2001年6月，著名導演斯皮爾伯格執導的《人工智能》(英文名：《AI》)面世，影片講述了機器人小男孩大衛為了尋找自我、探索人性而踏上旅途，并努力縮短機器人與人類差距而奮斗的故事。

這部電影上映16年后，雖然情感和意識機器人的誕生還遙遙無期，但AI卻成了全球范圍內最火熱的話題，它戰勝了棋壇霸主、它服務著人類的生活、它改造著各種傳統產業、它成了人們創業的風口……

近日，一則新聞再次挑動了人們的神經，因不少廠商使用其旗下GeForce游戲卡替代Quadro系列、Tesla系列等圖形工作、深度學習方面的產品，為了避免產品線混亂、削弱利潤，芯片巨頭NVIDIA(英偉達)規定，不許將GeForce游戲卡賣給專業廠商或者用于專業領域，有推測華碩、微星、技嘉等同時擁有顯卡和服務器業務的伙伴將是其重點監視對象。

此消息一出，業界嘩然，有人稱“產品上市后自然會出現各種情況，英偉達應該做的是提高各系產品的不可替代性，而不是借助巨頭地位卡別人脖子”，有人表示“畢竟Quadro、Tesla等價格昂貴而GeForce游戲卡價格低廉，站在企業立場，英偉達這么做也無可厚非”，也有評論稱“英偉達一貫強勢，該規定一出，絕大多數AIC廠商、經銷商都會嚴格遵守，否則有可能被減少甚至停止供貨，得不償失”，更有媒體對中小企業和AI創業者表示同情“供應商倒還好，但服務器和工作站會有點小麻煩，采購成本肯定會大大增加，雖然AMD、英特爾等也有專業卡產品，但在性能和技術支持上會稍遜一籌”……，總之，用一句話來總結，都是錢鬧的!

事實上，不管是圖形工作、深度學習，還是人機交互、高性能計算，乃至于大數據處理、云數據存儲，甚至是虛擬現實、虛擬增強，都屬于AI的細分領域或者不可缺少的支持環節，而在AI創業領域，除了技術和人才，成本高、配套貴是制約企業高速發展的瓶頸之一。

AI創業，怎一個“貴”字了得！

當前，AI在媒體上出現的頻率越來越高，依照現有科技的迭代速度，不久的將來它就能深入生活的方方面面和社會的各個角落，而隨著AI產業的興起，它在圖像(物體識別、人臉識別等)、自然語言(語音識別、翻譯、對話機器人)、智能醫療、智能推薦(廣告、新聞、視頻)等領域取得了快速發展，帶動了一波又一波的創業潮，與此同時，AI技術對計算資源的需求也在飛速增加。

通常來說，構建AI服務包括三個步驟：大數據收集與處理、AI模型訓練、AI模型在線服務，每一個環節都需要投入海量計算資源，其中牽扯到的最關鍵要素，就是成本。

舉個例子，構建Hadoop平臺可能就需要5個以上的節點，Hadoop節點對于硬件性能要求高，大量的節點數量又增加維護成本。AI對應不同的應用場景，需要用不同的海量數據來訓練模型，目前大多數AI企業的做法是采用不同參數來訓練同一批模型，尋找最優解，為了加快訓練速度，減少產品研發周期，許多人選擇GPU進行訓練，甚至是一次訓練任務使用多張GPU，而一張英偉達P40成本8000美金，即使家用級的1080ti也需要700美金，再加上每張卡250w的功率，每卡每天耗電6度，不算維護的人工，對于初創階段的企業來說，電費就是一筆不小的開支。

總而言之，除了一次性的硬件購買需要投入大量資金以外，要讓AI系統正常工作一般需要涉及電路改造，需要專業的硬件和操作系統運維工程師，日常電費開銷、運維成本等也不低，還要面臨著自行采購GPU可能無法充分利用而造成資源閑置浪費進一步推高成本的可能，哪哪兒都是錢。

一個可供側面印證的事實是，創立于1993年的NVIDIA，其真正的拳頭產品其實是1999年上市至今依然暢銷的GeForce系列獨立游戲顯卡，但因為趕上時代腳步，促成了GPU的通用化，憑借Quadro、Tesla等昂貴的針對AI領域的產品線優勢，該公司成為2016年標普500第一明星股，全年超逾220%的漲幅令許多人驚呼“第二個蘋果”即將誕生，說到底，其優異的市場表現和AI創業者們持續高昂的成本投入，其實存在著某些方面的因果關系。

AI創業者，如何破解“貴”之魔咒？

“貴”，是AI企業和創業者不得不面臨的魔咒，諸多跡象表明，對于從事AI業務的公司來說，研發人員可能手握很好的AI算法模型和解決方案，卻往往因為投入成本、運維成本等導致業務開展受阻、企業發展速度受限。

那么，如何打破這個魔咒?有沒有更好的選擇?在筆者看來，答案是有的。

首先，在核心硬件的使用上當然要力爭上馬優秀產品，但在整體解決方案的選擇方面，其實不必過分迷信“巨頭”、更不必崇拜“價格高的就是好的”;其次，如果沒有特別專業的運維人員和充足的運維經驗，與其自行采購自行管理，不如將它交給更專業的第三方和托管機構。

當前，包括BAT在內，國內眾多企業都在進行AI布局，做得好的品牌也有不少，比如UCloud、青云等等，都在各自細分領域做出了亮眼的業績，積累了良好的口碑。

阿里云的PI平臺，構建了自己的生態體系，整個平臺對于自己的深度學習框架支持和優化做得非常好，但對于開源框架卻只支持tensorflow，而剛剛獲得9.6億融資的UCloud在今年也推出了深度學習的訓練平臺，整體是以為各家AI企業提供算力為目的打造，此外還支持用戶自定義的深度學習框架。

以UCloud AI Train平臺為例，它可幫助客戶解決AI模型訓練過程面臨的四個關鍵問題：該平臺基于性能強大的GPU云主機集群構建，計算能力足夠;同時提供一站式訓練任務托管服務，包括自動實現計算節點調度、訓練環境準備、數據上傳下載以及任務容災等功能，能夠幫助用戶從繁雜的GPU資源采購、管理、運維工作中解放出來;另外，UAI-Train平臺按照實際計算消耗付費，計費精確到分鐘，極大地降低AI的成本投入，還可以避免閑置資源的浪費。總而言之，在快速AI轉型、降低AI成本、簡化AI運維、共享GPU資源等應用場景上，UAI-Train平臺都能夠提供更好的一體化解決方案。

在9月份，由創新工場、搜狗與今日頭條聯合發起的“AI Challenger全球AI挑戰賽”中，UCloud 便作為唯一的AI GPU合作方，為大賽獨家提供了AI模型訓練服務;與此同時，因為更加優化的軟硬件解決方案和能夠大幅度降低成本的原因，業內知名企業格靈深瞳也與UCloud達成合作，由UCloud為其提供GPU在線服務的計算支持。

據了解，中國正成為全球AI版圖最有潛力的組成部分，AI也已經成為中國一場新的“全民運動”，計算力強、數據量大、國家政策支持、產業形勢向好等系列優勢為AI產業的發展奠定了堅實的基礎，據國務院《新一代人工智能發展規劃》，到2030年，我國AI理論、技術與應用將總體達到世界領先水平，AI核心產業規模將超過1萬億并帶動相關產業規模超過10萬億。

和手機產業一樣，當前國內AI正在迎頭趕上，以UCloud為代表的企業正在打造下一代AI as a Service平臺，這，或許會是AI黃金時代的序章，也是AI創業者們不再為成本高、投入大而頭疼的前奏!