去年10月，德国一家名为Deschutes的啤酒厂在酿酒时发现，啤酒没有在寻常的温度下发酵。不过幸运的是，一个软件系统触发了警告，问题也得以顺利解决。酿酒师Brian Faivre后来说：“最坏的情况是要废弃掉一整批酒。”这无疑是一场灾难。

那款发现温度异常的软件来自微软，它使用了名为机器学习的人工智能技术。这没什么了不起的，但有趣的是，Deschutes是从微软的云计算服务中，直接在网上租用的这个软件。Deschutes每天都会使用该系统，决定什么时候停止一部分酿造过程，并开始下一个，这样可以节省时间，同时生产更好的啤酒。

它只是众多使用微软、亚马逊和Google的AI工具和云服务的公司之一。其他例子还有，C-SPAN用亚马逊图像识别技术，自动识别电视节目中演讲者的角色；美国保险公司USAA计划使用Google类似的技术，评估车祸和洪水造成的损害，而不需要理算人员去现场；美国心脏协会在用亚马逊语音识别，开发聊天机器人。

AI软件需要数千的处理器和大量的电力，这只有一些大型的科技公司才能负担得起。就像早期的Google系统，耗资超过100万美元，使用了约1000台计算机，这可不是谁都玩得起的。

Deschutes没有时间也没有这样的技术，而且它干的是酿造啤酒，又不是数据中心。所以，越来越合理的解决方案是，微软、亚马逊和Google这样的公司开始提供在线AI软件。

新一代的应用需要更加强大的数据科学和机器学习技术，而提供这种工具的竞争也越来越激烈。

亚马逊现在是公有云的领导者，不过各家都有其优势。Google的AI工具声誉很高，微软有很强的企业服务基础，而亚马逊的优势在于，多数企业云端的数据都是在AWS中。

IDC研究人员称，让强大的AI软件变得人人可用，才是云计算的最新战场，这也会决定哪家成为云基础设施市场的最终赢家。

公共云的三家领头公司已经开放了语音和图像识别等功能，让各家公司在自己的应用中嵌入AI。比如，微软提供了25种不同的功能，其中就包括可以感受情感、理解意图的认知软件。亚马逊在去年11月推出了类似的工具，其Rekognition可以识别图像的内容，Polly能将文本转换为语音，基于Alexa的Lex则可用语音和文本识别来构建对话机器人。

为了对销售周期和产品开发的各个方面进行更好的分析、优化和预测，越来越多的公司在尝试深度学习这样的技术。IDC预计，未来五年在认知系统和AI上的支出，将每年增长55％，而基于云的部分应该增长得更快。

比如，Pinterest在用亚马逊的图像识别服务，让用户拍一个物品，比如鞋子，然后找到类似的鞋。印度的学校在使用微软的Azure机器学习，来预测哪些学生可能会辍学；印度的农民也在基于对季风数据的分析，来确定何时种植作物。强生则在使用Google的招聘机器学习算法，来分析候选人的技能、偏好、资历，从而匹配最好的岗位。

亚马逊AWS深度学习和AI部门的总经理Matt Wood认为：时机成熟的时候，深度学习会是EC2(弹性计算)极受欢迎的特点之一。

Google进入公有云市场偏晚，但希望凭自己在AI上的经验和大量计算资源迎头赶上。为此，它成立了一个新的“高级解决方案实验室”，让外部公司参与Google为自己的员工设计的机器学习专家培训课程。USAA是最早加入的公司，它凭借Google的工程师为金融服务公司开发软件。

当然，并不是所有人都对云端的AI市场十分确定。毕竟，一些公司的大量数据仍然存储在内部，将其移动到云端既昂贵又耗时。AI算法与数据，相比之下前者更容易获得。

不过亚马逊的Wood并不同意，他注意到外界对公司的Snowball需求越来越多，这项服务能将大量信息传输到数据中心。去年11月，亚马逊还推出了一款名为Snowmobile的18轮卡车，可以一次转移100PB的数据。

以挪威电力公司eSmart Systems AS为例，它开发的无人机可以用于拍摄电力设备。它会开发自己的算法来分析影像数据，寻找需要修理的设施。但它租用了微软的Azure云服务，从而获得分析所需的计算能力。

对于那些不想在计算能力上花太多精力的公司来说，云计算确实可能更合适，这也可以缩短AI应用的过程。而这也让各云计算公司看到了商机，随着市场增长和竞争加剧，每家公司都将发挥自己的优势。