文|鄰章
隨着雲計算對企業數字化轉型、產業智能化升級助力作用在過往實踐中被充分證明，擁抱雲計算實現轉型已成爲行業共識，並由此推動產業蛋糕持續擴大。
但在過往產業實踐中，傳統雲計算僅讓企業將業務流程從機房搬到雲上（降本）但卻並不充分發揮數據效力、促進業務創新實現（增效）的侷限也被暴露了出來。而AI技術與雲計算的深度融合趨勢，更進一步對算力和應用架構提出了新要求。
讓AI技術原生於雲，成爲雲計算廠商技術升級共同追求
這也由此推動着雲計算邁入以數據和機器智能爲驅動，用AI“跑”海量雲上數據，並從海量數據中發現規律、訓練模型、提煉知識，促進產出增加和效率提升，充分滿足業務創新需求的新時代。
在此背景下，國內主要雲計算玩家們也相繼對旗下雲計算進行了重大升級。
百度智能雲在7月29日召開的智能經濟高峯論壇上，推出了以“云爲底座、飛槳爲核、生態爲翼”的百度智能雲2.0構架，將百度智能雲“雲智一體”帶入AI原生雲時代——在繼承雲原生優勢的基礎上，面向AI場景提供極致彈性的高性能異構算力，打造簡潔、高效的AI應用開發架構，實現與應用場景相結合、靈活易用、效能爲先的適應未來發展趨勢，助力企業數字化轉型和智能化升級一步到位，“適合跑AI的雲”和“懂場景的AI”是其主要特徵。
在此之前，阿里雲智能總裁張建鋒在2020雲棲大會上，也宣佈阿里雲進入2.0時代——飛天雲這個“超級計算機”，將裝上一個數字原生操作系統，就像Windows讓電腦走進千家萬戶一樣，升級後的雲讓人類和雲計算的交互更加容易，讓雲能夠普及到更多企業、更多人。
華爲雲則提出雲原生2.0概念——華爲雲CTO張宇昕表示，“新雲原生企業既需要讓新生能力生於雲、長於雲，把AI、大數據、邊緣計算、視頻等新生能力用於企業，同時也需要繼承和發展既有能力，並與新生能力立而不破、有機協同。”
雖然上述各大雲服務廠商對雲計算升級的描述各有特色，但總結來看：讓人工智能技術原生於雲，而不是疊加於雲，已成爲雲計算廠商們進行雲計算升級時的共同技術發力點。這事實上也是一直以來雲計算與人工智能技術深度融合趨勢的更進一步。
這一理念特徵落地到具體產業實踐，帶來的效果也的確是顯著的，在各個領域都顯現出了獨特價值。這在阿里雲、華爲雲、百度智能雲等雲計算廠商的產業實踐中，均有例證。
以體育賽事爲例，雲計算和人工智能技術正讓體育訓練更爲科學、高效，爲運動健兒們摘金奪銀提供強有力的助攻。
諸如針對跳水運動這種需要在不到2秒鐘的時間內就完成起跳、翻騰、轉體、入水等一系列高難度動作的超高速運動，過往由於缺乏對運動員姿態的精準捕捉，也導致訓練多爲感性指導，缺乏具體的量化標準，同時日常訓練中的珍貴數據以及教練和運動員所具備的專業知識也難以數字化、規模化的形式留存、流轉。
正是基於這些實際痛點，國家跳水隊選擇與百度智能雲合作，利用百度智能雲 “3D+AI”技術開放了國內首個AI跳水輔助訓練系統，實現了對運動員訓練動作姿態全過程的精準捕捉與量化評估。
從實效來看，這套系統將跳水隊運動員訓練效率提升20%。這對於專業體育運動而言，是極強的效能提升。
在此，若是將這套系統推廣至足球、籃球等其他運動類目的訓練乃至是用戶日常運動訓練使用，也或將大大提升運動訓練效率，加速體育強國建設進程。
雲計算競爭升維：AI技術開放度與開發環境友好度成競爭重心
當市場玩家們都在強調雲原生、AI技術，事實上也推動着行業競爭走向開始從前期的基本能力穩定性升維至滿足企業業務創新需求。
在此，雲計算廠商的AI技術開放度與開發環境友好度，將成爲行業競爭重心，它關係到雲計算企業對開發者的爭奪。
從市場發展來看，當下雲計算市場正呈現出兩大特徵：
一是隨着讓應用最大程度享受雲計算紅利的架構思想的雲原生逐步落地，應用開發者的心智正逐步從基礎設施層當中解放出來，開始從“資源效能”逐步向“研發效能”和“交付效能”靠攏。
二是隨着數據量的激增、算法的突破、算力的爆發，人工智能技術進入了快速發展期，迎來了與產業應用場景廣泛結合的新階段。但各類企業和產業對智能化需求並不是統一的，而是多種多樣的，這導致很多需求都需要單獨定製，很難用通用的AI模型去滿足所有需求。相關數據顯示：市場上86%的需求爲定製Al需求，定製模型的數量從2017年至2020年激增了6倍之多。產業需求的多樣化特徵，要求雲計算提供商具備滿足企業對技術非標化、定製化需求的能力。
上述兩大現實特徵於雲計算廠商而言，則意味着雲計算廠商需要向開發者開放自身能力，以助力開發者實現“研發效能”與“交付效能”提升。可以說，誰能最大限度滿足開發者的需求，誰就有可能成爲接下來雲計算市場競爭的最大贏家。
衆所周知：開發者是雲計算生態發展壯大的核心力量，只有開發者源源不斷的匯聚在雲計算平臺上，開發各類應用，雲計算生態蛋糕纔有持續做大的機會。
正是基於此，各大雲計算廠商纔會在強調雲計算基礎能力的同時，也不遺餘力的向業界傳達、展示自家雲計算在人工智能技術、算法模型等層面的開放力度以及低代碼開發特徵。
如我們所見：百度智能雲在讓百度大腦所具備的330多項AI技術能力供開發者按需選用的同時，也推出了內置豐富行業模型和功能組件的AI中臺以及提供企業知識應用全生命週期一站式解決方案的知識中臺，幫助企業集約化管理AI能力和知識；飛槳深度學習平臺也針對不同需求開發者推出了零門檻開發平臺EasyDL、全功能AI開發平臺BML等，實現開發需求全覆蓋，以進一步降低開發難度和週期，幫助開發者快速構建智能化應用；華爲雲也在做幾乎同樣的事情，相繼推出了一站式AI開發平臺ModelArts和ModelArts Pro，並對外開放AI能力——截至2020年6月底，華爲雲EI企業智能可提供60款人工智能服務、160項功能。
從結果來看，雲計算廠商的技術開放，到了業界開發者的積極迴應。這從百度智能雲飛槳深度學習平臺累計開發者數量超過360萬人，服務企業達13萬家，平臺模型超過40萬個，零門檻開發平臺EasyDL更以22.8%的市場份額位列機器學習平臺市場份額第一（截止2020年12月），服務用戶超過80萬；華爲雲從2016年至今，華爲雲與計算領域開發者數量從2.5萬發展到180萬，增長超過70倍等數據中，便可見一斑。
開發者對雲計算巨頭們開放能力的歡迎態度，事實上也不難理解，畢竟隨着AI技術等對應用開發和功能實現的影響越來越大，這也就要求企業具備更強的AI開發能力，畢竟從數據收集、數據預處理、數據標註、模型訓練、模型評估和模型部署等一系列任務，無一不考驗着企業的AI模型精度和AI開發效率、AI算力資源等AI開發能力。但現實情況是，多數企業都不具備AI技術儲備能力。所以從這個角度來看，雲計算平臺們對外開放人工智能技術、算法模型等核心技術，助力敏捷開發，當然會受到開發者的熱烈歡迎。
寫在最後：
企業數字化、產業智能化是一條長路，但云計算大廠們則通過不斷的技術革新、開放賦能，正助力更多企業大步快跑進產業智能化的升級浪潮中，大大縮短了這一升級路徑所需時間。
在此，想必人工智能技術融入萬物，助力構建高度智能化、極大解放生產力的時刻，距離我們也不會太遠。而在技術、需求與產業進化永不停歇、奔湧向前的現實下，未來的技術框架又會進步到何種程度，我們拭目以待。