近年來，隨著越來越多的公司使用SaaS(軟件即服務(wù))模型來處理越來越大的數(shù)據(jù)集，企業(yè)云的應(yīng)用一直在加速。現(xiàn)在，領(lǐng)先的企業(yè)正在認(rèn)識(shí)到，云可以做的不僅僅是處理數(shù)據(jù)，它可以推動(dòng)業(yè)務(wù)和收入增長(zhǎng)。特別是，人工智能和機(jī)器學(xué)習(xí)的不斷進(jìn)步，為企業(yè)利用其數(shù)據(jù)的能力創(chuàng)造了新的機(jī)會(huì)，而云提供了獲取這些數(shù)據(jù)的必要工具。

克服早期認(rèn)知誤區(qū)

早在2015年，許多公司就在最初嘗試實(shí)現(xiàn)“大數(shù)據(jù)”的承諾時(shí)，建立了大型的本地?cái)?shù)據(jù)湖(Data Lake，指使用原始格式存儲(chǔ)數(shù)據(jù)的系統(tǒng))。其主要意圖是對(duì)企業(yè)中的所有數(shù)據(jù)進(jìn)行統(tǒng)一存儲(chǔ)，從原始數(shù)據(jù)(源系統(tǒng)數(shù)據(jù)的精確副本)轉(zhuǎn)換為用于報(bào)告、可視化、分析和機(jī)器學(xué)習(xí)等各種任務(wù)的目標(biāo)數(shù)據(jù)。數(shù)據(jù)湖中的數(shù)據(jù)包括結(jié)構(gòu)化數(shù)據(jù)(關(guān)系數(shù)據(jù)庫(kù)數(shù)據(jù))，半結(jié)構(gòu)化數(shù)據(jù)(CSV、XML、JSON等)，非結(jié)構(gòu)化數(shù)據(jù)(電子郵件，文檔，PDF)和二進(jìn)制數(shù)據(jù)(圖像、音頻、視頻)，從而形成一個(gè)容納所有形式數(shù)據(jù)的集中式數(shù)據(jù)存儲(chǔ)。

然而這些以多種格式存儲(chǔ)的集中式信息存儲(chǔ)庫(kù)往往成為數(shù)據(jù)的墓地，因?yàn)樵S多公司缺乏計(jì)算資源，而早期的人工智能技術(shù)需要這些計(jì)算資源才能獲得有意義的分析見解。例如僅對(duì)圖像進(jìn)行圖形處理就非常昂貴。

當(dāng)時(shí)，云平臺(tái)的AI能力還不夠成熟，不足以促使企業(yè)將數(shù)據(jù)密集型的ML項(xiàng)目轉(zhuǎn)移到云環(huán)境中。大數(shù)據(jù)被寄予厚望的潛力似乎凍結(jié)了。幸運(yùn)的是，這只是暫時(shí)的。

可擴(kuò)展性成為可能

最近，云數(shù)據(jù)倉(cāng)庫(kù)(Data Warehouse)的出現(xiàn)，使得企業(yè)可以對(duì)數(shù)據(jù)結(jié)構(gòu)進(jìn)行建模，這些數(shù)據(jù)結(jié)構(gòu)在存儲(chǔ)和性能方面都是可伸縮擴(kuò)展的。主要的云計(jì)算提供商現(xiàn)在提供的產(chǎn)品套件包括模型開發(fā)、托管和機(jī)器學(xué)習(xí)運(yùn)營(yíng)(MLOps)，如2017年發(fā)布的亞馬遜AWSSageMaker。

此外，云供應(yīng)商還提供了用于自然語言處理(NLP)、預(yù)測(cè)和計(jì)算機(jī)視覺的人工智能API，這些API都是經(jīng)過預(yù)先訓(xùn)練的，可以很容易地集成到目前應(yīng)用程序中。

追隨領(lǐng)先者

未來幾年，云計(jì)算領(lǐng)域的領(lǐng)軍企業(yè)將繼續(xù)擴(kuò)大其計(jì)算能力，重點(diǎn)關(guān)注5G、邊緣計(jì)算和網(wǎng)格計(jì)算技術(shù)。在這些投資中，領(lǐng)導(dǎo)者們正在將關(guān)鍵技術(shù)與云技術(shù)配對(duì)，尤其是人工智能。做出這一戰(zhàn)略決定有許多原因。不斷擴(kuò)大的云人工智能工具讓產(chǎn)品團(tuán)隊(duì)能夠大幅降低開發(fā)成本和縮短上市時(shí)間，為創(chuàng)新型企業(yè)創(chuàng)造了新的可能性。

依賴于E-IQ(企業(yè)智商)，這是一個(gè)為固定的業(yè)務(wù)流程分配AI能力的框架，揭示了可能的AI用例，包括五個(gè)支柱：感知、決策、行動(dòng)、交互和適應(yīng)。E-IQ還可以幫助企業(yè)建立一個(gè)路線圖，以便使用敏捷的AI交付模型和參考架構(gòu)，準(zhǔn)備云計(jì)算項(xiàng)目。

一旦確定了用例和支持的技術(shù)工件，引入自己的模型方法可以加速將模型遷移到諸如AWS SageMaker和其他相關(guān)云智能工具中。

為了確保模型不會(huì)顯示出“過時(shí)”或“漂移”，一個(gè)健壯的MLOps(機(jī)器學(xué)習(xí)運(yùn)營(yíng))框架指導(dǎo)新手和治理，允許進(jìn)行計(jì)算優(yōu)化和定期重新校準(zhǔn)模型。

人工智能在金融服務(wù)等受到高度監(jiān)管的行業(yè)尤其有用，隨著監(jiān)管機(jī)構(gòu)實(shí)施越來越嚴(yán)格的驗(yàn)證要求，這些行業(yè)越來越依賴復(fù)雜的模型來指導(dǎo)決策。使用智能方法進(jìn)行模型測(cè)試和驗(yàn)證可以確保內(nèi)部模型驗(yàn)證團(tuán)隊(duì)能夠有效地對(duì)其模型進(jìn)行備份，節(jié)省時(shí)間并確保流程中的法規(guī)遵從性。

未來一瞥

以下用例說明了許多將人工智能與云結(jié)合的有影響力。通過利用人工智能和云計(jì)算的動(dòng)態(tài)組合，企業(yè)正在為實(shí)現(xiàn)多種目標(biāo)做好準(zhǔn)備，包括:

新收入來源：一家醫(yī)療保健機(jī)構(gòu)將與ML模型相關(guān)的數(shù)據(jù)轉(zhuǎn)移到云上，不僅能夠優(yōu)化成本，還能將模型預(yù)測(cè)貨幣化。在這種情況下，客戶包括研究機(jī)構(gòu)，它們能夠繞過構(gòu)建自己的模型所需的數(shù)據(jù)收集和聚合過程，而是直接從數(shù)據(jù)源購(gòu)買結(jié)果，以加快研究。他們支付的費(fèi)用涵蓋了醫(yī)療保健機(jī)構(gòu)產(chǎn)生的模型開發(fā)費(fèi)用。

增強(qiáng)客戶體驗(yàn)：基于云的人工智能技術(shù)可以為各種公司帶來更好的客戶體驗(yàn)，從出租車服務(wù)到電子商務(wù)網(wǎng)店。在前一種情況下，配備人工智能推薦引擎的出租車顯示屏，可以根據(jù)乘客的目的地或通過云知識(shí)圖構(gòu)建的電影推薦，向乘客顯示個(gè)性化的服務(wù)。

塑造戰(zhàn)略成果：在云AI的幫助下，首席財(cái)務(wù)官可以將來自內(nèi)部和外部數(shù)據(jù)的情報(bào)注入到財(cái)務(wù)規(guī)劃過程中，為增加收入提出建議。同樣，首席營(yíng)銷官也可以在一系列產(chǎn)品類別中確定優(yōu)化營(yíng)銷支出的策略，以實(shí)現(xiàn)投資回報(bào)率的最大化。對(duì)于只依賴于總賬/企業(yè)資源規(guī)劃系統(tǒng)數(shù)據(jù)的高管來說，這種程度的洞察力是很難獲得的。

自主化：云AI平臺(tái)可以實(shí)現(xiàn)智能自動(dòng)化(自主化，它是自動(dòng)化的升級(jí))，從而顯著提高與任意數(shù)量的內(nèi)部業(yè)務(wù)流程相關(guān)的效率。例如，一個(gè)移動(dòng)應(yīng)用程序可以調(diào)用API，從存儲(chǔ)在云中的文檔中提取信息，從而轉(zhuǎn)變?nèi)肆Y源的入職方式，并將完成管理任務(wù)的時(shí)間從幾天縮短到幾分鐘。

在云計(jì)算中部署人工智能的企業(yè)已經(jīng)實(shí)現(xiàn)了上述所有成果和許多其他成果。

隨著云計(jì)算和人工智能/機(jī)器學(xué)習(xí)技術(shù)的不斷發(fā)展，這兩種技術(shù)的協(xié)同結(jié)合將繼續(xù)為創(chuàng)新型企業(yè)帶來顯著的競(jìng)爭(zhēng)優(yōu)勢(shì)。這些競(jìng)爭(zhēng)優(yōu)勢(shì)將使該領(lǐng)域的領(lǐng)先者與其他遲鈍的同行拉開巨大差距。