近日，UCloud推出了UAI-Train 智能一體化訓練平臺，結合此前已推出的UAI-Service、GPU及安全屋等AI系列產品，UCloud現已初步形成一站式AI全服務。

UAI-Train靈活便捷的訓練任務托管服務，能夠幫助用戶擺脫資源采購運維煩惱，降低AI使用門檻；同時，平臺采用按需付費模式，降低AI成本投入，避免閑置資源浪費。

AI模型訓練的痛點

隨著人工智能產業的興起，人工智能技術已經被廣泛運用于各行各業。近年來，人工智能技術在圖像（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）等領域取得了飛速發展。與此同時，人工智能技術對計算資源的需求也快速增加，因而“云計算如何服務于人工智能產業的發展”已成為公有云服務的一個新方向。

通常來說，構建人工智能服務包括三個步驟：大數據收集與處理、AI模型訓練、AI模型在線服務，其中的每一個環節都需要投入大量計算資源。

對于大數據處理，可通過采購一定數量的云主機或物理機來搭建一個數據處理集群 ，也可通過采用UHadoop產品來搭建Hadoop或Spark集群來處理數據；對于AI在線服務，可通過使用云主機搭建服務集群或直接使用UCloud UAI Service服務，來快速部署AI在線推理服務。

然而對于AI模型訓練，用戶通常需要高性能的GPU資源來滿足AI模型訓練過程中所產生的龐大的浮點計算需求，以及處理隨之而來的諸多挑戰。

◆  成本投入高

GPU硬件或GPU云主機的采購成本非常高。一塊P40 GPU的采購價格超過5萬，即使是租用P40云主機，其成本也在4500元/月以上，因此使用GPU硬件一次性投入的成本非常高。

◆  資源閑置

自行采購GPU還會面臨空閑資源閑置等問題。在AI算法研發、迭代過程中，算法設計、數據處理都需要花費大量的時間，但此時GPU設備卻通常因為無法被充分利用而造成閑置，進一步增加GPU的使用成本。

◆  采購周期長

GPU采購和備貨周期比普通CPU服務器更長。即使使用公有云服務也無法像使用CPU云主機一樣，隨時隨地購買使用GPU云主機。

◆  運維成本高

訓練環境配置、GPU資源調度、數據存儲、訓練任務容災等問題會隨著業務量的增加而增加，從而不斷提高GPU訓練集群維護的運維成本。

諸多問題表明，對于從事AI業務的公司來說，所面臨的挑戰非常嚴峻。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AI技術的高門檻要求而導致研發成本增加、研發周期變長。

為了幫助客戶解決AI模型訓練過程面臨的四個關鍵問題，UCloud AI Train平臺基于UCloud性能強大的GPU云主機集群構建，為AI訓練任務提供充足的計算能力。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，不但可以降低GPU的成本投入，而且可以避免閑置資源浪費。

智能一體化訓練平臺的三大核心優勢

◆  一站式任務托管，實時訓練狀態追蹤

UAI-Train平臺提供一站式訓練任務托管服務，用戶只需要提供打包好的訓練鏡像、數據源路徑、數據輸出路徑以及訓練所需的參數就可以提交訓練任務并等待任務結束。UAI-Train平臺將自動進行GPU資源調度、數據下載上傳和計算節點容災。

同時UAI-Train平臺提供了圖形化的實時日志輸出，以及TensorBoard的實時展示（Tensorflow和Keras可用），用戶可以通過瀏覽器實時追蹤訓練的狀態。

◆  基于Docker容器技術，強大的AI兼容性

UAI Train基于Docker容器技術提供兼容性極強的訓練環境。用戶只需將AI模型訓練算法打包至Docker鏡像中，即可以將訓練任務提交至訓練平臺，訓練平臺將會負責：

>>>> 訓練數據下載；

>>>> 訓練任務執行；

>>>> 訓練結果輸出并保存。

完全無需用戶介入，整個過程如下圖所示：

為簡化UAI-Train平臺的使用過程，UCloud提供了Python SDK和基礎Docker鏡像，以此來協助用戶封裝Docker鏡像。目前，UAI-Train平臺支持4種主流AI框架，包括鏡像一鍵打包和測試工具以及基礎鏡像（后續還將計劃增加對PyTorch、CNTK等開源框架的支持）。

同時，UAI Train平臺也支持自定義Docker訓練鏡像，并提供了預裝cuda和cudnn的基礎鏡像。

◆  靈活配置選擇，超高性價比

UAI-Train平臺目前支持3種GPU節點，按需使用收費，計費精確到分鐘，具有極高的性價比。

UAI-Train平臺還計劃逐步推出種類更豐富的硬件加速計算設備，包括更新的GPU設備、Xeon Phi設備等，另外還將推出分布式訓練集群支持。

四大核心應用場景，助力企業AI業務發展

◆  應用場景一：快速AI轉型

AI模型訓練任務執行環境配置復雜（GPU驅動、AI框架環境安裝等）、GPU資源采購周期長、成本高、運維工作繁雜等，這都成為企業快速轉型AI業務的絆腳石。使用UAI-Train訓練服務可以無需擔心資源采購、環境配置、集群維護等問題，快速開展AI模型訓練工作。

◆  應用場景二：降低AI成本

AI訓練任務執行需要花費大量計算資源。GPU硬件采購成本高，閑置資源浪費開銷大。使用UAI Train訓練服務不僅可以獲得充足的GPU硬件資源，同時又可以按照實際計算消耗付費，使用較小的投入獲取充足的計算資源，具有極高的性價比，可以有效減低AI成本。

◆  應用場景三：簡化AI運維

大規模執行AI模型訓練任務需要處理計算資源調度、 任務管理、任務容災等問題。 UAI-Train訓練平臺自動幫助使用者解決計算節點調度、任務管理、容災等問題，更為使用者提供了圖形化界面展示訓練任務狀態。

◆  應用場景四：共享GPU資源

使用GPU云主機、物理機很難在團隊之間、部門之間以及各類使用者之間共享GPU資源。UAI-Train訓練平臺則可以同時滿足成千上百個使用者共享整個GPU資源池， 同時又提供了資源隔離、配額管理功能，可以滿足GPU資源共享場景的需求。

在9月份由創新工場聯合搜狗、今日頭條發起的“AI Challenger全球AI挑戰賽”中，UCloud 便作為***的AI GPU合作方，為大賽獨家提供了AI模型訓練服務（UCloud AI Train）。此次合作也驗證UCloud在AI領域強大的研發實力、快速響應服務以及自身平臺穩定性，為大賽的成功舉辦保駕護航。

作為國內領先的云計算服務商，UCloud將繼續深入研究AI訓練平臺的功能與性能，致力為用戶提供更豐富的AI框架和分布式訓練支持。同時，UCloud還將結合UAI-Service 在線服務平臺，打造從AI訓練到AI在線服務的一體化解決方案，全方位提升面向AI產業的服務能力。