然而我想知道的是，谷歌是否能夠從一個云服務領域的追趕著者變成真正有實力的競爭者。盡管,我覺得人工智能是亞馬遜的次要領域之一，但它肯定也在努力縮小著這一差距。
各種規模的企業都在尋求云計算來提供執行人工智能和機器學習相關任務所需的基礎設施。大多數組織，特別是那些剛剛開始AI / ML之旅的組織，也沒有必要的基礎設施或技能。這就是為什么這么多的公司轉向云提供商來滿足他們的人工智能需求的原因。
因此，現在所有主要的云提供商都將Nvidia的旗艦V100 Tensor核心圖形處理單元(GPU)作為云服務來提供。與傳統CPU相比，NVIDIA芯片的企業采用率有了大幅上升，因為其GPU非常適合AI / ML的需求，但是使用這種技術確實也需要一些新的技能。
谷歌是第一家提供Nvidia Tesla P4 GPU的云提供商
在上周舉行的Google Next Cloud 2018活動中，該公司宣布它是第一家在美國和歐洲通過云提供Nvidia Tesla P4 GPU的云提供商。 P4 GPU的優勢在于，在需要實時和高效時場合中，它非常適合用來進行AI推理。以下是企業如何最高效地利用GPU的幾點建議。
•實時推理的響應體驗。在許多任務中，速度很重要。包括交互式語音、視覺搜索和視頻推薦。隨著人工智能模型的準確性和復雜性的增加，傳統的CPU無法滿足需要，而Tesla P4 GPU可以將延遲縮短一個數量級。
•視頻解碼。Tesla P4具有專用的硬件加速解碼引擎，可與GPU并行工作，使其能夠實時轉碼和推斷多達35個高清視頻流。將深度學習集成到視頻管道中可以讓組織提供更智能的視頻服務。
Tesla P4使用的推斷引擎基于Nvidia的Pascal架構，它可以提高運行深度學習工作負載的服務器性能。但Google除了說它將“很快”進入其公共云之外，沒有給出全面上市日期。
谷歌為邊緣計算和AI提供了TPU，但封閉的系統可能會影響其推廣
同樣在Google Next Cloud 2018的活動中，谷歌對其最新的Tensor Processing Unit(TPU)及其TPU處于邊緣計算時的應用做了一些說明。TPU可以被認為是一種小型的GPU，它可以將AI級的處理技術帶到物聯網設備、無人機和機器人等領域的最前沿。然而，谷歌TPU的一個問題是，它們是封閉的，只能在谷歌云平臺上工作。而一年多來，NVIDIA實際上一直在出售其Jetson TX2 GPU，該產品正好也是為了解決了這一問題，實際上已經有一些公司提出了有趣的使用案例。
勞氏家居裝飾公司將Nvidia Jetson使用于邊緣AI
Lowe's Home Improvement(勞氏家居裝飾公司)正在使用Jetson驅動的機器人來改善客戶服務并提高員工的工作效率。 LoweBot NAVii是一種自主零售服務機器人，由Fellow Robots公司制造，它可以通過使用語音識別和集成觸摸屏來回答基本的客戶詢問。
該機器人還配備了Jetson的計算機視覺技術來實現了自動化的庫存盤點。這使得員工有了更多的時間來提供更好的服務并完成內部項目。這些類型的應用程序可以通過在邊緣使用小型GPU(如Jetson或谷歌的TPU)來創建。
機器人、無人機和其他前沿設備正在成為我們生活中越來越重要的一部分，并將在公共安全、教育、工廠運營、石油和天然氣以及其他用例中發揮重要作用。所以首席信息官應該主動去了解邊緣AI可以如何為他們的業務帶來好處，唯一的限制是需要提出成熟的用例。
隨著機器學習和人工智能的成熟，企業將更加依賴GPU。而Nvidia與Google和其他云提供商的合作則讓數據科學家無需在基礎設施上花費大量資金就可以立即開始使用這項技術。
京公網安備 11010502049343號