為了在競爭中保持領先地位，越來越多的企業(yè)正在尋求將人工智能技術整合到其應用程序、產(chǎn)品、服務，以及大數(shù)據(jù)分析方法中。而企業(yè)開始使用人工智能技術的最簡單和最流行的方法之一是使用基于云計算的人工智能即服務產(chǎn)品。

根據(jù)調研機構IDC公司的調查，到2021年，全球認知和人工智能系統(tǒng)支出預計將以50．1％的復合年增長率（CAGR）增長。這意味著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。

很顯然，組織對人工智能即服務越來越感興趣，而云計算供應商對其涌現(xiàn)的越來越多的產(chǎn)品也在積極響應。

人工智能即服務的類型

由于“人工智能”是涵蓋各種技術的廣義術語，因此目前具有許多類型的人工智能即服務。人工智能的核心是可以采用機器完成人類所做的同樣事情。

人工智能即服務產(chǎn)品可以將這些類型的人工智能技術作為云計算服務提供。目前市場上的人工智能即服務產(chǎn)品一般分為以下幾類：

機器人和數(shù)字助理：對于很多人來說，當他們聽到“人工智能”這個術語時，首先想到的就是像蘋果的Siri，微軟的Cortana，或亞馬遜的Alexa這樣的數(shù)字助理。這些工具使用自然語言處理技術與用戶進行對話，許多工具還使用機器學習來提高他們的技能。許多企業(yè)希望為其產(chǎn)品和網(wǎng)站添加類似的功能。

認知計算API：應用程序編程接口（API）使開發(fā)人員可以輕松地將技術或服務集成到正在構建的應用程序或產(chǎn)品中。領先的云供應商都提供各種各樣的API。例如，想要制作照片共享應用程序的開發(fā)人員可能會使用面部識別API為應用程序提供識別照片中個人的功能。得益于API，開發(fā)人員無需從頭開始編寫面部識別代碼，甚至無需徹底了解它的工作原理。

機器學習框架：這些工具允許開發(fā)人員創(chuàng)建可隨時間推移而改進的應用程序。一般來說，他們需要開發(fā)人員或數(shù)據(jù)科學家構建模型，然后使用現(xiàn)有數(shù)據(jù)來訓練該模型。機器學習框架在與大數(shù)據(jù)分析相關的應用程序中尤其流行，但它們也可用于創(chuàng)建許多其他類型的應用程序。

完全托管的機器學習服務：有時候組織機構想要將機器學習功能添加到應用程序中，但是他們的開發(fā)人員或數(shù)據(jù)科學家缺乏一些必要的技能或經(jīng)驗。

人工智能即服務將創(chuàng)造一種通用的人工智能，可以作為云服務進行訪問。一般的人工智能是一種能夠以與人類相同的方式思考和溝通的計算機系統(tǒng)。

人工智能即服務的好處

一些組織（主要是非常大的企業(yè)）選擇投資自己的人工智能研究和硬件。然而，許多企業(yè)更喜歡使用人工智能即服務，因為這種方法提供了許多好處，其中包括：

高級基礎設施：人工智能應用程序，特別是機器學習和深度學習應用程序，可以在具有多個并行運行工作負載的高速圖形處理單元（GPU）的服務器上執(zhí)行最佳性能。

低成本：人工智能即服務不僅不需要為昂貴的硬件支付費用，還可以讓組織只為他們所使用硬件支付費用。在云計算術語中，大多數(shù)人工智能工作負載被認為是“突發(fā)”的，也就是說，他們需要很短的時間獲得大量的計算能力。

可擴展性：與其他類型的云服務一樣，人工智能即服務使其非常容易擴展。組織通常從一個試點項目開始，讓他們看到人工智能如何有用。

可用性：一些最好的人工智能工具可用于開源許可證，雖然價格低廉，但這些開源人工智能工具并不總是很容易使用。云計算人工智能服務通常使開發(fā)人員更容易訪問人工智能功能，而無需他們成為這方面的技術專家。

人工智能即服務的缺點

人工智能即服務的兩個最大缺點也是所有云計算服務都面臨的兩個問題：安全性和合規(guī)性。

另一個潛在的缺點是人工智能即服務可能非常復雜。組織將不得不花費時間和精力來培訓和／或聘用具有人工智能和云計算技能的員工。然而，許多組織認為，這個障礙可以輕易克服，并且采用人工智能即服務將會得到長期的回報。

人工智能即服務的供應商

所有領先的云計算供應商都提供人工智能即服務，而一些小型供應商也提供基于云計算的人工智能服務。以下進行一下概述：