技术的两大趋势 机器学习和云正在合作

大部分的云计算的发展简史的特点是比赛批量提供计算和存储服务，以最低的价格点。我们的想法是，一旦企业习惯于将云作为传统数据基础设施的廉价替代品，它就会走上消费更专业化服务的道路，从而产生更高的收入。

进入新的一年，似乎这种策略的回报比大多数人预期的要好。企业不仅越来越愿意将关键工作负载转移到云端，而且还希望利用日益多样化的智能和认知服务组合，这些服务目前根本不存在于云中。

加速学习

一个典型的例子是亚马逊的P3实例，该公司最近使用新的Nvidia Volta GPU进行了升级。正如HPC Wire所指出的那样，亚马逊正在绕过当前的Pascal系列加速器，转而使用Volta 100，它为深度学习培训和推理等应用提供了Pascal吞吐量的12倍。每个P3实例现在都支持Intel Xeon E5和最多8个V100，每个V100提供5,000多个CUDA核心和640个Tensor核心，可提供超过125 teraflops和混合精度性能。P3实例目前在美国东部和西部地区以及欧盟和亚太地区通过按需购买或预留或现货定价提供。

与此同时，谷歌正在将其AI实力转向针对医疗保健等关键行业垂直行业的定制解决方案。该公司通过其Launchpad Studio机器学习平台与关键应用程序开发人员建立了深厚的联系，该平台旨在培养有可能大大改善的初创企业 - 或者根据您的观点破坏已建立的业务流程。首批参与​​者包括使用Google Glass平台自动处方处理的Augmedix，以及使用神经网络和机器学习来定制脑和脊髓损伤治疗的BrainQ 。其他项目包括即插即用的进步可穿戴技术和增强的计算机视觉功能可以帮助研究人员了解感染的生物力学。(了解机器学习101中机器学习的基础知识。)

对于像微软这样在云和数据中心都有强大影响力的公司而言，AI是帮助客户充分利用混合基础架构的有效工具。EWeek报告称，该公司已将SQL功能添加到SQL Server 2017平台，以及Linux支持和DevOps友好的应用程序和容器工具。与此同时，Azure云可用于承担总经理John Chirapurath称之为“数据加AI”策略的大规模工作负载。目标是利用Azure Machine Learning等服务来支持Hadoop和其他大数据工作负载使企业能够在他们认为最适合其需求的基础架构上快速提升物联网和数字化转型战略。(了解有关云中大数据的更多信息：大数据成功的终极工具。)

即使是过去“竞相降价”定价战的领导者也开始看到更智能的服务水平带来的好处。存储专家Box最近推出了新的BoxSkills框架，旨在帮助客户提高他们在Box存储库中放置的数据的价值。系统使用机器学习和其他工具来管理元数据，触发工作流，应用策略治理并执行许多其他功能，以将简单的批量存储转换为功能性业务资产。新平台中的关键解决方案是图像，音频和视频智能，为上传的内容添加上下文以改进搜索和检索，以及Box Graph工具，该工具不断学习人与内容的交互方式，以实现更具预测性，个性化和情境化的体验。

我现在，不是以后

可以肯定的是，随着时间的推移，企业很可能会建立自己的AI功能，但由于各种硬件和软件平台的正常刷新周期，这需要一些时间。云现在正在提供AI，并且在规模和价位上都允许小企业开始处理数据，就像他们是财富100强的成员一样。

随着组织开始依赖数字服务不仅仅是对现有产品的增值，而且作为核心收入来源本身，保持优于竞争对手的优势将取决于他们如何利用可用的数据。而且，由于已经处于创纪录水平的卷将再次爆炸，只有智能，自动化和高度协调的分析生态系统才能跟上负载。

因此，对于企业而言，云中的AI代表了目前唯一可行的选择，无论是在必须部署智能功能的速度还是预期运行的规模方面。云变得越聪明，对于定义下一代数据服务的各种工作负载越有吸引力。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！