作为一个概念，人工智能非常古老。大约 40 年前，我大学毕业后的第 一份工作是使用Lisp的 AI 系统开发人员。当时的许多概念今天仍在使用。然而，现在为任何数量的商业目的构建、部署和操作人工智能系统的成本要低一千倍。

　　云计算彻底改变了人工智能和机器学习，不是因为超大规模者发明了它，而是因为它们让人们负担得起。尽管如此，我和其他一些人看到了在哪里托管 AI/ML 处理和 AI/ML 耦合数据的思考转变。在过去的几年里，使用公共云提供商几乎是一件轻而易举的事。如今，托管 AI/ML 的价值以及公共云提供商所需的数据受到质疑。为什么？

　　当然是成本。许多企业已经在云中构建了改变游戏规则的 AI/ML 系统，当他们在月底收到云账单时，他们很快就明白托管 AI/ML 系统（包括 TB 或 PB 数据）的成本很高。此外，数据出入口成本（将数据从云提供商发送到数据中心或其他云提供商所支付的费用）将大大增加该费用。

　　公司正在寻找其他更具成本效益的选择，包括托管服务提供商和托管服务提供商 (colos)，甚至将这些系统移至大厅下方的旧服务器机房。最后一组回归“自有平台”主要有两个原因。

　　首先，在过去五年左右的时间里，传统计算和存储设备的成本大幅下降。如果您除了基于云的系统之外从未使用过任何东西，请让我解释一下。我们过去常常进入称为数据中心的房间，在那里我们可以实际接触我们的计算设备——我们必须在使用之前直接购买这些设备。我只是在开玩笑。

　　当谈到租用和购买时，许多人发现传统方法，包括维护自己的硬件和软件的负担，实际上比不断增加的云计算费用便宜得多。

　　其次，许多人在使用云时遇到了一些延迟。速度放缓是因为大多数企业在开放的互联网上使用基于云的系统，而多租户模型意味着您同时与许多其他人共享处理器和存储系统。偶尔的延迟可能会导致每年数千美元的收入损失，具体取决于您在云中使用特定的基于云的 AI/ML 系统所做的事情。

　　云提供商提供的许多 AI/ML 系统也可用于传统系统。如果您没有被锁定在仅在单个云提供商上运行的 AI/ML 系统中，那么从云提供商迁移到本地服务器更便宜、更快，并且更类似于提升和转移过程。

　　这里的底线是什么？云计算将继续增长。我们拥有和维护其硬件的传统计算系统并不多。这一趋势不会放缓。但是，某些系统，尤其是使用大量数据和处理并且恰好对延迟敏感的 AI/ML 系统，在云中不会具有成本效益。这也可能是一些更大的分析应用程序的情况，例如数据湖和数据湖房屋。

　　有些人可以通过将 AI/ML 系统遣返本地来节省一半在公共云提供商上托管的年度成本。这个商业案例太引人注目了，不容忽视，而且许多人不会。

　　云计算价格可能会降低，以适应这些在公共云提供商上运行成本高昂的工作负载。事实上，许多工作负载可能一开始就没有在那里构建，我怀疑这就是现在正在发生的事情。将云用于 AI/ML 不再是一件轻而易举的事。