Điện toán đám mây

Điện toán đám mây là việc cung cấp các dịch vụ điện toán theo yêu cầu—bao gồm máy chủ, lưu trữ, cơ sở dữ liệu, mạng, phần mềm, phân tích và trí tuệ nhân tạo—qua Internet ("đám mây"). Thay vì sở hữu và duy trì cơ sở hạ tầng điện toán riêng, các tổ chức có thể truy cập các dịch vụ này từ nhà cung cấp đám mây như Amazon Web Services (AWS) , Google Cloud hoặc Microsoft Azure . Mô hình này cho phép đổi mới nhanh hơn, tài nguyên linh hoạt và quy mô kinh tế, biến nó thành nền tảng thiết yếu cho Trí tuệ Nhân tạo (AI) và Học máy (ML) hiện đại. Ý tưởng cốt lõi, theo định nghĩa của Viện Tiêu chuẩn và Công nghệ Quốc gia (NIST) , là cung cấp quyền truy cập mạng theo yêu cầu, thuận tiện và phổ biến vào một nhóm tài nguyên điện toán được chia sẻ có thể cấu hình.

Điện toán đám mây hoạt động như thế nào

Các nhà cung cấp dịch vụ đám mây duy trì một mạng lưới trung tâm dữ liệu toàn cầu với số lượng phần cứng khổng lồ. Họ cung cấp dịch vụ thông qua nhiều mô hình khác nhau, phổ biến nhất là:

• Cơ sở hạ tầng dưới dạng Dịch vụ (IaaS): Cung cấp các tài nguyên điện toán cơ bản như máy ảo, lưu trữ và mạng. Điều này mang lại cho người dùng khả năng kiểm soát tối đa và lý tưởng cho các môi trường học sâu tùy chỉnh.
• Nền tảng dưới dạng Dịch vụ (PaaS): Cung cấp nền tảng cho phép khách hàng phát triển, vận hành và quản lý ứng dụng mà không cần phải xây dựng và bảo trì cơ sở hạ tầng phức tạp. Nền tảng này bao gồm cơ sở dữ liệu được quản lý và dịch vụ Kubernetes .
• Phần mềm dưới dạng Dịch vụ (SaaS): Cung cấp các ứng dụng phần mềm qua internet theo hình thức đăng ký. Ultralytics HUB là một ví dụ về nền tảng SaaS cung cấp các công cụ để đào tạo và quản lý các mô hình thị giác máy tính .

Cấu trúc này mang lại những lợi ích chính như tiết kiệm chi phí, khả năng mở rộng toàn cầu, hiệu suất cao và bảo mật dữ liệu được tăng cường, được quản lý thông qua quan hệ đối tác với các tổ chức như Liên minh bảo mật đám mây (CSA) .

Tầm quan trọng trong AI và Học máy

Đám mây là công cụ chính cho phát triển AI ngày nay. Việc đào tạo các mô hình tiên tiến, như Ultralytics YOLO , đòi hỏi sức mạnh tính toán và dữ liệu khổng lồ, thường không khả thi nếu lưu trữ cục bộ.

Các công dụng chính bao gồm:

• Đào tạo các mô hình mạnh mẽ: Đám mây cung cấp quyền truy cập vào phần cứng hiệu suất cao như GPU và TPU cần thiết cho việc đào tạo phân tán trên các tập dữ liệu lớn. Các nền tảng như Ultralytics HUB Cloud Training tận dụng điều này để tăng tốc quá trình phát triển mô hình.
• Quản lý các tập dữ liệu lớn: Các mô hình AI được đào tạo trên một lượng lớn dữ liệu đào tạo . Các giải pháp lưu trữ đám mây cung cấp các kho lưu trữ có khả năng mở rộng và truy cập được cho các tập dữ liệu này, từ ImageNet đến các bộ sưu tập tùy chỉnh cho các tác vụ cụ thể như phát hiện đối tượng .
• Triển khai Mô hình Khả năng Mở rộng: Sau khi mô hình được huấn luyện, nó có thể được triển khai lên đám mây để suy luận theo thời gian thực . Tính đàn hồi của đám mây cho phép các ứng dụng tự động mở rộng để xử lý nhu cầu biến động, một nguyên tắc cốt lõi của MLOps . Bạn có thể tìm hiểu thêm về các tùy chọn triển khai mô hình khác nhau trong tài liệu của chúng tôi.

Ứng dụng trong thế giới thực

1. Trí tuệ nhân tạo (AI) trong Ô tô: Các công ty phát triển xe tự hành thu thập hàng petabyte dữ liệu lái xe. Họ sử dụng các cụm GPU dựa trên đám mây để đào tạo và xác thực các mô hình nhận thức có khả năng nhận dạng người đi bộ, phương tiện và biển báo đường bộ, một quy trình được trình bày chi tiết trong trang giải pháp AI trong Ô tô của chúng tôi.
2. AI trong Chăm sóc Sức khỏe: Một bệnh viện nghiên cứu có thể sử dụng môi trường đám mây an toàn, tuân thủ HIPAA để đào tạo mô hình chẩn đoán phân tích hình ảnh y tế . Bằng cách tổng hợp dữ liệu ẩn danh, họ có thể xây dựng một mô hình mạnh mẽ sử dụng một nền tảng như PyTorch để phát hiện các bất thường trong X-quang hoặc MRI, dẫn đến chẩn đoán nhanh hơn và chính xác hơn, từ đó cải thiện AI trong chăm sóc sức khỏe .

Điện toán đám mây so với các khái niệm liên quan

• Điện toán không máy chủ: Điện toán không máy chủ là một mô hình thực thi trong điện toán đám mây, chứ không phải là một giải pháp thay thế. Trong khi điện toán đám mây nói chung có thể bao gồm việc quản lý máy chủ ảo (IaaS), thì không máy chủ trừu tượng hóa mọi hoạt động quản lý máy chủ. Bạn chỉ cần cung cấp mã (dưới dạng hàm), và nhà cung cấp đám mây sẽ tự động cung cấp tài nguyên để chạy mã, mở rộng từ không đến khối lượng lớn khi cần.
• Điện toán biên: Điện toán biên liên quan đến việc xử lý dữ liệu cục bộ trên các thiết bị ở "biên" của mạng, gần với nguồn dữ liệu. Điều này trái ngược với mô hình tập trung của điện toán đám mây. Tuy nhiên, chúng thường được kết hợp với nhau theo phương pháp lai. Ví dụ: một thiết bị AI biên như NVIDIA Jetson có thể thực hiện phát hiện đối tượng ban đầu và sau đó chỉ gửi siêu dữ liệu có liên quan lên đám mây để lưu trữ dài hạn, tổng hợp hoặc phân tích chuyên sâu hơn. Phương pháp này kết hợp độ trễ thấp của biên với sức mạnh khổng lồ của đám mây. Bạn có thể tìm hiểu thêm thông tin chi tiết trên blog của chúng tôi về việc triển khai ứng dụng trên thiết bị biên .