企业公有云服务的构建“捷径”，看这一篇文章就够了

最近在上海举办的2018世界人工智能大会，

可谓是大佬云集，金句频出。

在成为业内焦点的同时，

也再次将人工智能（AI）推向企业和大众视野，

今天，就和大家聊聊AI那点事儿。

AI世界的冰与火之歌

AI有多火？

数据显示：

在2018年，全球70%的企业都希望实施AI应用。

然而，AI火热的背后也有“凉凉”的一面。

由于AI理念和技术的超前，

目前企业用户还普遍缺乏相关的IT基础设施，

以及专业的人才和知识积累。

这也导致91%的企业预计会在采用AI的过程中遇到重大障碍。

而企业用户欠缺的，正是公有云所具备的优势：

背靠互联网开源社区的创新活力，

在AI算法研发上的先发优势，

坐拥大规模或超大规模的数据中心和海量数据，

调动久经考验的基础设施运维、

应用和服务开发人才……

于是，问题来了：

是不是拥有实力较强的云服务提供商，就可以真正的拥抱AI了？

答案并非如此。

AI三要素中的算力，

也就是AI云服务所需的基础设施，

由于架构不一，往往让人眼花缭乱。

那么，有没有什么策略或者方法，

能帮助云服务提供商更便捷地选择和构建AI云服务呢？

下边进入敲黑板划重点阶段！

成功可以没有捷径，但云服务有

首先，我们要知道：

不论在全球还是在中国，

不论是眼下还是未来，

AI云服务的主要目标受众，

多数是希望采用AI既有创新成果，

而非推动AI技术演进的普通企业

他们希望将智能技术引入到业务数据处理的流程和工具链条中，

从而实现更高级的预测型分析。

而企业的这种AI应用多是推理型应用，

也就是基于机器学习而非深度学习技术，

因此，也就决定了云服务提供商面向企业用户打造AI云服务时，

完全没必要改弦更张、另起炉灶。

毕竟，目前的公有云服务，

多是构建在英特尔架构基础设施上的，

因此，通过将AI云服务构建在同一平台上复用其资源，

并与既有的数据处理工具对接的方式，

无疑用时更短，技术门槛、风险和成本也更低，

也大大减少了云服务提供商在系统管理、

维护和保障上的投入。

超越专有架构平台的强大性能

除了省时省力省钱，

在性能输出上基于英特尔至强处理器的基础设施也不输专有架构平台，

举个例子：UCloud的AI在线服务，

它的算力主要源自既有基础设施中常处于闲置状态的至强E5处理器AVX处理单元，

在搭配面向英特尔架构优化的Caffe框架后，

整体执行性能提高了10倍以上，

人脸表情识别的测试中，

在有并发的前提下，

其性能也可媲美，

甚至是超越专有架构平台。

如今，全新的英特尔至强可扩展处理器，

凭借更新的微架构和增强的硬件特性，

为AI云服务的服务商带来了更大福音：

在导入针对英特尔架构优化的框架和软件工具后，

其推理性能可比上一代平台实现最高超过百倍的提升。

或许有人担心：除了推理性能，

英特尔在深度学习的训练应用可否一战？

我们用实测数据说话：

与上一代产品相比，

至强可扩展处理器可将人工智能/深度学习的训练速度提升2.2倍，

在同样导入优化的框架和工具后，

这一提升幅度可以拉高到100多倍！

可见，

不论选择哪种技术路径，

不论是训练还是推理，

优先评估和发挥既有英特尔架构基础设施的潜力，

都是云服务提供商构建AI云服务的一条“捷径”！

原文发布时间为：2018-09-27

本文来自云栖社区合作伙伴“数据分析”，了解相关信息可以关注“数据分析”。