业和消费者连接在一起，也是新基建要呼唤的一个方向。”肖雪表示。

各大厂商在AI与云的融合上频频落子，不过在季新苏看来，国内AI云仍处于起步阶段。季新苏认为，主要原因在于国内企业整体上云率，其实在全球范围内云端AI平台的企业级用户都不算多，本质上是受制于AI技术发展本身。

AI云服务提供商竞争更激烈

季新苏指出，这些云服务领军者提供的云端AI工具对于AI技术的发展有着积极影响，不过从商业化的角度来说，AI技术是否能够取得突破也成为影响云端AI开发工具市场扩展的重要因素。另外，目前在云端比较成熟的是诸如提供语音、图像识别、文本识别类的具象AI，更高层级的通用类AI云端服务还尚未成为主流，本质来说也是AI技术的发展瓶颈。

目前，AI发展在全球范围内还局限在感觉、感知层面，而通用AI则是向认知层面跨越，应具有开放问题的求解能力，这就需要更大的算力以及更强的学习能力。香港科技大学教授杨强曾公开表示，大算力是AI突破的方式，很多学术专家开始尝试采用迁移学习的方法解决通用问题，如果算力足够大，那么迁移学习就可以适配到各个领域。中国工程院院士高文则认为，开源是AI取得突破的关键，无需太过担心隐私安全问题，就像习武一样，不停攻防才能进步。

业内专家达成共识，大算力、高效学习以及开源是AI技术发展的关键因素，这也是云服务商需要同步考虑的平台能力走向。

在Gartner的魔力象限中，与领导者象限仅一步之遥的挑战者象限呈现空缺状态，也就说在Gartner看来，能够挑战亚马逊、微软、谷歌、IBM四巨头的AI云厂商尚未出现，也可以说，未来AI云服务提供商后来者之间的竞争将会更加激烈，毕竟AI技术还有非常大的空间可以挖掘。