云之变6：让AI无处不在的云端训练师( 十 )_随着《云之变》系列走向尾声

友好的第二种意义，则是云平台的兼容性。我们知道，目前深度学习框架有许多，开发者需要在不同的框架下完成特定的训练及推论任务，因此云平台的兼容并蓄就非常重要了。像是新的AWS容器就能够支持谷歌的TensorFlow、Apache的MXNet以及脸书的PyTorch等不同的机器学习架构，华为新发布的Atlas智能计算平台，也志在解决中国企业和开发者对算力与兼容性的难题。这意味着对每一种架构提供针对性的优化和加速，让特定的模型训练速度更上一层楼，这也有助于打消企业开发者的上云顾虑。

3.穿透各个场景的降本增效。一方面，成本控制作为云端训练的核心优势，在整个开发过程中是不可或缺的。这意味着云平台需要具备合理的扩展性与灵活度，让企业轻松获得自己所需要的AI资源并灵活合理地支付费用，如果试点项目没有成功，也可以很容易地关闭；而项目成功后，也可以很容易地扩大资源规模。

另外，基于原生场景数据的训练完成以后，如何将模型快速扩展到企业或产业其他业务部门及软硬件，这是困扰AI开发生态的落地难题。能够集中打通数据，让终端和云端在统一的智能基础设施上协同完成复杂任务处理的开发生态，将会在未来释放更具应用价值的能量。