如今，人工智能云服务已经成为超大规模云计算提供商的又一战场，因为它们可以吸引数据科学家和开发人员在他们的平台上培训模型。
如果人工智能是IT技术的未来的话，那么云计算供应商的云服务将成为即将到来的应用浪潮的前沿和中心。
虽然行业在人工智能和机器学习（ML）方面不乏炒作，但全球主要的云计算供应商已经在这方面积累了一些经验，并将在未来几年为他们创造更大的业务。
超大规模云计算供应商重点投资人工智能云服务亚马逊网络服务（AWS）、微软、谷歌、IBM等公司在过去一年中增加了数十种云计算人工智能工具，并且具有不同程度的复杂性。这些平台是否选用这些工作负载取决于人工智能和机器学习如何适应企业的业务战略。尽管如此，这些云计算供应商已经急于填补他们的服务空白，并让那些主要以机器学习为业务的企业和那些面临压力的、具有一定目标和策略但缺乏经验的公司能够接触到人工智能。
尽管基于云计算构建的基于人工智能的应用程序有一些早期的成功案例，但大部分市场仍处于观望状态，特别是深度学习。调研机构Gartner公司分析师Chirag Dekate表示，企业需要对所采用的技术进行选择，无论是从头开始构建，还是简单地集成一些API驱动的云服务（如语音和图像识别）。
“企业的IT领导者已经认识到人工智能的价值。”他说，“亚马逊、谷歌、微软和其他公司正在对人工智能技术投入大量资金，用于内部消费和基于云计算的外部消费，因为他们知道这些高级分析功能将具有巨大的价值。”
展望未来，Dekate表示他期望这些提供商在增加人工智能云服务的功能方面更加积极。目前由于对人工智能技术不太熟悉，可能会影响云计算供应商的业务，因为他们希望争夺客户，特别是那些想要尝试人工智能产品的客户。
总部位于佛罗里达州坦帕市的移动网络商Syniverse公司通过与VMware公司的合作将其vRealize协调的私有云扩展到IBM Cloud和AWS云平台。该公司并未使用许多云原生服务，但将其视为平台之间潜在的差异化因素。
“我们认为一个很有发展的领域是人工智能和基于机器学习的工具，这可以使我们能够快速为客户创建新的报告和分析。”Syniverse首席技术官Chris Rivera说。
从初级到高级的人工智能云服务
云计算提供商基本上在其平台上构建了三个层次的人工智能服务。最底层的人工智能也是最复杂的，但可以提供最佳性能，位于基础设施层。主要提供云计算的供应商支持流行的框架，如TensorFlow或Apache MXNet以及基于GPU的虚拟机，然后可以提供其他可能的服务来构建和训练模型。
谷歌在日前推出了TensorFlow集成TPU实例类型的测试版本，该类型基于定制处理器。
第二层次的人工智能是一个为数据科学家量身打造的新兴空间，但它抽象了大部分底层基础设施，并集成了硬件配置和机器学习框架。它将人工智能更好地作为即服务类别，其中包括IBM Watson，Amazon SageMaker，Microsoft Machine Learning Studio，Google Machine Learning Engine和Google AutoML等工具。
第三层次的人工智能涉及可以集成到现有应用程序中的基于API的插件服务。这些将面向人工智能的应用新手，并且所有主要供应商都有一些提供认知、语音和图像识别工具的服务。
Dekate说：“无论是数据科学家还是建筑师或开发人员，都试图开发一个基于人工智能的智能应用程序，他们基本上都试图将应用程序引入自己的生态系统。”
了解云计算人工智能的优点和缺点
然而，由于这些GPU加速节点需要更多计算能力，并且训练模型需要大量数据进行存储和处理，所以公共云受到了深度学习和大量用户的限制。
“大多数组织都在试图通过最大的资本支出来采用人工智能。”他说，“但是，如果深度学习是组织的中流砥柱的话，那么在数据中心中建设就更有意义。”
深度学习对于图像识别和文本分析等特定需求的企业来说非常有用，但即使深度学习神经网络的创建者也不得不承认，解决企业所面临的更广泛问题的人工智能并不是解决问题的灵丹妙药。尽管在内部部署数据中心开展这项工作有一些成本优势，但重要的是数据引力的警告。他说，如果企业的数据已经在公共云上运行，那么在云端完成这项工作会更有效，而不会产生迁移的成本。