AI 在云计算中的作用和优势

我们可以从两个角度来看待云计算和 AI。一方面，云计算提供商正努力在其平台上提供更加复杂的、由 AI 支持的服务和应用。另一方面，AI 及其支持的自动化和超快的决策过程让超大规模云平台得以实现。

这两种情况都是真实存在的，云计算和 AI 紧密交织的未来，让人十分期待。以下是未来发展趋势。

什么是 AI？

人工智能 (AI) 是指能够使用算法和数据来执行通常需要人类智能的任务的计算机系统，例如识别语音或根据提示创建图像。在某些情况下，AI 可以完成人类无法完成的事情，例如在几秒钟内非常精准地执行涉及大量数据的复杂计算和分析，并从中识别出异常。

随着 AI 技术的快速发展，其用途也越来越广泛，其中包括改善与客户的沟通、创建数字媒体、提高诊断准确性、加强网络安全，甚至还可以为商业决策提供推荐方案。

“人工智能”与机器学习 (ML) 以及深度学习等相关技术术语经常被互换使用。这些技术的不同之处在于，AI 宏观地描述了研究领域，而机器学习系统则更微观，专注于基于所摄取的训练数据不断学习和改进，以执行特定已定义的任务。深度学习也有类似的过程，但这个过程以复杂的神经网络为基础，旨在模拟人类大脑的架构。这种结构使深度学习系统能够检测复杂的非线性关系，并从复杂或不精确的数据中获得意义。大语言模型 (LLM)（比如那些来自 ChatGPT 或 Cohere 的模型）都在使用深度学习和大量精心策划的数据进行训练。完成训练后，LLM 将会成为生成式 AI 系统的核心，通过推断或预测正确的响应来回答问题。结果：根据问题，给出令人称奇、模仿人类语言的回答。

为了解锁 AI 的全部价值，许多企业投资于数据科学团队，并寻求适合为自己的应用构建的 AI 模型和服务。

什么是云计算？

简单地说，云计算允许您租用 IT 服务，无需购买。有了云计算，企业无需耗费资金购买数据库、设施和软硬件，就可以通过互联网获得计算能力，并按实际使用情况付费。云计算的主要特点包括可计量、可扩展且按需提供。

云计算产品包括服务器、存储和数据库等基础设施，以及基于该基础设施构建的服务，例如数据分析、AI 以及业务职能应用，例如企业资源计划 (ERP) 以及人力资本管理。越来越多的应用包含了由 AI 驱动的功能。例如，某种功能可以将打印的文档转换为电子版本，再将这些文档分类为应付账款和应收账款。

关键要点

• AI 是云计算中不可或缺的一部分，可增强云计算服务的自动化、决策和可扩展性。
• 云计算为 AI 提供了必要的基础设施，让企业无需对硬件和软件进行大量投资，即可利用 AI 技术。
• 云计算中的 AI 通过自动执行重复性任务、增强数据分析和加强网络安全来提高业务效率。
• AI 和云计算之间的协同作用推动了生成式 AI、物联网和 AI 辅助商务智能等创新应用。
• 在云计算中采用 AI 可能会面临一些挑战，因为其中涉及了数据隐私问题、集成问题和掌握 AI 专业知识的人才差距。

AI 与云计算详解

AI 和云计算是紧密相连的。其中的一个原因是：云计算提供商很早就想出了如何使用 AI 来提供更好的服务。AI 系统非常擅长在 IT 架构的封闭世界中做出决策，这让云计算提供商可以在其庞大的数据中心中自动执行一系列操作。AI 可以预配和扩展技术服务，检测潜在错误，监测网络攻击的迹象，并在一系列使用场景中检测欺诈迹象。这些只是层出不穷的功能中的其中几个，可帮助云计算企业以经济的方式向数千乃至数百万的客户提供超大规模技术服务。

同样重要的是，云计算逐渐成为了将 AI 嵌入到商业应用产品中的首选方式。提供商正在将 AI 融入自己的产品中，利用各种 AI 技术增强了软件即服务 (SaaS)，近期更是在该服务中嵌入了 LLM 功能。云计算提供商还与希望将生成式 AI 嵌入到运营中的企业合作。借助云计算架构中的 LLM，无论是在医疗卫生、物流、法律、政府还是任何其他领域的企业都可以使用自己的数据，训练和部署专用于运营的 AI 模型，或者更常见的是，利用数据来增强现有模型的训练。云计算的客户甚至还包括 AI 模型开发人员，他们需要大量的计算和存储容量来训练基于大量数据的模型。

云计算提供商将会提供越来越多高度复杂的 AI 辅助服务，例如开发人员向应用开发平台描述他们需要的应用功能，AI 平台就可以快速编写代码的初稿。

为什么 AI 对云计算很重要？

云计算提供商依靠 AI 以更低的成本可靠地提供 IT 服务和 SaaS 应用的自动化系统。AI 有助于预配、批处理和优化超大规模云计算系统，从而减轻人类的工作负担。此外，随着越来越多的企业希望利用广泛的 AI 服务以及生成式 AI 的蓬勃发展能力，云计算企业也热衷于适应市场需求。简而言之，想要利用 AI 功能，阻力小的途径就是直接通过云计算。

同样的，云计算对 AI 也很重要。这是因为训练生成式 AI 系统（如 LLM）是计算密集型任务，全球企业都在争夺可用的计算能力。超大规模云计算提供商可以按需提供这种功能，让 AI 公司能够租用所需的 GPU 集群，以高性能和合理的成本运行 AI 工作负载。

深入了解面向 AI 的 Oracle 高性能云技术。

云计算中的 AI 如何改变业务？

能够在云端使用由 AI 支持的服务，是越来越多企业使用 AI 的重要因素。构建、训练和安全地部署 AI 模型在技术上的挑战太多且成本高昂，除了大型企业之外，其他中小企业都无法自行尝试。借助由 AI 支持的基础设施服务、融入了 AI 的 SaaS 以及通过 API 提供的各种技术不断增长，越来越多的企业能够使用 AI 来实现流程自动化、获得竞争优势并利用新的商机。

拥抱 AI 的企业可以从两个方面获得优势。首先，AI 助手可以分担重复性任务，例如输入和分类发票和采购单，或者将费用与收据和政策进行匹配，从而帮助曾经需要手动执行这些任务的团队提高效率和准确性。其次，AI 驱动的分析可以根据企业数据中检测到的模式，为业务专业人员提供推荐方案，其中包括什么时候需要订购更多特定产品、根据对卖方行为和企业需求进行复杂分析并提供供应链改进方案等。

AI 在云计算中的优势

对于数据中心应用 AI 的云计算提供商，他们所获得的优势远不止直接的效率提升和成本节省。通过将开发的产品作为品牌 AI 服务提供给客户，这些产品有助于提高客户忠诚度和盈利能力。

AI 在云计算中的优势包括：

• 自动化：借助 AI 技术，云计算提供商及其客户可以自动执行交付服务所需的许多 IT 流程，包括打补丁、安全保护和扩展计算能力。企业还使用 AI 流程（包括智能自动化）来提高文档管理和工厂运营等功能的速度和准确性。
• 节省成本：AI 可以更快地执行复杂任务，从而降低成本并减少涉及的人力。这些复杂的任务包括 IT 和数据安全运营以及服务台自动化等业务职能。对于客户而言，AI 可以帮助他们根据自身不断变化的需求来扩缩云计算资源。随着客户看到成本节约效果，忠诚度也可能会提高，尤其是那些保持简单和透明的计费模式的云计算供应商。现有客户会使用更多的云计算服务，与寻找、赢得和引导新客户相比，这将有助于提高提供商的利润。
• 云计算管理：AI 可在 IT 管理的许多方面实现自动化，以此支持云计算服务大规模运行。例如，AI 可以提供和扩展服务，检测和预测故障，并击退网络攻击，一般上仅需要很少或根本无需任何人为干预。在 AI 的支持下，无论是跟踪服务使用和计费，还是为客户提供复杂的工作负载监控和管理系统，这些都将变得更简单、更具可扩展性。
• 数据管理：AI 可帮助任何企业以经济高效的方式更好地管理重要数据。AI 可以承担的任务包括按需移动数据、清理数据和扫描网络以检测数据安全性或收集问题。
• 预测分析：AI 尤其擅长这种常用的数据分析形式。企业可以使用预测分析来识别趋势、查找相关性并链接因果关系，从而更快地做出更明智的决策。
• 个性化：敏锐的观察和模式匹配能力可帮助包括云计算提供商在内的企业更好地了解客户的行为和期望。如此一来，企业就能够提供个性化服务和更准确的推荐方案，从而提高保留率和收入。
• 提高生产力和效率：AI 擅长那些让人觉得困难或繁琐的工作。借助由 AI 支持的流程，企业可以比人类更快、更准确地完成文档管理、包裹分类、发票匹配等任务，甚至是生成文档摘要（例如法律摘要）。除了效率高，AI 也让员工可以腾出手来完成更复杂的任务，而这些任务往往需要经验和人际关系。
• 增强的安全性和威胁检测：如果将 AI 放入一个完善的数据安全框架中，AI 就能监控网络和用户，扫描并发现可能存在问题的模式。与人类不同，AI 可以快速分析网络创建的数据流，从而密切监控大量的数据。
• 提高可扩展性：由于 AI 有助于实现许多流程的自动化，因此云计算提供商能够运行大型数据中心，并具备一定的弹性可扩展性。然而，如果人们必须手动配置和管理服务，这种弹性可扩展性是不可能实现的。云计算的客户也同样能够享有这种效率优势，凭借更少的人力，更快地开展营销、物流、医疗卫生等领域的工作。

AI 在云计算中的挑战

虽然云计算提供商正在努力减少使用 AI 的障碍，但种种挑战仍然存在，其中主要是管理数据和雇用具有合适专业知识的人员。

• 数据隐私：在数据安全和隐私方面，AI 会带来一系列的挑战。例如，AI 模型可能会“泄露”训练过程中使用的敏感数据中的详细信息。因此，客户必须优先考虑能够对数据治理和安全进行强有力控制的云计算供应商。
• 集成：AI 依靠干净、条理清晰的数据运行。当数据来自许多不同的来源时，AI 也会变得更加智能。因此，企业面临的挑战是如何整合和标准化来自不同内部业务单位或合作伙伴站点以及外部来源的数据，例如天气预报或开放式政府数据。
• 人才缺口：掌握设计、训练和部署 AI 模型所需的专业知识的人才需要花时间去寻找，聘用和留住他们的成本也很高。即使 AI 模型开发人员和云计算服务为企业打好了基础，企业也往往需要经验丰富的数据经理和数据科学家来让 AI 为他们工作。

AI 在云计算中的应用

AI 和云计算的广泛应用将有助于克服上述挑战，这些技术能够让企业更好地运营，并腾出时间来执行更具创造性的任务。其中一些令人兴奋的主流应用场景包括：

• 聊天机器人：聊天机器人是用于模拟人际沟通和介入客户服务角色的早期软件程序之一。在 AI 出现之前，聊天机器人的表现并不理想，不仅不能解决问题，还有可能会惹恼客户。通过 AI 和云计算，企业现在可以使用 API，利用大型语言模型来构建强大的聊天机器人，不仅可以理解人类的口头或书面语言，还可以检测用户查询的意图。
• 商务智能 (BI)：长期以来，云计算提供商一直在提供 BI 解决方案，主要用于收集、分析和解释来自内部和外部来源的数据，从而帮助企业做出决策。这些云计算服务以及早期的打包软件都是依赖机器学习算法来解析和分析数据的。然而，有了新的 AI 模型，企业就可以从了解过去发生的事情转向更好地预测未来。
• 物联网 (IoT)：物联网由多个能够连接到互联网以及彼此相互连接的设备组成。物联网设备用于许多行业，包括卡车运输、农业和制造业，并且需要“边缘计算”系统，将一些关键决策功能放在管理设备附近，而不是放在云数据中心。现在，那些使用复杂的 AI 云服务或内置于 SaaS 应用的 AI 的企业，可以使物联网设备随着时间的推移从数据和经验中学习，从而不断改进或提出改进建议。
• 生成式 AI：有了云计算，现在只需要一个 API，即可获得以 LLM 为核心的强大生成式 AI 模型。企业可以使用生成式 AI，加快研究速度，构思创意，增强客户服务或服务台应用，并完成许多其他的任务。RAG 通过利用客户安全存储的近期企业数据，扩充 LLM 的知识库，帮助云计算提供商使生成式 AI 变得更加有用。

云计算中的 AI 的未来

AI 正迅速在人类的各种活动中找到自己的定位。在很大程度上，这种增长是由强大的云计算平台上的 AI 驱动的。从内部来看，随着时间的推移，云计算提供商可以使用 AI 来扩展自动化和监控 IT 基础设施，并开始提供 AI 驱动的服务，辅助人类用户编写和调试应用、评估和改进业务流程，甚至是为高度自主的机器人和无人机提供后端计算和边缘服务。未来，基于云计算的服务也可以使用 AI，利用创新思维对业务挑战和社会问题进行深度思考。

Oracle 解决方案助您快速启用云计算中的 AI

当您在探索 AI 如何帮助您的企业时，不妨考虑 Oracle Cloud Infrastructure (OCI)。Oracle 提供了全面的 AI 产品组合，可帮助您以适合您的方式利用 AI，而 OCI 则使用 OCI Distributed Cloud，为您提供了一系列适合 AI 的部署选项。例如，OCI 将 AI 嵌入到 Oracle Fusion Applications 中，轻松为关键业务职能提供 AI 生成的洞察。为了将 AI 构建到您自己的应用中，OCI 也提供了各种 AI 服务，支持您使用自己的业务数据定制模型。

对于数据科学家，OCI 则提供了机器学习服务，可帮助团队使用自己喜欢的开源框架协作构建、训练、部署和管理机器学习模型。OCI 既可以满足复杂模型的计算需求，又可以超越定制的本地计算集群的性能，同时提供云计算的弹性和按使用量计费的优势。

没有云计算，就没有今天的 AI。云计算提供商提供了训练蓬勃发展的各类 AI 模型所需的计算架构，同时也为更多企业开启了一扇门，让他们也可以利用 AI 不断增强的能力。随着 AI 在商业和人类事务中的用途越来越多，该技术很可能会在云计算平台上运行或通过云计算平台访问。

云计算中的 AI 的常见问题解答

AI 会取代网络安全吗？

网络安全涵盖了多个学科，其中包括用户访问管理、网络监视和数据分析等。而 AI 是所有这些方面的关键组成部分。毫无疑问，AI 终将承担更多的责任。但是，AI 并不会取代网络安全本身或网络安全专业人士，而是成为网络安全项目中的基石技术。

边缘服务与 AI 有何关系？

边缘基础设施使云计算服务非常接近或直接位于生成数据的设备内，因此在管理这些设备时，也会使用这些服务。这使得物联网设备能够运行对环境做出快速反应的 AI，即使在互联网连接中断或没有连接的情况下也是如此。想象一下，自动驾驶的无人机或汽车在做出下一个决定之前，没有时间向数据中心发送消息。

机器学习和 AI 有何区别？

机器学习是 AI 的一个子学科。机器学习算法会根据所摄取的数据进行学习，随着时间的推移不断改进执行任务的方式。AI 模型在工作中经常会使用机器学习算法。

AI 训练和 AI 推理有什么区别？

AI 模型可分为两个部分，即训练和推理。训练就是为 AI 模型提供大量精选数据，AI 模型会利用这些数据来学习如何根据这些数据进行准确识别和预测。然后，AI 模型会被放到不同类型的 IT 基础设施中，开始进入推理阶段。在这个阶段，AI 模型将会获得新的数据来进行推论和预测结果。