AI與雲端計算的深度融合會帶來什麼？

“AI是高資源消耗、強計算類的、體現規模效應的技術，與雲端計算結合應用是水到渠成的事情。”Gartner高階研究總監季新蘇在接受記者採訪時說道。無論是AWS、微軟Azure、Google、IBM這些“國際雲”，還是騰訊、百度、阿里等“國有云”，將AI開發能力移植上雲，目的都是為企業或個人使用者提供一個高效且划算的AI開發環境。AI可以說是一支潛力股，科研人員和投資者投入了大量人力和資金希望讓AI的齒輪高速運轉，能夠早日看到從量變到質變。不過從AI幾十年的發展光景來看，可以說它是一個厚積薄發、對資源消耗極高的技術。在這種情況下，低成本、高效能地進行開發，就成為企業難以觸及之地，而云平臺恰恰能夠填補這個缺口。

大公司搶灘AI雲市場

今年2月，Gartner釋出了首個雲AI開發服務魔力象限，將市場上供應商劃分為四大象限——領導者、有遠見者、特定領域者(小眾玩家)、挑戰者。

Gartner定義的領導者象限即“擁有強大市場和心理認知地位”，其中聚集了亞馬遜、微軟、谷歌、IBM四個MLaas主流服務商。

MLaas，全稱Machine Learning as a services，是一種以機器學習作為服務內容的雲平臺型別，涵蓋大多數基礎設施問題，如資料預處理、模型訓練和模型評估，以及進一步的預測。預測結果可以透過REST api與企業內部IT基礎設施連線起來。

亞馬遜是全球雲端計算市場“拓荒第一家”，穩佔主導地位，能夠在AI雲產品開發上走在世界前列是毋庸置疑的。亞馬遜開發的MLaas可分為兩個層級：用於預測分析的Amazon ML和服務於資料科學家的SageMaker工具。SageMaker是功能更加強大的機器學習工具，可以簡化資料探索和分析，而無需伺服器管理，更適用於經驗豐富的從業人員實現高效工作。

從雲部署的方式來說，微軟Azure為雲AI開發人員提供了更加靈活的平臺，它可以根據企業客戶的需求，將服務部署在Azure雲、虛擬私有云或本地中。微軟Azure機器學習平臺的優勢在於，可以將所需的訓練模型封裝在容器中並部署到Azure、本地或IoT裝置，並且易於擴充套件和管理。

微軟的雲服務很重視擴充套件性與算力的適配。去年11月在美國丹佛舉辦的SC19超算展會上，微軟和英偉達共同推出了基於Azure雲服務的可擴充套件GPU加速型超級計算機NDv2。據瞭解，新的微軟Azure NDv2可以擴充套件到數百個用於複雜AI和高效能運算(HPC)應用的英偉達Tensor Core GPU。今年5月，微軟宣佈專門為OpenAI在Azure上構建了一臺新的超級計算機，計算能力可達全球前五。

TensorFlow可以說是谷歌雲的明星級產品，是端到端的開源機器學習平臺。有業內人士分析認為，TensorFlow是AI時代的作業系統，谷歌是想透過TensorFlow，吸引使用者選擇Google更多的產品服務，直白地說就是構建生態。而IBM的AI雲產品得益於其在增強學習領域的悠久歷史，可以提供從自動資料準備和演算法選擇到一系列最佳化指標。

AI與雲深度融合

在Gartner的魔力象限中，騰訊是唯一入圍的國內雲服務商。與SAP共同被Gartner歸為在特定行業或方法上展現實力，或者與特定技術堆疊完美結合的服務商。

騰訊在國外市場脫穎而出取決於其核心業務遊戲、聊天和影片等，走入國際舞臺的微信是騰訊AI最大的應用場景之一，微信AI致力於語音識別、NLP、資料探勘和ML，語音轉文字服務可支援普通話、廣東話、英語、藏語和維吾爾語，文字分析功能可支援中英雙語。

Gartner的評判標準是供應商必須在北美、南美、歐洲、中東和非洲、亞太的至少兩個地區中為2018年的雲AI開發人員服務增加至少20個新的付費企業客戶，阿里和百度因此被排除在外。

不過國內大廠的野心可不小。

阿里巴巴在2019年9月釋出了第一款晶片含光800，至此端雲晶片佈局已經成型。雲上AI訓練晶片和端上的AI推理晶片是阿里的下一個目標。

去年8月，百度與浪潮達成合作，百度飛槳將與浪潮AI Station共同提升深度學習在AI伺服器端的能力，實現雲+端的全方位覆蓋。

Gartner最新分散式儲存報告顯示，浪潮儲存產品競爭力位列全球第二，而分散式雲作為雲端計算新模式也首次進入到了Gartner雲端計算技術成熟度曲線。“雲的連線是我們對雲新的認識。”浪潮集團高階副總裁、浪潮雲董事長兼CEO肖雪在近日公開表示。肖雪認為，一片雲會逐漸被分散式雲取代，將根據不同場景、不同模式和方式提供服務。

肖雪認為，資料未來會走向製造過程，不僅包含資料治理、資料開放和資料服務等基本能力。把多元異構的資料透過AI整理成業務所需資料，彙集到“資料湖”中，最終可以透過AI輸出對未來世界的發現。“雲+數+AI的新運營商可以推動業務流速，將政府、企業和消費者連線在一起，也是新基建要呼喚的一個方向。”肖雪表示。

各大廠商在AI與雲的融合上頻頻落子，不過在季新蘇看來，國內AI雲仍處於起步階段。季新蘇認為，主要原因在於國內企業整體上雲率，其實在全球範圍內雲端AI平臺的企業級使用者都不算多，本質上是受制於AI技術發展本身。

AI雲服務提供商競爭更激烈

季新蘇指出，這些雲服務領軍者提供的雲端AI工具對於AI技術的發展有著積極影響，不過從商業化的角度來說，AI技術是否能夠取得突破也成為影響雲端AI開發工具市場擴充套件的重要因素。另外，目前在雲端比較成熟的是諸如提供語音、影像識別、文字識別類的具象AI，更高層級的通用類AI雲端服務還尚未成為主流，本質來說也是AI技術的發展瓶頸。

目前，AI發展在全球範圍內還侷限在感覺、感知層面，而通用AI則是向認知層面跨越，應具有開放問題的求解能力，這就需要更大的算力以及更強的學習能力。香港科技大學教授楊強曾公開表示，大算力是AI突破的方式，很多學術專家開始嘗試採用遷移學習的方法解決通用問題，如果算力足夠大，那麼遷移學習就可以適配到各個領域。中國工程院院士高文則認為，開源是AI取得突破的關鍵，無需太過擔心隱私安全問題，就像習武一樣，不停攻防才能進步。

業內專家達成共識，大算力、高效學習以及開源是AI技術發展的關鍵因素，這也是雲服務商需要同步考慮的平臺能力走向。

在Gartner的魔力象限中，與領導者象限僅一步之遙的挑戰者象限呈現空缺狀態，也就說在Gartner看來，能夠挑戰亞馬遜、微軟、谷歌、IBM四巨頭的AI雲廠商尚未出現，也可以說，未來AI雲服務提供商後來者之間的競爭將會更加激烈，畢竟AI技術還有非常大的空間可以挖掘。

【編輯推薦】