谁是副驾驶？为什么人工智能需要云支持

由柏拉图重新发布

关注： 0

在过去的 XNUMX 个月里，我们看到大量新的 AI 组织发展起来，利用基础模型、技术和需求方面的最新进展。尽管人工智能通常被视为“副驾驶”而不是“自动驾驶”，但与经典计算相比，它仍然可以完成许多非凡的壮举。我们最近看到一些初创公司可以提供准确的文本到手语、多语言转录和具有逼真的化身的自动语音视频生成，仅举几例。

然而，与所有初创企业和规模扩大企业一样，这些新组织面临着许多挑战；有些是人工智能行业特有的，有些是所有成长型品牌共有的。但在适当水平的支持下，创始人可以蓬勃发展，帮助推动行业和人类向前发展。

谁是副驾驶的副驾驶？为什么人工智能需要云支持

用于训练 AI 模型的高计算能力

人工智能组织面临的主要挑战之一是培训。训练人工智能模型需要大量的计算能力，这对于倾向于以运营支出而非资本支出为基础运营的深度科技公司来说可能具有挑战性。深度学习算法，如神经网络，需要大量的迭代和调整才能达到最佳结果。如果无法访问高性能计算资源，这可能既耗时又昂贵。此外，这些数据需要存储在某个地方，直接购买和维护成本高昂。

资源分配和成本管理的灵活性

根据模型的复杂性和数据集的大小，训练和部署 AI 模型的资源需求可能会有很大差异。与大多数初创公司一样，公司的方向几乎可以在一夜之间改变，并且对人员和技术基础架构都具有挑战性。因此，大多数 AI 初创公司默认都是云原生的，以在事情开始朝不同的方向发展时帮助转向新硬件。

向后兼容性问题

TensorFlow 和 PyTorch 等 AI 框架正在不断更新和改进，但其中许多框架迭代并没有向后兼容以前的版本。这给组织带来了巨大的压力，要求他们与最新的框架保持同步，否则他们将面临功能问题甚至停机的风险。尽管用户确实经常期望初创公司在初期会遇到问题，但大量的停机时间会极大地削弱信任。

考虑到这些问题，现有的成功 AI 初创公司如何克服挑战？

谁是副驾驶的副驾驶？为什么人工智能需要云支持

AI 实践：OVHcloud 赋予 Customs Bridge 的基本功能

Customs Bridge 是一家“深度科技”初创公司，它使用人工智能算法创建自动产品分类引擎，面向欧洲进口商。公司的使命是创建最可靠的产品分类引擎，为描述未完全正规化的产品分配正确的海关代码。

然而，Customs Bridge 在训练其 AI 模型时面临着重大挑战。他们的本地基础设施、大规模数据处理要求有限，并且需要最先进的 AI 框架。他们现有的基础设施不足以有效地训练和部署他们的人工智能模型，而且他们在访问和处理训练他们的模型所需的大量数据方面面临困难。

为了克服这些挑战，Customs Bridge 转向 OVHcloud 的人工智能和机器学习解决方案. 该团队实施了 OVHcloud 的模型训练解决方案 AI Training，并利用 OVHcloud 实例将模型部署到生产中并支持数据动力管道。这使 Customs Bridge 能够处理大量数据，增强其 AI 模型，并提高其整体生产力和效率。

Customs Bridge 能够利用 OVHcloud 的资源进行数据增强和高级 AI 模型训练。他们依靠大约 2.5TB 的数据来训练他们的第一个 Transformers 模型，并且在 250,000 行上训练 Transformers 只需要大约 30 分钟的计算时间，这要归功于 OVHcloud 提供的 NVIDIA V100 GPU。这既快速又低成本，它允许 Customs Bridge 扩展其数据量而不会限制其基础设施。基于云的方法为公司提供了很大的实验自由，直到他们找到实现所需精度所需的数量。

除了提高 AI 模型训练的灵活性和可扩展性外，Customs Bridge 还受益于具有成本效益和高效的资源分配、简化的 AI 框架实施和部署，以及支持创新和实验以获得最佳结果的能力。通过利用 OVHcloud 的 AI 和机器学习解决方案，Customs Bridge 能够克服挑战并构建创新且有效的产品分类引擎。

通过专门的云服务提升深度技术

成长中的 AI 初创公司的第一步是了解其生态系统——而不仅仅是了解竞争对手。有许多组织提供孵化器、加速器和支持计划，可以直接提供指导和管理帮助，或者在上述示例中提供技术基础设施支持。

云服务提供灵活的资源分配和成本管理，允许深度技术公司在需求变化时修改其资源。这种适应性保证公司只为他们需要的资源付费，这使他们能够更有效地分配资源，并在运营支出而非资本支出的基础上运营。

可扩展存储解决方案也是云服务模型的重要组成部分。借助这些解决方案，深度科技公司可以处理和存储大量数据，从而训练他们的 AI 模型。这些解决方案旨在轻松扩展，确保 AI 公司可以在不中断服务的情况下增加数据量——这与物理存储不同，在物理存储中，新驱动器的安装和管理会导致许多令人头疼的问题。

推动行业向前发展

深科技 AI 公司遇到许多与其他行业的初创公司相同的问题，但也有一些独特的挑战。例如，训练 AI 模型所需的庞大数据集伴随着对高性能计算和存储能力的相应需求，而这对于靠种子资金运作的年轻组织来说往往是遥不可及的。

这就是为什么许多人工智能公司默认是云原生的。云使此类组织无需预先支付基础设施费用即可更轻松地进行扩展，更不用说受益于托管解决方案，这些解决方案消除了创始人及其团队的日常管理需求。但是，初创公司在设置云服务协议时必须注意，并注意避免螺旋上升和隐藏的成本；错误的设置或错误的提供商——例如，对入口/出口成本收取过高的费用——可能会导致技术负担。但有了合适的合作伙伴、合适的解决方案和真正的协作方法，初创公司可以忘记行政细节，而是专注于他们的主要使命：创造一个新的 AI 世界。