2017 - 2018 年開始的人工智慧浪潮,經過了 2 年的發展,在 2019 年更趨於成熟。企業如何在公有雲上提供的眾多的 AI 應用中,選擇適合企業本身商業邏輯的解決方案,進而提升企業的競爭力無疑是重要得課題。
各大公有雲針對 AI 提供的服務可以分為三個層次:
- 應用層
- 平台層
- 基礎設施層
應用層是指企業直接使用公有雲提供開箱即用的功能,工程師不需要會複雜的數學及模型概念,只用透過 API 呼叫 AI 功能,僅需關注公司的流程及商業邏輯,而不需要透過資料科學家以及資料工程師複雜的訓練流程,才能使用 AI。
平台層是指企業直接使用公有雲提供的開發平台,讓企業能客製化獨特的 AI 功能,例如: AWS 的 SageMaker 將資料科學家或資料工程師最常使用的工具整合成一個服務或 SDK 並可以整合串接,並可以水平擴展運算效能,還可以對模型進行版本控管,抽換適合的模型。簡言之,從資料清洗到訓練模型都有對應的服務可以使用,但是模型的商業邏輯及所有權在於公司。在平台層,公司可以專注在 AI 模型開發,而不是管理基礎設施 (例如: 作業系統更新、硬體更新等等) 以及相關套件來源的安裝,因此公司可以作到更符合公司商業需求的 AI 功能開發。
基礎設施層是指針對企業需要作業系統作客製化的操作或調整作業系統底層的參數,因此公有雲也提供可直接使用的運算資源: 虛擬機 ( EC2 ),AWS 提供彈性的 NVIDIA GPU ( Elastic Graphics、Amazon Elastic Inference ) 或 AWS 專門為 AI 運算優化的 EC2 及預先裝好驅動程式和常見機器學習及深度學習套件,可以在作業系統開機後,直接享受 AWS 提供快速且高效的 AI 硬體資源。
然而,在眾多的服務之中挑選的適合的服務整合到企業中,是相當複雜的過程。銓鍇國際身為 AWS 原廠認證夥伴,提供客戶客製化適合企業的解決方案,根據客戶現有的狀況技術狀況,挑選適合的 AWS 服務,並整合架構諮詢,協助客戶訂定里程碑,與客戶一同成長。例如: 協助整合 AI 開發及 DevOps 自動化流程、地端機房與雲端機房的 AI 運算資源配置、針對雲端 AI 所利用資料的安全性,協助利用公有雲的技術自動化作保護等等。在公有雲的提供的架構下,透過上述幾種層面的交互利用,不管是專業 IT 公司或非 IT 專業的公司也能輕鬆的從其中挑選適合自己的 AI 開發模式,進而提升企業競爭力。
From iThome - 企業如何在公有雲上重新定義 AI 解決方案