Điện toán đám mây

Điện toán đám mây là việc cung cấp tài nguyên CNTT theo yêu cầu—bao gồm sức mạnh tính toán, lưu trữ và cơ sở dữ liệu—qua internet. Thay vì mua, sở hữu và bảo trì các trung tâm dữ liệu và máy chủ vật lý, các tổ chức có thể truy cập các dịch vụ công nghệ khi cần thiết từ các nhà cung cấp dịch vụ đám mây như Amazon Web Services (AWS) , Microsoft Azure hoặc Google Cloud . Sự chuyển đổi mô hình này cho phép doanh nghiệp chuyển đổi chi phí vốn thành chi phí biến đổi, chỉ trả cho các tài nguyên họ sử dụng. Đối với những người làm việc trong lĩnh vực Trí tuệ Nhân tạo (AI) , đám mây cung cấp cơ sở hạ tầng có khả năng mở rộng cần thiết để đào tạo các mô hình phức tạp và quản lý lượng dữ liệu khổng lồ mà không bị giới hạn bởi phần cứng cục bộ.

Vai trò của đám mây trong AI và học máy

Sự phát triển nhanh chóng của Học máy (ML) gắn liền với khả năng của điện toán đám mây. Việc đào tạo các mô hình tiên tiến đòi hỏi sức mạnh tính toán khổng lồ, thường liên quan đến các cụm Bộ xử lý đồ họa (GPU) hoặc Bộ xử lý Tensor (TPU) hiệu suất cao. Các nền tảng đám mây giúp dân chủ hóa quyền truy cập vào phần cứng này, cho phép các nhà phát triển tạo ra các phiên bản mạnh mẽ cho các tác vụ đào tạo phân tán mà nếu không sẽ rất tốn kém.

Hơn nữa, đám mây cung cấp các giải pháp mạnh mẽ cho bảo mật và lưu trữ dữ liệu . Việc xử lý dữ liệu đào tạo khổng lồ cần thiết cho các dự án thị giác máy tính (CV) hiện đại—chẳng hạn như tập dữ liệu ImageNet —được hợp lý hóa thông qua các dịch vụ lưu trữ đối tượng có khả năng mở rộng như Amazon S3 hoặc Google Cloud Storage .

Mô hình dịch vụ trong điện toán đám mây

Các dịch vụ đám mây thường được phân loại thành ba mô hình chính, mỗi mô hình cung cấp mức độ kiểm soát và quản lý khác nhau:

• Cơ sở hạ tầng dưới dạng Dịch vụ (IaaS) : Cung cấp các khối xây dựng cơ bản của điện toán, chẳng hạn như máy chủ ảo và mạng. Giải pháp này lý tưởng cho các nhà nghiên cứu cần toàn quyền kiểm soát hệ điều hành và ngăn xếp phần mềm cho môi trường học sâu (DL) tùy chỉnh.
• Nền tảng dưới dạng Dịch vụ (PaaS) : Loại bỏ nhu cầu quản lý cơ sở hạ tầng cơ bản, cho phép các nhà phát triển tập trung vào việc triển khai và lập trình. Các dịch vụ như Google Vertex AI giúp đơn giản hóa quy trình làm việc cho MLOps .
• Phần mềm dưới dạng dịch vụ (SaaS) : Cung cấp các ứng dụng phần mềm hoàn chỉnh qua internet. Ultralytics Nền tảng này đóng vai trò là một ví dụ điển hình, cung cấp môi trường toàn diện để quản lý vòng đời của các mô hình YOLO11 .

Các Ứng dụng Thực tế

Điện toán đám mây cho phép các giải pháp AI mở rộng quy mô trên toàn cầu trong nhiều ngành công nghiệp khác nhau.

1. Nông nghiệp Thông minh: Nông nghiệp hiện đại sử dụng AI trong nông nghiệp để theo dõi sức khỏe cây trồng. Máy bay không người lái chụp ảnh độ phân giải cao và tải lên đám mây. Tại đó, các mô hình phát hiện vật thể sẽ xử lý hình ảnh để xác định sâu bệnh, sau đó gửi thông tin chi tiết hữu ích về máy tính bảng của người nông dân.
2. Chẩn đoán Y khoa: Trong AI trong Chăm sóc Sức khỏe , các bệnh viện tận dụng môi trường đám mây an toàn để ẩn danh và lưu trữ ảnh chụp X-quang của bệnh nhân. Các thuật toán tinh vi thực hiện phân tích hình ảnh y khoa trên đám mây để hỗ trợ các bác sĩ X-quang phát hiện các bất thường, đảm bảo độ chính xác cao và tuân thủ các quy định như HIPAA .

Điện toán đám mây so với điện toán biên

Điều quan trọng là phải phân biệt điện toán đám mây với điện toán biên . Trong khi điện toán đám mây tập trung xử lý tại các trung tâm dữ liệu xa xôi, điện toán biên đưa hoạt động tính toán đến gần nguồn dữ liệu hơn, chẳng hạn như trên thiết bị IoT .

• Điện toán đám mây: Phù hợp nhất cho khối lượng công việc đào tạo nặng, phân tích dữ liệu lịch sử và lưu trữ. Điện toán đám mây mang lại khả năng mở rộng cao nhưng có thể gây ra độ trễ suy luận do thời gian di chuyển mạng.
• Điện toán biên: Phù hợp nhất cho suy luận thời gian thực, đặc biệt là trong các ứng dụng đòi hỏi tính chính xác đến từng mili giây, chẳng hạn như trong xe tự hành . Phương pháp kết hợp thường được sử dụng, trong đó các mô hình được đào tạo trên đám mây và triển khai đến biên bằng các định dạng như ONNX .

Ví dụ: Đào tạo mô hình dựa trên đám mây

Sau đây là Python đoạn trích minh họa quy trình làm việc điển hình trong đó một tập lệnh có thể chạy trên máy ảo đám mây (VM) để đào tạo một mô hình tính toán chuyên sâu như YOLO11 sử dụng gói Python Ultralytics .

from ultralytics import YOLO

# Load a YOLO11 model (n=nano size)
model = YOLO("yolo11n.pt")

# Train the model on the COCO8 dataset
# Cloud instances with GPUs accelerate this process significantly
results = model.train(
    data="coco8.yaml",  # dataset config
    epochs=100,  # number of training epochs
    imgsz=640,  # image size
    device=0,  # use the first GPU available
)

Quá trình này tận dụng khả năng phân bổ của đám mây GPU tài nguyên một cách linh hoạt, đảm bảo thuật toán tối ưu hóa hội tụ hiệu quả mà không làm quá nhiệt máy tính xách tay của nhà phát triển cục bộ.