导读Bottier：这是一个很好的问题，而且我们已经看到一种趋势。通过简化和分解硬件和软件堆栈，云平台在使企业使用机器学习(ML)民主化方面发挥
Bottier：这是一个很好的问题，而且我们已经看到一种趋势。通过简化和分解硬件和软件堆栈，云平台在使企业使用机器学习(ML)民主化方面发挥了重要作用。在专业云提供商和公共云提供商的帮助下，许多企业已在受监管的环境中实施了ML和某种形式的深度学习(DL)，而无需对其IT基础架构进行重大更改。ML和DL周围的市场和独立软件供应商(ISV)生态系统随着从云到本地或最终混合云环境的众多可用选项而大大增加。
当您考虑将AI应用到业务中时，必须注意一些关键要素：
数据：什么，在哪里和速度?重要的是要确定您拥有的数据，数据的位置以及体积和流量。
计算：我需要多少培训能力?
平台：我熟悉的任何平台，框架，编程语言吗?
生产：您如何大规模过渡到ML / DL的生产使用?
总拥有成本：运营支出或资本支出，哪个最适合您?
没有任何适合所有人的神奇组合，但是到目前为止，在AI方面使用最广泛的环境之一就是混合云设计。在采用混合云时，您可以从两全其美中受益：选择平台和工具以大规模实施端到端AI，而无需担心IT复杂性。
例如，您可以根据首选CRM平台中的业务数据构建预测模型。然后，可以将生成的见解与CRM平台内不可用的其他数据集结合起来，以使用AutoML创建另一个模型。该模型可以是应用程序的一部分，该应用程序已在您的公司或客户的任何云上进行了大规模容器化和部署。