Google正在稳步推进基于云端的人工智能生态系统。例如，开发人员可以使用TensorFlow服务与Kubernetes扩展和服务机器学习模型。2016年7月，Google推出了云自然语言API（应用程序编程接口）的测试版本，这是一种机器学习产品，可用于显示各种语言的文本结构和含义。

　　此外，Google云平台博客发文称，Google已与多家组织（包括数据工匠、Cloudera、Talend等）合作，将流行的OSS分布式系统的数据流模型，SDK和流程提交给Apache孵化器。这个新的孵化项目称为Apache Beam，允许定义便携、强大和简单的数据处理管道，可以执行流式或批处理模式。

　　AI完整的API菜单

　　世界上的大部分大型软件供应商都乐于探索人工智能领域。例如，Hewlett Packard Enterprise（HPE）推出了HPE Haven OnDemand，使用文本分析、语音识别、图像分析、索引和搜索API来构建认知计算解决方案平台。

　　HPE Haven OnDemand提供免费的API，用于音频视频分析、地理分析、图形分析、图像分析、格式转换和非结构化文本索引。随着AI开发人员对需求的提高，API的菜单也在发展。例如在视听传播的分析中，API用于检测场景的变化和识别车牌。

　　“Haven OnDemand是关于应用机器学习的，它是云端中的自助服务平台。”HPE大数据的首席技术官Fernando Lucini说。

　　在Lucini看来，像HPE这样的公司已经在人工智能领域取得了显著的进步，它将AI从一个神秘的黑盒子转变为一个用户友好的工具。

　　“在过去，你会做大量的规划，你会担心预算和员工，而现在唯一的问题是你是否对这个领域具有开始尝试的渴望。”他说。

　　例如，你希望通过分析100字节的电子邮件（大约200万条消息），来收集对开发新产品或新管理方式的有效信息。“谁有筛选200万件电子邮件的胃口？当然没有！”Lucini说，“然而，利用基于云端的人工智能，就可以轻松的访问应用程序和计算能力，从而筛选大量的电子邮件，这样的解决方式是让人兴奋的。”

　　构建云服务平台

　　Lucini预测，人工智能可以通过云端来渗透到多个部门的经济中去。“我认为，所有的行业都将利用这一点。如果你的工作是分析大量的数据，那么云计算是唯一的方法。”他说，“当你能够使用租来的云端进行工作的时候，你还会花钱去买1000台计算机吗？”

　　数据科学家和软件开发人员David Laxer表示，现在还很难判断我们从云端中租用过来的资源会在一两年内就过时。

　　“我正在研究一个语义散列算法，我的文档集合就像美国专利数据库一样的庞大，那么，我必须通过云计算来进行研究。”“我可以将我的数据上传到EC2（Amazon Elastic Compute Cloud）实例上，并使用Spark深度学习来训练模型、进行测试、部署应用程序等。”

　　此外，开发者可以根据自己的需求在云端中租用资源。“例如使用EC2时，你可以获得一种权限，好比说把特定的服务器租给你一个月的时间。当然，你还有另一种更实惠的选择，那就是为亚马逊的“竞价型实例”出价。不过，竞标的缺点是，如果有人出的价格比你高，那么你将失去这个实例。”他解释说，“从人工智能自由开发者的角度来看，云端是最好的交易平台。”

　　然而，技术上的一些进步不能立刻完全渗透到云端中去，这还需要一段时间。并不是每个云服务商都会提供GPU实例，而且一些可用的GPU实例可以使用好几年。

　　“某些情况下，把购买的高性能电路模版安装在大型的工作站可能更具有意义，当然这是在工作站具有良好的散热的情况下。但是，这四块电路板只能安装在一台服务器上，除非还有另一个机架可以安装。”他说。

　　“像谷歌或Facebook这样的大公司，将会有庞大的服务器群来扩充GPU。”Laxer说，“如果一个自由开发者正在训练深层信念网络或进行强化学习，那么他将无法解决AlphaGo类的问题。

　　有形的经济基础