近年来，随着越来越多的公司使用SaaS(软件即服务)模型来处理越来越大的数据集，企业云的应用一直在加速。现在，领先的企业正在认识到，云可以做的不仅仅是处理数据，它可以推动业务和收入增长。特别是，人工智能和机器学习的不断进步，为企业利用其数据的能力创造了新的机会，而云提供了获取这些数据的必要工具。
![]()
克服早期认知误区
早在2015年，许多公司就在最初尝试实现“大数据”的承诺时，建立了大型的本地数据湖(Data Lake，指使用原始格式存储数据的系统)。其主要意图是对企业中的所有数据进行统一存储，从原始数据(源系统数据的精确副本)转换为用于报告、可视化、分析和机器学习等各种任务的目标数据。数据湖中的数据包括结构化数据(关系数据库数据)，半结构化数据(CSV、XML、JSON等)，非结构化数据(电子邮件，文档，PDF)和二进制数据(图像、音频、视频)，从而形成一个容纳所有形式数据的集中式数据存储。
然而这些以多种格式存储的集中式信息存储库往往成为数据的墓地，因为许多公司缺乏计算资源，而早期的人工智能技术需要这些计算资源才能获得有意义的分析见解。例如仅对图像进行图形处理就非常昂贵。
当时，云平台的AI能力还不够成熟，不足以促使企业将数据密集型的ML项目转移到云环境中。大数据被寄予厚望的潜力似乎冻结了。幸运的是，这只是暂时的。
可扩展性成为可能
最近，云数据仓库(Data Warehouse)的出现，使得企业可以对数据结构进行建模，这些数据结构在存储和性能方面都是可伸缩扩展的。主要的云计算提供商现在提供的产品套件包括模型开发、托管和机器学习运营(MLOps)，如2017年发布的亚马逊AWSSageMaker。
此外，云供应商还提供了用于自然语言处理(NLP)、预测和计算机视觉的人工智能API，这些API都是经过预先训练的，可以很容易地集成到目前应用程序中。
追随领先者
未来几年，云计算领域的领军企业将继续扩大其计算能力，重点关注5G、边缘计算和网格计算技术。在这些投资中，领导者们正在将关键技术与云技术配对，尤其是人工智能。做出这一战略决定有许多原因。不断扩大的云人工智能工具让产品团队能够大幅降低开发成本和缩短上市时间，为创新型企业创造了新的可能性。
依赖于E-IQ(企业智商)，这是一个为固定的业务流程分配AI能力的框架，揭示了可能的AI用例，包括五个支柱：感知、决策、行动、交互和适应。E-IQ还可以帮助企业建立一个路线图，以便使用敏捷的AI交付模型和参考架构，准备云计算项目。
一旦确定了用例和支持的技术工件，引入自己的模型方法可以加速将模型迁移到诸如AWS SageMaker和其他相关云智能工具中。
为了确保模型不会显示出“过时”或“漂移”，一个健壮的MLOps(机器学习运营)框架指导新手和治理，允许进行计算优化和定期重新校准模型。
人工智能在金融服务等受到高度监管的行业尤其有用，随着监管机构实施越来越严格的验证要求，这些行业越来越依赖复杂的模型来指导决策。使用智能方法进行模型测试和验证可以确保内部模型验证团队能够有效地对其模型进行备份，节省时间并确保流程中的法规遵从性。
未来一瞥
以下用例说明了许多将人工智能与云结合的有影响力。通过利用人工智能和云计算的动态组合，企业正在为实现多种目标做好准备，包括:
新收入来源：一家医疗保健机构将与ML模型相关的数据转移到云上，不仅能够优化成本，还能将模型预测货币化。在这种情况下，客户包括研究机构，它们能够绕过构建自己的模型所需的数据收集和聚合过程，而是直接从数据源购买结果，以加快研究。他们支付的费用涵盖了医疗保健机构产生的模型开发费用。
增强客户体验：基于云的人工智能技术可以为各种公司带来更好的客户体验，从出租车服务到电子商务网店。在前一种情况下，配备人工智能推荐引擎的出租车显示屏，可以根据乘客的目的地或通过云知识图构建的电影推荐，向乘客显示个性化的服务。
塑造战略成果：在云AI的帮助下，首席财务官可以将来自内部和外部数据的情报注入到财务规划过程中，为增加收入提出建议。同样，首席营销官也可以在一系列产品类别中确定优化营销支出的策略，以实现投资回报率的最大化。对于只依赖于总账/企业资源规划系统数据的高管来说，这种程度的洞察力是很难获得的。
自主化：云AI平台可以实现智能自动化(自主化，它是自动化的升级)，从而显著提高与任意数量的内部业务流程相关的效率。例如，一个移动应用程序可以调用API，从存储在云中的文档中提取信息，从而转变人力资源的入职方式，并将完成管理任务的时间从几天缩短到几分钟。
在云计算中部署人工智能的企业已经实现了上述所有成果和许多其他成果。
随着云计算和人工智能/机器学习技术的不断发展，这两种技术的协同结合将继续为创新型企业带来显著的竞争优势。这些竞争优势将使该领域的领先者与其他迟钝的同行拉开巨大差距。
