内容
资料来源：Weerapat1003 / Dreamstime.com
带走：
机器学习和云技术是两个最大的技术趋势，它们相互协作，并且一定会在企业中引起一些创新（和破坏）。
云计算的简短历史大部分都以争夺以最低价格提供批量计算和存储服务为特征。当时的想法是，一旦企业习惯于使用云作为传统数据基础架构的廉价替代方案，那么它将开始使用能够产生更高收入的更专业的服务。
进入新的一年，看来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中，而且还希望利用日益多样化的智能和认知服务组合，这些组合目前在云中根本不存在。
加速学习
一个很好的例子是亚马逊的P3实例，该公司最近已使用新的Nvidia Volta GPU对其进行了升级。正如HPC Wire指出的那样，亚马逊绕开了当前的Pascal加速器产品线，转而使用Volta 100，后者为深度学习培训和推理等应用程序提供了Pascal吞吐量的12倍。现在，每个P3实例都有Intel Xeon E5和多达8个V100的支持，每个V100都提供5,000多个CUDA内核以及640个Tensor内核，以提供高达125 teraflops的性能和混合精度。目前，P3实例可通过按需购买或保留或现货定价在美国东部和西部地区以及欧盟和亚太地区使用。
同时，Google正在将其AI实力转向针对医疗等关键行业垂直行业的定制解决方案。该公司通过其Launchpad Studio机器学习平台正在与关键应用程序开发人员建立深厚的联系，该平台旨在培养具有巨大潜力的初创公司，这些公司有可能极大地改善（或视您的观点而定）建立的业务流程。首批采用该技术的公司包括使用Google Glass平台自动执行处方处理的Augmedix，以及使用神经网络和机器学习定制脑部和脊髓损伤治疗方法的BrainQ。其他项目包括即插即用可穿戴技术的进步和增强的计算机视觉功能，这些功能可能有助于研究人员了解感染的生物力学。 （在机器学习101中获得有关机器学习的基础知识。）
对于像Microsoft这样在云和数据中心都占有重要地位的公司而言，人工智能是帮助客户充分利用混合基础架构的有效工具。 EWeek报告称，该公司已向SQL Server 2017平台添加了AI功能，以及Linux支持和对DevOps友好的应用程序和容器工具。同时，Azure云可用于执行总经理John Chirapurath所谓的“数据加AI”策略的大规模工作负载。目标是利用Azure机器学习之类的服务来支持Hadoop和其他大数据工作负载，以使企业能够在他们认为最适合自己的基础架构的基础架构上，快速提升IoT和数字转换策略。 （在“云：大数据成功的终极工具”中了解有关云中大数据的更多信息。）
甚至在过去的“竞逐最低价”价格战中，领导者也开始看到更智能的服务水平的好处。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存储在Box存储库中的数据的价值。该系统使用机器学习和其他工具来管理元数据，触发工作流，应用策略管理并执行其他功能，以将简单的大容量存储转换为功能性业务资产。新平台内的关键解决方案是图像，音频和视频智能，它可以为上传的内容添加骗局，以改善搜索和检索；以及箱形图工具，该工具可以不断学习人与内容之间的交互方式，以实现更具预测性，个性化和虚拟化的体验。
没有错误，没有压力-在不破坏生活的情况下创建可改变生活的软件的分步指南
当没有人关心软件质量时，您就无法提高编程技能。
现在开始AI
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，但是由于各种硬件和软件平台的正常刷新周期，这将需要一些时间。云现在正在以规模和价格点提供AI，甚至小企业也可以像处理《财富》 100强那样，开始处理数据。
随着组织越来越依赖数字服务，不仅是现有产品的增值，而且是核心收入来源本身，与竞争对手相比，保持竞争优势将取决于他们如何充分利用自己掌握的数据。而且，由于已经达到创纪录水平的数量将再次爆炸，因此只有一个智能，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，就必须部署智能功能的速度以及期望它们运行的规模而言，云中的AI代表了当前唯一可行的选择。而且，云变得越聪明，它对于定义下一代数据服务的各种工作负载就越具有吸引力。