云之变:云与智能大变局( 三 )

而这里出现了另一个问题 , 如今的AI , 基本是以深度学习为代表的第三代AI技术 。 这类技术的基本模式是先训练一个智能体 , 再把它推理部署到一定的场景 , 最后应用产生效果 。

这个流程的问题在于 , 从训练到推理 , 每个步骤所需的算力是差距巨大的 。 其中训练所需算力多也复杂 。 另一方面 , AI模型需要反复测试 , 不同测试需要的算力各自不同;而如果是基于互联网的AI任务 , 或者模型部署的终端突然增加 , 也会让算力需求短时间膨胀 。

这些问题决定了 , AI所需算力必须具备的特点 , 是具有高度的灵活性 。 这就像我们培养一个孩子 , 却不能单独给他盖一座学校 。 需要学习的AI , 也在不同流程需要不同的算力支持 。 这样来看 , 云就在现实条件下成为了AI的理想输送方式 。

现实中往往能见到这样的例子 , 以往进行AI训练需要花费几十万甚至上百万构建一个GPU池 , 但是训练完这些硬件就没用了 。 那么当然直接调用云端算力是更好的选择 。 结合其他一系列云端的优势 , 公有云虽然也有不尽如人意的地方 , 但是大规模AI市场的理想容器 。

推荐阅读