人工智慧（AI）與雲端運算的深度融合正以前所未有的速度重塑著企業的IT架構和商業模式。本文簡述雲端 AI 化對企業帶來的深遠影響，從生產力提升、智能決策到創新加速，以及企業IT團隊需要掌握的關鍵技能和應對的挑戰。
文／編輯部
雲端是一個企業已經投入許多資源並且視為未來發展核心的領域。過去我們可能更多地關注雲端的基礎設施、彈性擴展以及成本效益。但現在，我們想強調的是雲端的 AI 化 ─ 也就是說，人工智慧技術如何深入融合到雲端運算的各個層面，從而為企業的業務與營運帶來全新的動力和可能性。
[ 加入 CIO Taiwan 官方 LINE 、 Facebook 與 IG，與全球CIO同步獲取精華見解 ]
隨著生成式 AI（GenAI）的爆發式發展，以及各大雲端服務提供商（CSPs）在 AI 領域的持續投入，企業正處於一個雲端運算的新時代。公有雲已經成為企業部署和利用先進 AI 技術的主要平台。大約 70% 的企業已經在使用如 AWS、Microsoft Azure 和 Google Cloud 等主要雲端服務商提供的服務。這些雲端平台不僅僅提供運算和儲存資源，更重要的是，它們提供了一整套完整的 AI 技術和服務，包括強大的運算能力來處理海量數據、先進的儲存方案、數據分析工具、大型語言模型（LLMs)、AI 演算法以及各種由雲端服務供應商維護的工具和 API。所有這些都透過網路即可存取。
這種雲端的 AI 化將對企業產生深遠的影響：
‧AI 成為雲端服務的核心組成部分
早期雲端中的 AI 應用可能還需要企業自行整合資源和專業知識。但現在，情況已經發生了根本性的改變。雲服務商正在將 AI 功能內建到其各種服務中，使得企業可以更便捷地使用預建的 AI 模型和工具，進行概念驗證，甚至直接將 AI 應用於生產環境。
‧加速 GenAI 的普及和應用
公有雲是企業部署 GenAI 工作負載的首選。GenAI，例如 OpenAI 的 ChatGPT，展示了其在自然語言處理和內容生成方面的強大能力。雲端平台提供了訓練和運行這些需要持續大量數據訓練的 LLMs 的必要基礎設施。企業可以利用雲端的規模經濟，以更低的成本試驗和部署 GenAI 功能，從而創造新的業務價值。
[ 推薦文章：雲端自動擴展的隱患：配置錯誤將引爆成本危機？ ]
‧降低 AI 的使用門檻
以前，開發和部署 AI 應用可能需要大量的硬體投資和專業的 AI 團隊。但現在，雲端 AI 服務以隨用隨付（pay-as-you-go）的模式提供，使得企業可以根據實際需求付費，無需進行大量的前期投入。這大大降低了企業試驗 AI 專案的成本，讓企業能夠更快速地啟動和迭代 AI 應用。
‧提供強大的 AI 基礎設施和技術
雲端服務商持續投資於最新的 AI 基礎設施，例如強大的 GPU 運算資源，這對於訓練和運行複雜的 AI 模型至關重要。企業可以存取這些先進的技術，而無需自行採購和維護。此外，雲端還提供了構建、訓練和擴展 LLMs 的靈活性和性能。
‧促進跨地域的 AI 應用
對於需要在多個地理區域運行 AI 功能的公司來說，公有雲 AI 服務提供了理想的解決方案。企業可以利用雲服務商遍布全球的資料中心，輕鬆地部署和管理企業的 AI 應用。
‧AI 助力雲端工作負載的優化
正如澳洲聯邦銀行使用 GenAI 工具來審查雲端工作負載的案例，AI 技術正在被應用於優化雲端資源的使用，提升安全性、可靠性和效率。這表明 AI 不僅是雲端賦能的目標，也是雲端自身優化的強大工具。
雲端 AI 化 需要關注的關鍵技術領域
為了更好地應對雲端的 AI 化浪潮，企業 IT 團隊需要關注以下幾個關鍵技術領域：
‧深入了解各主要雲平台（AWS, Azure, GCP）的 AI 服務和產品：包括其提供的預訓練模型、AI 開發平台、機器學習服務以及針對特定行業的 AI 解決方案。
‧重點掌握生成式 AI 和大型語言模型（LLMs）的相關技術：理解 LLMs 的架構、訓練方法和應用場景，學習如何使用雲平台提供的工具進行模型部署和微調。
‧提升在雲端環境下進行資料工程和機器學習的能力：這包括如何有效地管理和處理儲存在雲端的數據，以及如何利用雲平台的機器學習服務構建和部署 AI 模型。
‧關注雲端 AI 的安全性和合規性：了解在雲端環境下使用 AI 可能帶來的新的安全風險和合規要求，並學習如何利用雲服務商提供的安全工具和服務來保護企業的數據和應用。
‧學習利用 AI 來優化企業的雲端營運：關注如何使用 AI 驅動的工具來監控雲端成本、預測資源需求以及自動化運維任務。
雲端的 AI 化不僅僅是一個技術趨勢，更是一個戰略機遇。它將賦予企業更強大的能力來提升效率、優化決策、加速創新，讓關注 AI 的企業最終在市場競爭中取得優勢。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
