飞象网讯 (文颐/文)5月23日消息，如果说2017 年是人工智能技术爆发的“元年”，那么 2018 年则是人工智能技术的“落地之年”。那么，在AI技术实际落地的过程中，会遇到什么样的瓶颈？ 企业的人工智能之路如何走才能稳健有力呢？近日，国内领先的中立云服务提供商UCloud给出了答案。

　　在日前UCloud主办的Think in Cloud 2018大会上，UCloud 高级研发工程师宋翔接受飞象网采访时总结了AI的挑战来自三大方面：一是基础环境，在AI入门阶段基础环境是非常大的挑战，涉及AI框架、算法库、GPU技术库、存储等各种设备，各类交叉选择之后的环境更加复杂，如何选择适合自己的研发环境是一大挑战;二是AI系统建设，这个过程中需要考虑算法兼容性、平台扩展性、分布式化、纵向扩展、高可用以及容灾能力等问题;三是投入产出问题，如何用较少的投入得到较高的回报？如何通过调研精确需求，控制研发成本，如何降低资源成本和运营成本，让研发人员更关注算法，都是AI所面临的挑战。

　　如何应对这些挑战呢？UCloud认为解决这些问题的核心方法就是实现平台化，包括环境分离、分布式化、可扩展性和资源共享四个方面。环境分离方面有两个主要方向，一是通过容器的封装把软件和运行环境隔离，把存储和计算隔离，让更多的存储资源可以接入到AI环境中去;二是数据分离，因为对AI来说，训练过程中的数据非常重要，只需要提供本地存储的接口即可访问各种数据层，实现良好的数据访问。

　　同时，平台化能做到良好的资源共享，例如通过UCloud的AI训练平台和在线服务平台，用户想做AI训练，只需要把任务提交到训练平台，就可以在平台上自动的完成任务，而无需要关心这个任务是否失败、到底在哪台机器上跑等一系列问题，可以大大简化AI算法人员使用平台的复杂度;对于算法人员或业务人员来说，有了在线服务平台，当他实现算法之后，可以用这个平台快速地部署自己分布式的在线任务，而无需自己搭建一个分布式的环境或服务。

　　也许有人会问，云服务商发力人工智能为哪般？为什么说云计算跟人工智能的落地有很大的关系呢？随着云计算的发展，不同行业企业的数据生产和消费都是在云计算平台上进行的。云计算就是为了提供计算能力而产生的。所以，天然来说，在云计算上做机器学习的训练和推理是非常自然的一件事情。

　　于是，我们看到UCloud推出了支持人工智能算法框架的大规模分布式计算平台——UAI-Inference。UAI-Inference面向初创企业、传统企业AI转型而生，旨在提供易部署、易运维、更安全以及多AI框架支持的海量AI在线服务节点，自动实现负载均衡、扩容缩容。按实际使用量计费，普遍适用于常见的AI在线服务场景，如图像识别、自然语言处理。

　　宋翔介绍说，UAI-Inference提供了类似Serverless的架构，为用户提供了“两步走”的部署模式。首先，向用户提供SDK工具包，内含接口代码框架、代码和数据打包模板以及第三方依赖库描述模板。用户只需根据SDK工具包内的代码框架编写接口代码，准备好相关代码和AI模型以及第三方库列表，就可以通过打包工具一键完成任务的在线部署。

　　任务打包完毕后，用户可以通过UAI-Inference分布式的AI在线服务PaaS平台进行后续管理和维护。该平台可以同时管理上万个计算节点，并拥有自动请求负载均衡、自动资源管理的功能。用户只需要将业务部署在平台上，就无须操心其后续的运维，也就是“免运维”。

　　宋翔表示，云计算解决了系统运维问题，它没有解决应用运维的问题。Serverless架构可以解决应用运维的问题，让UAI-Inference变成以应用为中心、以算法为中心的服务。