云计算和人工智能如何为有远见的企业创造前所未有的机会一直在加速。现在，领先的企业意识到云不仅可以处理数据，还可以推动业务和收入增长。特别是，人工智能和机器学习的持续进步正在为企业利用其数据的能力创造新的机会，而云提供了访问该数据的必要工具。克服早期的误解早在2015年，许多公司就建立了大型本地数据湖（DataLake，指以原始格式存储数据的系统），以期实现“大数据”的承诺。它的主要目的是为企业中的所有数据提供一个统一的存储，从原始数据（源系统数据的精确副本）到用于报告、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），形成一个可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墓地，因为许多公司缺乏早期人工智能技术获得有意义的分析见解所需的计算资源。例如，仅仅对图像进行图形处理是非常昂贵的。当时，云平台的AI能力还不够成熟，无法促使企业将数据密集型ML项目迁移到云环境。大数据备受期待的潜力似乎冻结了。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(DataWarehouses)的出现使企业能够对在存储和性能方面可扩展的数据结构进行建模。主要的云计算提供商现在提供的产品套件包括模型开发、托管和机器学习操作(MLOps)，例如2017年发布的AmazonAWSSageMaker。此外，云提供商还提供用于自然语言处理(NLP)、预测、和经过预训练的计算机视觉，可以轻松集成到现有应用程序中。跟随领导者未来几年，云计算领域的领导者将继续扩展他们的计算能力，重点关注5G、边缘计算和网格计算技术。在这些投资中，领导者正在将关键技术与云相结合，尤其是人工智能。做出这一战略决定的原因有很多。不断扩展的基于云的AI工具系列使产品团队能够显着降低开发成本和上市时间，为创新业务创造新的可能性。依托E-IQ（企业智商）这一将AI能力分配给固定业务流程的框架，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还可以帮助组织建立路线图，以使用敏捷的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，引入您自己的模型方法可以加快模型向AWSSageMaker等工具和其他相关云智能工具的迁移。为确保模型不会表现出“陈旧”或“漂移”，强大的MLOps（机器学习操作）框架可指导入职和治理，从而允许对模型进行计算优化和定期重新校准。人工智能在金融服务等受到高度监管的行业中特别有用，随着监管机构施加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确保内部模型验证团队可以有效地备份他们的模型，从而节省时间并确保流程中的合规性。未来一瞥以下用例说明了将AI与云相结合的许多有影响力的方面。通过利用AI和云计算的动态组合，企业有望实现多个目标，包括：新的收入来源：一家医疗保健组织将与ML模型相关的数据迁移到云端不仅优化了成本，还能够通过模型预测获利。在这种情况下，客户包括能够绕过构建自己的模型所需的数据收集和聚合过程的研究机构，而是直接从数据源购买结果以加快研究。他们支付的费用包括医疗机构产生的模型开发成本。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建立的电影推荐向乘客展示个性化服务。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智能注入财务规划流程，以提出增加收入的建议。同样，CMO可以确定策略来优化一系列产品类别的营销支出，从而最大限度地提高投资回报率。对于仅依赖GL/ERP系统数据的高管来说，很难获得这种级别的洞察力。Autonomy：云端AI平台可以实现智能自动化（autonomy，是自动化的升级），可以显着提高与内部任意数量业务流程相关的效率。例如，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，从而改变HR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。在云中部署AI的组织已经取得了上述所有成果以及许多其他成果。随着云计算和人工智能/机器学习技术的不断发展，这两种技术的协同组合将继续为创新型公司提供显着的竞争优势。这些竞争优势将在该领域的领导者与其他乏味的同行之间造成巨大差距。
