新闻 / 人工智能技术
通过 cloud，用户可以获得抽象的基础设施即服务（IaaS*），而不是可以购买的有限资源（即内部基础设施）。cloud 还可以提供应用程序（PaaS*：平台即服务）或功能（FaaS*：功能即服务）。.
抽象的必要性
通过 cloud，用户可以获得抽象的基础设施即服务（IaaS*），而不是可以购买的有限资源（即内部基础设施）。cloud 还可以提供应用程序（PaaS*：平台即服务）或功能（FaaS*：功能即服务）。.
例如，将购买汽车与使用出租车进行比较。.
买车意味着要提前了解自己需要的资源，包括发动机功率、尺寸、选项等。.
乘坐出租车要灵活得多。它无需维护，可在几分钟内按需提供，并提供多种站立选择。.
在 cloud 中，机器维护（无需维护）、按需创建虚拟机（以秒/分钟为单位的可用性）和选择应用程序（选项选择）对用户来说都是透明的。.
得益于 cloud 所提供的 “按需 ”灵活性，人工智能可以通过使用 “处理 ”不稳定的算法来满足经常无法预测的资源需求。通过这种方式，cloud 计算更关注问题，而不是应对所需的工具。.
对机械动力的需求
人工智能需要强大的计算能力。同时也是领先的 cloud 提供商的人工智能领导者们已经投资于专有技术，以赢得最佳计算能力的竞争。.
谷歌正在开发自己的芯片TPUs*（张量处理单元），其唯一目的是加速其专用开源框架TensorFlow*上的深度学习计算。第三代 TPU（TPUv3 pod）的计算机速度可达数百 petaflops*。.
在谷歌发明 TPU 之前，CPU*（中央处理器）用于所有 IT 程序运行（逻辑、算术等）。GPU*（图形处理单元）是最初为满足图形需求（如屏幕上的像素显示）而开发的芯片。随着内核的增加，它们可以非常有效地进行并行计算。(对这种特殊能力的检测可追溯到 2009 年：GPU 的功能是 CPU 的 70 倍）。.
优化成本的必要性
cloud 可灵活选择从 IaaS 和 PaaS 到 FaaS 的抽象层次，使企业能够最大限度地创造价值并降低成本。.
预置式设备的容量及其供应是在前期考虑好的，并在一定时期内固定不变。.
在 cloud 方面，团队可以灵活选择适合自己的型号：
- ‘内部 ’cloud： 团队向 cloud 提供商长期租用一定数量的机器。.
- ‘按需’ cloud： data 团队可根据需要，通过代码或点击按钮界面（完全管理）自由增加或减少资源。.
- ‘无服务器’ cloud： 自动确定机器的大小，以尽可能贴近实际要求、要求的粒度、任务等（例如 Dataflow）
更新人工智能的必要性
只有 cloud 才能实现人工智能的可扩展性和更新。人工智能项目之后总会有一个维护和持续改进阶段，人工智能将在这一阶段逐步发展完善。在这一过程中，人工智能需要不断更新（集成新的 data、改进算法参数、版本更新等）。.
cloud 允许建立始终与最新人工智能创新兼容的基础设施，从而限制了最初的开发选择所造成的技术债务。.
合作的必要性
cloud 是人工智能合作的绝佳载体。主要参与者都创建了市场，如谷歌云平台，用户可以免费或付费使用或发布工具和算法。.
cloud 的主要相关方及其 data 科学家和 data 工程师群体所做的贡献也证明了这一点。.
cloud 本身就是一个公共空间。它不是一种技术与另一种技术的对抗，而是一个完整的世界。我们不能在 cloud 中反对内部部署，因为内部部署的用户参与了引领创新的 cloud 社区。.
