顯示輸出費用
人工智慧 (AI) 的興起在整個商業世界掀起了巨大波瀾。各個產業都在爭先恐後地研究投資 AI 對未來的影響——以及錯過這一機遇可能帶來的後果。
近幾個月的媒體報導大多圍繞生成式 AI 快速生成內容的能力展開。然而，對於那些希望挖掘 AI 真正變革性潛力（而不僅僅是用來傳送偶發性電子郵件的工具）的人來說，這完全是另一回事。要讓這項技術實現人們所想像的影響力，AI 需要存取大量訓練資料以從中學習，同時還需要強大的運算能力支撐。
問題在於，雖然這兩個方面都十分重要，但它們也在儲存和資料管理方面帶來了挑戰。正因如此，雲端成為儲存和處理 AI 應用程式資料的首選解決方案也就不足為奇了。
雲端儲存與 AI——數位世界的絕配
雲端儲存為處理大量資料提供了一種靈活、可擴展且經濟高效的解決方案。因此，雲端儲存與 AI 應用程式可謂相得益彰。兩者共同構成了訓練資料的存放庫，讓機器學習模型能夠根據新的輸入做出預測或決策。
舉例來說，想像一家銀行正在開發一套由 AI 提供支援的詐欺偵測系統。為了讓這套系統有效運作，機器學習模型需要大量交易資料，例如消費的金額、資金的用途以及交易發生的地點。這些資料讓 AI 程式能夠識別異常行為、標記可疑活動，並學會如何辨別詐欺行為。
單單是彙整這些資料就已經是一項龐大的任務。但與 AI 驅動的反詐欺系統運作所需的資料量和處理能力相比，這根本微不足道。
解決此問題的一種方法是使用第三方雲端儲存服務提供者，這樣銀行就可以儲存和分析其交易資料，而無需自行投資或維護實體基礎架構。
隨著專案的發展，銀行可能會選擇為其反詐欺 AI 系統採用多雲端，以幫助控制成本並確保遵守金融法規。隨著專案逐漸推進，銀行可能會決定將一個雲端平台用於「訓練」階段，讓 AI 程式能夠從資料中「學習」……而將另一個雲端平台用於「推斷」階段，即進行詐欺預測。
這種多平台方法在 AI 系統的開發中非常常見。但這也意味著，企業需要不斷在不同的雲端平台之間移動資料才能充分發揮 AI 的潛力，但這些不同的平台通常由多個雲端服務提供者提供。
輸出費用——對於資料的稅費
但這裡存在一個問題。在不同的雲端平台之間移動資料可能會產生輸出費用，也就是資料傳輸費用。這是雲端服務提供者在資料從其網路中傳輸出去時收取的費用。
問題在於，雖然輸出費用單獨看起來相對較小，但隨著資料傳輸量的增加，尤其是在使用多個雲端服務提供者的情況下，這些費用可能會迅速累積。
為了最大限度減少輸出費用（有時將其視為資料傳輸的「稅金」），一些雲端提供者鼓勵其客戶僅在其單個雲端中儲存資料和訓練 AI 模型。這樣確實消除了輸出費用，但這種方法並非總是可行，也不一定是最佳做法。
需要消除輸出費用
很顯然，解決這個問題的方法是全面消除輸出費用，讓資料能夠自由流動而無需承擔額外的財務負擔。如果在未來免除這些費用，企業將能夠在多個雲端平台儲存和分析資料，從而利用最適合的工具，同時避免產生額外成本。
這樣的舉措將讓各組織能夠充分發揮 AI 的潛力，而不必擔心費用不斷上升的問題。
實作零輸出費用的雲端儲存模型，將為組織節省大量成本，從而騰出資源用於其他重要業務領域。同時，這種模式還能消除依賴單一雲端服務提供者所帶來的風險，確保更高的可靠性以及更好地防範服務中斷。
或許最重要的是，消除輸出費用將促進創新。多雲端架構所提供的靈活性使企業能夠輕鬆選擇最適合特定任務的服務提供者。這將支援各組織專注於實驗與創新，充分利用 AI 及其他尖端技術，而不會受到成本或限制的阻礙。
消除輸出費用將釋放 AI 的全部潛力
毫無疑問，AI 將徹底改變各個產業和整個社會。但是，如果沒有雲端運算、儲存以及在平台之間移動大量資料，這一切便無法實現。
正如前文所強調的那樣，輸出費用不僅會造成成本高昂，更是創新的障礙。如果要在雲端為 AI 創造更光明的未來，消除輸出費用至關重要。這也是為什麼在 2018 年，Cloudflare 與 Azure、Google Cloud、Oracle、阿里雲等公司共同創立了 Bandwidth Alliance，旨在幫助客戶減少輸出費用。
透過採用這種方法，各組織可以充分發揮 AI 的全部潛力，而不必擔心在雲端之間傳輸資料所產生的成本。這也代表著多雲端儲存的重大進步，為 AI 和資料管理更高效、更創新、更有希望的未來奠定了基礎。
Cloudflare 就影響當今技術決策者的最新趨勢和主題發表了一系列文章，本文為其一。
本文最初是為 Business Reporter 所撰寫
作者
John Engates — @jengates
Cloudflare 現場技術長
重點
閱讀本文後，您將能夠瞭解：
為什麼輸出費用被視為資料稅
零輸出物件儲存的模型
零輸出費用對發揮 AI 全部潛力的影響