Điện toán đám mây

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

Cách thức hoạt động của Điện toán đám mây

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

• Cơ sở hạ tầng như một dịch vụ (IaaS): Cung cấp các tài nguyên máy tính cơ bản như máy ảo, bộ nhớ và mạng. Điều này cung cấp cho người dùng khả năng kiểm soát tối đa và lý tưởng cho các môi trường học sâu tùy chỉnh.
• Nền tảng như một Dịch vụ (PaaS): Cung cấp một nền tảng cho phép khách hàng phát triển, chạy và quản lý các ứng dụng mà không cần sự phức tạp của việc xây dựng và duy trì cơ sở hạ tầng. Điều này bao gồm cơ sở dữ liệu được quản lý và các dịch vụ Kubernetes.
• Phần mềm như một dịch vụ (SaaS): Cung cấp các ứng dụng phần mềm qua internet trên cơ sở 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 cho phép các lợi ích chính như tiết kiệm chi phí, khả năng mở rộng toàn cầu, hiệu suất cao và bảo mật dữ liệu nâng cao, được quản lý với sự hợp tác của các tổ chức như Cloud Security Alliance (CSA).

Tầm quan trọng trong AI và Học máy

Điện toán đám mây là động cơ chính cho sự phát triển AI ngày nay. Việc huấn luyện các mô hình tiên tiến, như Ultralytics YOLO, đòi hỏi sức mạnh tính toán và dữ liệu rất lớn, điều này thường không thực tế để lưu trữ cục bộ.

Các ứng dụng chính bao gồm:

• Huấn luyện 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 huấn luyện phân tán trên các tập dữ liệu lớn. Các nền tảng như Ultralytics HUB Cloud Training tận dụng điều này để tăng tốc phát triển mô hình.
• Quản lý Bộ dữ liệu Lớn: Các mô hình AI được huấn luyện trên một lượng lớn dữ liệu huấn luyện. Các giải pháp lưu trữ đám mây cung cấp các kho lưu trữ có thể mở rộng và dễ truy cập cho các bộ 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 có 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 chất linh hoạt của đám mây cho phép các ứng dụng tự động mở rộng để xử lý sự thay đổi nhu cầu, 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.

Các Ứng dụng Thực tế

1. AI trong ngành 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 huấn luyện và xác thực các mô hình nhận thức có thể xác định người đi bộ, xe cộ 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 lĩnh vực chăm sóc sức khỏe: Một bệnh viện nghiên cứu có thể sử dụng môi trường đám mây an toàn, tuân thủ HIPAA để huấn luyện mô hình chẩn đoán cho phân tích hình ảnh y tế. Bằng cách gộp dữ liệu ẩn danh, họ có thể xây dựng một mô hình mạnh mẽ bằng cách sử dụng một framework như PyTorch để phát hiện các bất thường trong tia X hoặc MRI, dẫn đến chẩn đoán nhanh hơn và chính xác hơn để cải thiện AI trong chăm sóc sức khỏe.

Điện toán đám mây so với các khái niệm liên quan

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