发帖
雷达卡
随着公司增加对人工智能（AI）的投资，开发人员和工程师面临越来越大的压力，他们需要在整个企业中更快，更大规模地部署AI项目。
在这个不断发展和快速变化的环境中，简单地评估通常针对不同用户和目的而设计的不断扩展的AI工具和服务的领域是一项重大挑战。
为了应对这一挑战，我们创建了AI基础架构堆栈，这是一种景观图，通过绘制AI技术堆栈的各层以及各层中的供应商的图表，使AI生态系统更加清晰。
在英特尔投资，这可以帮助我们确定我们认为将对AI的未来产生最大积极影响的投资，但也可以帮助开发人员和工程师确定以尽可能高效和有效的方式交付AI项目所需的资源。
图1： AI基础架构堆栈（来源：英特尔投资）。
此技术基础架构堆栈专注于横向解决方案，这些解决方案可满足开发AI的基本需求，而与部署该公司或行业的公司类型无关。我们不包括针对特定行业的垂直解决方案。
该协议栈由七层组成，每层分为两部分，其中包括针对非常不同的工作负载，数据量，计算和内存要求以及SLA构建的解决方案：
探索/培训解决方案，该算法处理数据并通过算法创建模型。
生产/推断解决方案，当需要建议时会使用经过训练的模型做出响应，例如，在电子商务站点上识别“您可能也喜欢”产品建议，或者确定何时在自动驾驶汽车中使用制动器。
连接一切的是企业的分布式引擎，即跨计算资源分配工作负载的计算平台。
堆栈的各层为：
硬件。正确的硬件是在数据中心运行的培训解决方案以及在数据中心和边缘设备运行的推理解决方案的基础。
软件加速器。这些是用于优化机器学习（ML）库的编译器和低级内核。
图书馆。这些是用于训练ML模型的库。
数据科学框架。该层包括将库与其他工具集成在一起的工具。
编排。这些工具打包，部署和管理ML训练和模型推断的执行。没有这一层，DevOps是不可能的。
自动化。这些工具简化并部分自动化了模型训练，模型训练和其他ML任务的数据准备。
自主性。此层中的工具可自动构建，部署或维护ML模型。这是AI训练AI的地方。
每层中的工具和服务可加速AI的开发和部署；但是，与所有新兴技术一样，在决定使用哪种技术时需要权衡取舍。例如，AutoML可以快速跟踪ML模型的开发，但是培训可能不如自定义模型准确。
用户必须根据其项目的需求来决定在每个层中使用哪些工具和服务。
图2： 详细介绍了我们的AI基础架构堆栈的高层（来源：英特尔投资）。
人工智能价值链的最高层是业务流程，自动化和自治层，其中，自治层通过使所有人（不仅仅是数据科学家）更易于访问和易于使用，对于使人工智能民主化变得至关重要。
尽管这些是堆栈的最新层，其中AI工具和服务可实现AI的持续集成和连续部署（CI / CD），但请注意，创新正在整个堆栈中进行-突破了新的界限，增加了可用性，并带来了AI新社区。
最后，我们用工具，服务和公司的示例填充了我们的模型，其中许多都是开源的。它们不包括所有市场选项；对于那些考虑使用AI解决方案的人来说，它们是一个示例，每一层都有大量的选择范围。
图3： 我们的AI基础架构堆栈中的工具，服务和公司的代表性示例（来源：英特尔投资）
人工智能不再处于起步阶段。对于寻求使用AI来改善其产品和服务，或提高效率和改进决策的公司而言，现在有了用于构建，部署和监视ML和AI模型的丰富工具和服务生态系统。
跟踪该领域中正在发生的一切以及它们如何组合在一起，对于AI项目的成功可能会产生不同的影响。
_________________________________________________
Assaf Araki是Intel Capital的投资经理，专注于AI和数据分析平台及产品。
数据交换播客的 主持人，Spark + AI峰会和Ray峰会的计划主席Ben Lorica 对此职位做出了贡献。
英特尔投资公司股权投资者Josiane Ishimwe提供的图形。
关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！
京公网安备 11010802022788号
