Cloud Computing

云计算是指通过互联网按需交付IT资源，例如服务器、存储、数据库、网络和软件。组织无需购买、拥有和维护物理数据中心，而是可以根据需要从云服务商访问技术服务。对于Artificial Intelligence (AI)和Machine Learning (ML)的从业者来说，这种范式具有变革意义。它提供了处理海量数据集和复杂计算所需的弹性scalability，而没有高昂的前期硬件成本。

云在 AI 开发中的重要性#

云基础设施与现代AI之间的共生关系加速了技术创新。训练复杂的Deep Learning (DL)模型需要巨大的处理能力。云平台提供对高性能Graphics Processing Units (GPUs)和Tensor Processing Units (TPUs)集群的即时访问，使研究人员能够对大量training data进行distributed training。

除了强大的算力之外，云服务还简化了Machine Learning Operations (MLOps)。从数据摄取、data labeling到model deployment和监控，云提供了一个统一的生态系统。这使团队能够专注于完善算法，而不是管理基础设施。例如，Ultralytics Platform利用云资源来简化像YOLO26这样的视觉模型的训练和管理。

核心服务模型#

云计算通常分为三种模型，每种模型提供不同级别的控制权限：

• **基础设施即服务 (IaaS)：**提供基础的计算和存储资源。用户管理操作系统和应用程序，通常使用Docker容器等工具。示例包括Amazon EC2和Google Compute Engine。
• **平台即服务 (PaaS)：**无需管理底层基础设施，让开发者能够专注于部署应用程序。这在database management和应用程序托管中很受欢迎。
• **软件即服务 (SaaS)：**通过互联网交付完整的软件产品。Ultralytics Platform是SaaS的一个典型例子，它为训练computer vision模型提供了一个无代码界面。

人工智能的实际应用#

云计算使 AI 解决方案能够在各行各业中实现全球化运作。

• **医学影像：**医疗机构使用云来安全地存储PB级的数据。在云服务器上运行的Medical image analysis算法可以处理MRI或CT扫描，以协助放射科医生检测异常。这种集中处理确保始终使用最新的模型版本。
• **智慧零售：**零售商利用连接云的摄像头进行object detection，以监控库存水平并分析客户客流量。数据被流式传输到云端，经处理后提取洞察，并在仪表板上可视化供店长查看。了解AI in Retail如何优化运营。

云计算与边缘计算#

务必将云计算与edge computing区分开来，因为它们在AI流水线中发挥着互补的作用。

• **云计算：**将数据处理集中在庞大的数据中心中。它最适合模型训练、历史Big Data分析和长期存储等繁重的工作负载。
• **边缘计算：**在生成源附近（例如IoT设备、制造机器人）处理数据。这最大限度地减少了inference latency和带宽使用。

常见的的工作流涉及在云端训练像YOLO26这样强大的模型以利用高速GPU，然后将其导出为ONNX等格式，以便在边缘设备上高效执行。

示例：云就绪模型训练#

以下 Python 代码片段演示了如何启动 Ultralytics YOLO26 模型的训练。虽然此代码可以在本地运行，但它旨在无缝扩展到云环境，在这些环境中 GPU 资源可显著加速训练过程。

from ultralytics import YOLO

# Load the latest YOLO26 model (recommended for speed and accuracy)
model = YOLO("yolo26n.pt")

# Train the model on the COCO8 dataset
# Cloud GPUs drastically reduce training time for larger datasets
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

对于大规模项目，利用cloud training解决方案可确保你的model weights高效优化，而不会使本地工作站过热。