云计算

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，而是可以按需从云提供商处获取技术服务。对于人工智能 (AI)和机器学习 (ML)的实践者来说，这种范式具有变革性。它提供了处理海量数据集和复杂计算所需的弹性可扩展性，而无需承担高昂的硬件前期成本。

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。训练复杂的深度学习 (DL)模型需要巨大的处理能力。云平台提供对高性能图形处理单元 (GPU)和张量处理单元 (TPU)集群的即时访问，使研究人员能够对海量训练数据进行分布式训练。

除了原始算力，云服务还简化了机器学习运维 (MLOps)。从数据摄取和数据标注到模型部署和监控，云提供了一个统一的生态系统。这使得团队能够专注于优化算法，而不是管理基础设施。例如，Ultralytics 平台利用云资源简化了YOLO26等视觉模型的训练和管理。

核心服务模式

云计算通常分为三种模型，每种提供不同程度的控制：

• 基础设施即服务 (IaaS)：提供基本的计算和存储资源。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)：消除了管理底层基础设施的需要，使开发人员能够专注于部署应用程序。这在数据库管理和应用程序托管方面很受欢迎。
• 软件即服务 (SaaS)：通过互联网交付完整的软件产品。Ultralytics平台是SaaS的一个典型例子，提供一个用于训练计算机视觉模型的无代码界面。

人工智能在现实世界中的应用

云计算使AI解决方案能够在全球范围内跨越不同行业运行。

• 医学影像：医疗保健提供商使用云安全地存储PB级数据。运行在云服务器上的医学图像分析算法可以处理MRI或CT扫描，辅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。
• 智能零售：零售商利用云连接摄像头进行目标detect，以监控库存水平并分析顾客客流量。数据被传输到云端，经过处理以提取洞察，并在仪表板上可视化呈现给店长。了解零售AI如何优化运营。

云计算与边缘计算

区分云计算与边缘计算很重要，因为它们在AI管道中扮演互补的角色。

• 云计算: 将数据处理集中在大型数据中心。它最适合模型训练、历史 大数据 分析和长期存储等繁重工作负载。
• 边缘计算：在数据生成源（例如物联网设备、制造机器人）附近处理数据。这最大限度地减少了推理延迟和带宽使用。

常见的工作流程包括在云端训练像YOLO26这样的强大模型以利用高速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，在云环境中，GPU资源可以显著加速该过程。

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，利用云训练解决方案可确保您的模型权重得到高效优化，而不会使本地工作站过热。