人工智能(AI)和机器学习(ML)是被炒得最火的企业技术，它们吸引了投资人士的想象，因为它们有望提高效率、降低成本，而随着自动驾驶汽车和无人机器和空中出租车的发展，人工智能和机器学习也吸引了公众。
当然，现实情况要平淡得多，企业指望人工智能来实现在线产品推荐或发现生产线缺陷等领域的自动化，企业正在金融服务、零售和能源等垂直行业使用AI，其应用包括欺诈预防和分析贷款业务业绩、季节性产品需求预测以及处理大量数据以优化能源网络。
以上所有这些都与《2001太空漫游》电影中的HAL作为智能机器的理念相去甚远，但它仍是一个快速增长的市场，其驱动因素是企业试图从其数据中挖掘更多价值，并实现商业智能和分析自动化，以改善决策。
例如，行业分析公司Gartner预测，今年全球AI软件市场将达到620亿美元，其中增长最快的将来自知识管理。据该公司称，48%的受访首席信息官已经部署了人工智能和机器学习，或计划在未来12个月内这样做。
这种增长在很大程度上是由云计算的发展推动的，因为企业可以利用云基础设施的低初始成本和可扩展性。例如，Gartner将云计算列为推动AI和ML增长的五个因素之一，因为它允许企业“以更低的复杂性更快地试验和操作AI”。
此外，大型公共云提供商正在开发自己的AI模块，包括图像识别、文档处理和边缘应用，以支持工业和分销流程。
AI和ML发展最快的一些应用是围绕电子商务和广告的，因为公司希望分析消费模式并提出建议，并使用自动化定位广告，这利用了已经驻留在云中的业务数据的不断增长，减少了与移动数据相关的成本和复杂性。
云还可以让企业利用先进的分析和计算设施，而这些设施在企业内部建造往往不划算，这包括使用专用的图形处理单元(GPU)和由云存储实现的超大存储卷。
“这些能力超出了许多组织的预付产品的能力范围，比如GPU处理。这证明了云能力在组织数字战略中的重要性，”咨询公司PA Consulting人工智能主管Lee Howells。
企业也在通过基于云的服务积累使用人工智能的专业知识。AIOps(人工智能 IT 运营)是一个增长领域，在AIOps中，企业利用人工智能优化其IT运营，尤其是在云计算领域。
另一个是MLOps，Gartner称这是多个AI模型的操作化，创造“复合AI环境”。这使得公司可以从更小的构建块构建更全面、更实用的模型，这些模块可以托管在预置系统、内部或混合环境中。
云服务提供商的人工智能产品
正如云服务提供商提供IT的构建模块——计算、存储和网络一样，他们正在构建一系列人工智能和机器学习模型，他们还提供基于人工智能和基于语言的服务，公司或第三方技术公司可以将这些服务构建到他们的应用程序中。
这些AI产品不需要端到端流程，相反，他们提供的功能对于公司来说是昂贵或复杂的。但这些功能也可以在不影响公司安全或监管要求的情况下执行，或者涉及大规模数据迁移。
这些AI模块的例子包括图像处理和图像识别、文档处理和分析以及翻译。
“我们在一个生态系统内运作，我们从人们那里买砖，然后用这些砖盖房子和其他东西，然后我们将这些房子交付给个人客户，”机器人过程自动化(RPA)公司Digital Workforce的首席执行官Mika Vainio-Mattila说。该公司使用云技术来扩大其向客户提供自动化服务的规模，包括“机器人即服务”，它可以在微软Azure或私有云上运行。
Vainio-Mattila表示，人工智能已经是商业自动化的重要组成部分。他说：“其中最普遍的可能是智能文档处理，它基本上是对非结构化文档进行理解。”
“我们的目标是让这些文档对‘机器人’或自动化数字代理有意义，然后它们就可以利用这些文档中的数据进行操作，这是我们看到人工智能工具和技术使用最多的领域，也是我们自己应用人工智能最多的领域。”
他认为，大型公有云公司提供人工智能工具和模型的动力越来越大。最初，这是针对第三方软件供应商或服务提供商，比如他的公司，但他预计云解决方案提供商(CSPs)也会直接向用户企业提供更多AI技术。
“这是一个有趣的领域，因为大型云提供商——显然以Google为首，但紧跟其后的是Microsoft、Amazon和其他公司，还有IBM——已经围绕基于ML和人工智能的服务实现了解码非结构化信息的服务。这包括识别或分类照片，或翻译。”
这些是“通用”技术，旨在让其他人可以重用它们。业务应用程序通常是非常特定于用例的，需要专家根据公司的业务需求来调整它们。此外，该公司更关注后台业务，而不是无人驾驶汽车等应用。
根据PA咨询的Howells，云提供商也提供“特定领域”的模块。他表示，金融服务、制造业和医疗保健行业已经出现了这种情况。
事实上，云计算提供的人工智能服务范围很广，而且还在不断扩大。咨询公司Dufrain数据工程副总监Tim Bowes表示：“大型(云)公司现在拥有每个人都可以采用并运行的模型。两三年前，都是第三方技术，但他们现在正在开发专有工具。”
例如，Azure提供Azure AI，具有视觉、语音、语言和决策AI模型，用户可以通过AI调用访问这些模型。Microsoft将其服务分为应用人工智能服务、认知服务、机器学习和人工智能基础设施。
Google提供人工智能基础设施、Vertex AI、ML平台、数据科学服务、媒体翻译和语音到文本等等。它的云推理API允许公司使用存储在谷歌云中的大型数据集。不出所料，这家公司提供云GPU。
Amazon网络服务(AWS)还提供一系列基于人工智能的服务，包括图像识别和视频分析、翻译、聊天机器人的对话式人工智能、自然语言处理以及一套针对开发人员的服务，AWS还推广其健康和工业模块。
大型企业软件和软件即服务(SaaS)提供商也有自己的AI产品。这些公司包括Salesforce (ML和预测分析)、Oracle (ML工具包括预先训练的模型、计算机视觉和NLP)和IBM(沃森工作室和沃森服务)。IBM甚至开发了一套特定的基于人工智能的工具，以帮助企业了解其环境风险。
专业公司包括H2O。ai、UIPath、Blue Prism和Snaplogic，尽管后三家公司更应该被描述为智能自动化或RPA公司，而不是纯粹的AI提供商。
然而，这是一条微妙的界线。根据Snaplogic首席技术官(CTO)Jeremiah Stone的说法，企业往往是在试验的基础上求助于人工智能，即使在更成熟的技术可能更适合的领域。
Jeremiah Stone说：“我所见过的大约60%或70%的努力，至少在最初阶段，都是将AI和ML作为解决问题的一种方式，而这些问题用更容易理解的方法可能会更好地解决。但这是可以原谅的，因为作为人，我们一直对软件和技术能为我们做什么抱有极端乐观的态度，如果我们不这样做，我们就无法前进。”
他说，人工智能的试验将带来长期的好处。
基于云的人工智能的局限性和前景
基于云的人工智能还有其他限制：首先，基于云的服务最适合通用数据或通用流程，这使组织能够克服与第三方共享数据所涉及的安全、隐私和监管障碍。
AI工具通过不移动数据来应对这一问题：它们停留在本地业务应用程序或数据库中。云计算的安全性也在不断提高，越来越多的企业愿意使用它。
“一些组织倾向于将他们最敏感的数据保密。然而，随着云提供商提供业界领先的安全能力，这样做的理由正在迅速减少，”PA咨询的Howells说。
尽管如此，一些公司更喜欢建立自己的人工智能模型，并进行自己的培训，尽管成本很高。如果人工智能是一种产品，无人驾驶汽车是一个最好的例子，企业将希望拥有模型的知识产权。
但即便如此，企业也会从可以使用通用数据和模型的领域获益。天气是一个例子，图像识别可能是另一个例子。
即使是对其人工智能系统有非常具体需求的公司，也可能受益于云计算中用于模型训练的庞大数据资源。潜在地，他们可能也想使用云提供商的合成数据，这允许模型训练，而不用担心数据共享的安全和隐私问题。而且，业内几乎没有人认为这些服务首先会来自云服务提供商。
