2001年6月，著名导演斯皮尔伯格执导的《人工智能》(英文名：《AI》)面世，影片讲述了机器人小男孩大卫为了寻找自我、探索人性而踏上旅途，并努力缩短机器人与人类差距而奋斗的故事。
这部电影上映16年后，虽然情感和意识机器人的诞生还遥遥无期，但AI却成了全球范围内最火热的话题，它战胜了棋坛霸主、它服务着人类的生活、它改造着各种传统产业、它成了人们创业的风口……
近日，一则新闻再次挑动了人们的神经，因不少厂商使用其旗下GeForce游戏卡替代Quadro系列、Tesla系列等图形工作、深度学习方面的产品，为了避免产品线混乱、削弱利润，芯片巨头NVIDIA(英伟达)规定，不许将GeForce游戏卡卖给专业厂商或者用于专业领域，有推测华硕、微星、技嘉等同时拥有显卡和服务器业务的伙伴将是其重点监视对象。
(图片来源于网络)
此消息一出，业界哗然，有人称“产品上市后自然会出现各种情况，英伟达应该做的是提高各系产品的不可替代性，而不是借助巨头地位卡别人脖子”，有人表示“毕竟Quadro、Tesla等价格昂贵而GeForce游戏卡价格低廉，站在企业立场，英伟达这么做也无可厚非”，也有评论称“英伟达一贯强势，该规定一出，绝大多数AIC厂商、经销商都会严格遵守，否则有可能被减少甚至停止供货，得不偿失”，更有媒体对中小企业和AI创业者表示同情“供应商倒还好，但服务器和工作站会有点小麻烦，采购成本肯定会大大增加，虽然AMD、英特尔等也有专业卡产品，但在性能和技术支持上会稍逊一筹”……，总之，用一句话来总结，都是钱闹的!
事实上，不管是图形工作、深度学习，还是人机交互、高性能计算，乃至于大数据处理、云数据存储，甚至是虚拟现实、虚拟增强，都属于AI的细分领域或者不可缺少的支持环节，而在AI创业领域，除了技术和人才，成本高、配套贵是制约企业高速发展的瓶颈之一。
AI创业，怎一个“贵”字了得！
当前，AI在媒体上出现的频率越来越高，依照现有科技的迭代速度，不久的将来它就能深入生活的方方面面和社会的各个角落，而随着AI产业的兴起，它在图像(物体识别、人脸识别等)、自然语言(语音识别、翻译、对话机器人)、智能医疗、智能推荐(广告、新闻、视频)等领域取得了快速发展，带动了一波又一波的创业潮，与此同时，AI技术对计算资源的需求也在飞速增加。
通常来说，构建AI服务包括三个步骤：大数据收集与处理、AI模型训练、AI模型在线服务，每一个环节都需要投入海量计算资源，其中牵扯到的最关键要素，就是成本。
举个例子，构建Hadoop平台可能就需要5个以上的节点，Hadoop节点对于硬件性能要求高，大量的节点数量又增加维护成本。AI对应不同的应用场景，需要用不同的海量数据来训练模型，目前大多数AI企业的做法是采用不同参数来训练同一批模型，寻找最优解，为了加快训练速度，减少产品研发周期，许多人选择GPU进行训练，甚至是一次训练任务使用多张GPU，而一张英伟达P40成本8000美金，即使家用级的1080ti也需要700美金，再加上每张卡250w的功率，每卡每天耗电6度，不算维护的人工，对于初创阶段的企业来说，电费就是一笔不小的开支。
总而言之，除了一次性的硬件购买需要投入大量资金以外，要让AI系统正常工作一般需要涉及电路改造，需要专业的硬件和操作系统运维工程师，日常电费开销、运维成本等也不低，还要面临着自行采购GPU可能无法充分利用而造成资源闲置浪费进一步推高成本的可能，哪哪儿都是钱。
一个可供侧面印证的事实是，创立于1993年的NVIDIA，其真正的拳头产品其实是1999年上市至今依然畅销的GeForce系列独立游戏显卡，但因为赶上时代脚步，促成了GPU的通用化，凭借Quadro、Tesla等昂贵的针对AI领域的产品线优势，该公司成为2016年标普500第一明星股，全年超逾220%的涨幅令许多人惊呼“第二个苹果”即将诞生，说到底，其优异的市场表现和AI创业者们持续高昂的成本投入，其实存在着某些方面的因果关系。
AI创业者，如何破解“贵”之魔咒？
“贵”，是AI企业和创业者不得不面临的魔咒，诸多迹象表明，对于从事AI业务的公司来说，研发人员可能手握很好的AI算法模型和解决方案，却往往因为投入成本、运维成本等导致业务开展受阻、企业发展速度受限。
那么，如何打破这个魔咒?有没有更好的选择?在笔者看来，答案是有的。
首先，在核心硬件的使用上当然要力争上马优秀产品，但在整体解决方案的选择方面，其实不必过分迷信“巨头”、更不必崇拜“价格高的就是好的”;其次，如果没有特别专业的运维人员和充足的运维经验，与其自行采购自行管理，不如将它交给更专业的第三方和托管机构。
当前，包括BAT在内，国内众多企业都在进行AI布局，做得好的品牌也有不少，比如UCloud、青云等等，都在各自细分领域做出了亮眼的业绩，积累了良好的口碑。
阿里云的PI平台，构建了自己的生态体系，整个平台对于自己的深度学习框架支持和优化做得非常好，但对于开源框架却只支持tensorflow，而刚刚获得9.6亿融资的UCloud在今年也推出了深度学习的训练平台，整体是以为各家AI企业提供算力为目的打造，此外还支持用户自定义的深度学习框架。
以UCloud AI Train平台为例，它可帮助客户解决AI模型训练过程面临的四个关键问题：该平台基于性能强大的GPU云主机集群构建，计算能力足够;同时提供一站式训练任务托管服务，包括自动实现计算节点调度、训练环境准备、数据上传下载以及任务容灾等功能，能够帮助用户从繁杂的GPU资源采购、管理、运维工作中解放出来;另外，UAI-Train平台按照实际计算消耗付费，计费精确到分钟，极大地降低AI的成本投入，还可以避免闲置资源的浪费。总而言之，在快速AI转型、降低AI成本、简化AI运维、共享GPU资源等应用场景上，UAI-Train平台都能够提供更好的一体化解决方案。
在9月份，由创新工场、搜狗与今日头条联合发起的“AI Challenger全球AI挑战赛”中，UCloud 便作为唯一的AI GPU合作方，为大赛独家提供了AI模型训练服务;与此同时，因为更加优化的软硬件解决方案和能够大幅度降低成本的原因，业内知名企业格灵深瞳也与UCloud达成合作，由UCloud为其提供GPU在线服务的计算支持。
据了解，中国正成为全球AI版图最有潜力的组成部分，AI也已经成为中国一场新的“全民运动”，计算力强、数据量大、国家政策支持、产业形势向好等系列优势为AI产业的发展奠定了坚实的基础，据国务院《新一代人工智能发展规划》，到2030年，我国AI理论、技术与应用将总体达到世界领先水平，AI核心产业规模将超过1万亿并带动相关产业规模超过10万亿。
和手机产业一样，当前国内AI正在迎头赶上，以UCloud为代表的企业正在打造下一代AI as a Service平台，这，或许会是AI黄金时代的序章，也是AI创业者们不再为成本高、投入大而头疼的前奏!
