根據IDC的研究資料，截止到2021年，全球企業對認知和AI系統的支出將保持50.1%的年復合增長率，這說明，企業對這些技術的總支出將從2017年的120億美元增加到2021年的576億美元。這些支出中的很大一部分將有望用于那些基于云的AI服務。
2018年，RightScale的云研究報告指出，企業格外關注于AI中的機器學習技術。當被問詢未來計劃使用哪種類型的公有云服務時，絕大多數的受訪者選擇了機器學習，盡管只有12%的受訪者表示他們正在使用這些服務，但46%的受訪者表示他們正在測試或計劃部署機器學習服務。很顯然，企業對AIaaS產生了興趣與需求，而云供應商也開始對此作出了積極地回應。
AIaaS的種類
要回答AlaaS是什么樣子的這個問題就要從它的種類說起，實際上，由于“人工智能(AI)”本身就是涵蓋了多種技術的廣義術語，因此AIaaS的類型也有很多。一般來講，AI技術的核心就是去創造出一種可以與人類大腦功能相媲美的機器。比如，AI中就包括可以查看和識別圖片中物體的計算機視覺技術，使系統能夠進行人類會話模擬的自然語言處理技術以及允許機器在沒有被明確編程的情況下進行自動學習的機器學習技術。
在AlaaS中，上述的AI技術中的一個或多個均可以由供應商包裝成獨立的云服務產品。目前，市場上主流的AIaaS產品一般可以分為以下幾類：
機器人與數字助理
對于很多人來說，當聽到“人工智能”這一詞語時，他們首先想到的可能就是如蘋果Siri、微軟Cortana或亞馬遜Alexa這樣的數字助理。這些工具可以通過自然語言處理技術與用戶進行對話，而且許多工具還具有機器學習功能以不斷提升他們的能力。在日常工作事務中，很多企業希望能夠為其產品與網站添加類似的功能以實現更好的服務與提升客戶體驗。據IDC統計，2017年AI用例中，支出最高的一項便是自動化客戶服務代理。不過，企業從頭開始去創建一個自己的機器人似乎是一件不可能完成的工作。因而，作為備選方案，供應商們打造出了一種機器人平臺及服務(Bot Platforms as a Service)的產品。企業可以利用自身的數據對機器人進行培訓，然后將它們用以進行簡單問題回答的服務，從而將員工解放出來去處理那些更復雜的客戶服務任務。
認知計算API
應用程序編程接口(API)可以讓開發人員通過較為容易的方式將技術或服務集成到自身應用或產品中。市場中，領導級的云供應商們均提供各式各樣的API，以便讓開發人員能夠將特定類型的AI增添到他們的應用程序中。比如，照片共享應用的開發人員可以使用面部識別API為自身應用提供個人識別功能。借助于API, 開發人員無需從零開始去編寫那些面部識別的代碼，甚至無需去徹底了解這些代碼的工作原理。典型的API用例包括計算機視覺、計算機語音、自然語言處理、搜索、知識映射、翻譯和情感探測等。
機器學習框架
這種工具允許開發人員創建可隨時間推移而改進的應用程序。一般來講，開發人員或數據科學家會利用機器學習框架去構建模型，然后利用現有的數據對模型進行訓練。 機器學習框架在大數據分析應用中尤為常見，不過它們也可用于許多其他類型的應用程序。比起自建型的機器學習模型，這種可通過云進行訪問的框架應用起來更加便捷也更加實惠。
托管式機器學習服務
企業會時常面臨想要給自身應用添加機器學習功能而又缺乏必要相關經驗與知識的情況。而托管式機器學習服務則可以幫助他們去進行相應的工作，這種服務通過模板、預建模型和拖放式開發工具以簡化和加快機器學習框架的應用過程。
AIaaS的“圣杯”就是創建一種可以作為云服務提供的通用性AI。這種通用性的AI是一種能夠以與人類相同方式進行思考與溝通的計算機系統。不過大多數專家認為，人們離實現這種通用性的AI還為時尚早。
AIaaS的優點
那些大型企業一般傾向于去對自己的AI項目與研究進行投資。但是，更多的企業會選擇AIaaS，這自然是出于對AlaaS優點的考量。一般來講AlaaS的優點包括：
低成本：AIaaS可以讓企業省去那些昂貴的設施開支，這些服務可以讓企業只需在需要時對特定硬件進行短期付費使用。在云計算中，大多數的AI工作任務被認為是“突發性”的，也就是說，他們依賴于那些能夠在短時提供大量計算能力的服務。AIaaS只會針對用戶去收取那些他們進行硬件使用時的費用，這大大降低了他們的成本。
可擴展性：與其他的云服務一樣，AIaaS本身也具有較高的可擴展性。企業可以從一個試點項目開始，然后隨著需求的提升，快速擴展他們AIaaS服務的規模。
可用性：一些優秀的AI工具可用于開源項目的許可，不過雖然這些工具價格低廉，但它們不總是那么容易使用。而云AI服務通常能夠讓開發人員進行更方便的AI訪問，而無需他們本身是否是該領域的專家。
AIaaS的缺點
常言道，金無足赤人無完人，AIaaS也不可能盡善盡美，它也具有缺點。其中兩個最大的缺點也與其他云服務相同，即安全性和合規性。許多AI應用，特別是那些結合機器學習功能的應用會依賴于大量的數據。當對這些數據進行云端存儲或遷移時，企業需要確保這些應用足夠的安全措施，比如數據加密功能。
同時，在某些情況下，合規性可能將成為企業應用AIaaS的阻礙，因為一些國家與地區的法律會限制企業進行云端敏感數據的存儲，還有一些法規也會限定數據存儲的位置。在這些情況下，AIaaS可能會在一些用例中失效。
AlaaS的另一個潛在缺點是它自身可能會比較復雜。企業將耗費大量的時間與精力用于培訓或聘用具有AI和云計算技能的員工。不過，一些企業對此也表示樂觀，他們認為這個問題可以被克服，而且AIaaS還會帶來長期的回報。
京公網安備 11010502049343號