Skip to main content
您好,欢迎光临IDC汇,需要什么服务器直接咨询客服,方便快捷。客服QQ 点击这里给我发消息
首页 > 服务器资讯 »正文

AI与云计算的深度融合会带来什么?

服务器资讯 webadmin 2020-07-25 08:47:53 查看评论 加入收藏

云计算

 

“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。

广告06

微信