AI行業解決方案
金山云基于裸金屬服務器、GPU云服務器、KS3及人工智能平臺等產品解決AI行業客戶在模型訓練推理過程中所需要的大量計算存儲資源，基于豐富的IDC資源和混合云組網經驗為AI行業客戶的應用發布設計高可用、高性價比的底層架構建設方案，有效降低運維成本，提高業務生產效率。
核心優勢
資源靈活配置
為用戶提供了多種類型的計算資源和存儲資源，可用于科學計算、深度學習、圖形處理等多種計算任務。用戶還可以根據任務量大小靈活調配資源使用量。
低延遲極速訪問
通過多線路BGP和大帶寬的接入，減小訪問時網絡延時，協助AI行業客戶極速訪問云端資源。
海量存儲
金山云提供海量、低成本、高可靠的云存儲服務，協助用戶解決AI場景下大數據量存儲、數據可靠及分布式等相關復雜問題，方便用戶存儲圖片、音視頻、文本等各類型數據。
開發環境快速部署
托管Tensorflow、Keras、MXnet等算法框架和交互式開發環境，協助客戶快速進行模型的開發、訓練、部署。
行業場景和資源
AI行業通用邏輯架構圖
AI行業方案產品架構圖
AI行業通用邏輯架構圖
客戶可將AI行業涵蓋的圖片識別、語音識別、NLP等多種AI技術服務部署在金山云上，金山云為用戶提供底層資源和算法框架的支撐。
整體邏輯架構圖
從AI行業的共性來看，數據的采集處理必須經過如下步驟：
步驟一：數據采集。
AI行業的土壤即是數據，該步驟可由數據采集平臺或合作方提供。
步驟二：模型訓練。
數據上傳到金山云平臺，通過算法庫的支撐，進行模型的搭建和訓練迭代。
步驟三：模型推理。
訓練完的模型部署在相關推理節點上，接受來自外界的識別/翻譯/檢測請求，推理后的結果返回給客戶。
AI行業方案產品架構圖
金山云為用戶提供KMR大數據平臺、人工智能平臺、存儲、數據庫、計算資源等產品。協助用戶快速搭建云端訓練、推理集群。
數據流傳輸過程
1.圖片、視頻、語音、文字等多類型數據通過采集端上傳到用戶自有機房。數據通過數據預處理后再上傳至金山云云端。
2.上傳至金山云云端的數據經過大數據平臺的處理后，下發至訓練計算存儲集群。同時通過人工智能平臺快速搭建開發環境，協助進行模型的訓練開發及迭代。
3.訓練好的模型代碼和業務數據通過網絡傳輸至推理集群，實現推理模型的快速部署。
4.外界的訪問請求通過SLB負載均衡發送至各推理節點，快速推理，返回響應數據。