[论文解读] Cloud Platforms for Developing Generative AI Solutions: A Scoping Review of Tools and Services

Dhavalkumar D. Patel, Ganesh Raut+6 more|arXiv (Cornell University)|Dec 8, 2024

Big Data and Business Intelligence被引用 5

一句话总结

对主要云提供商及其在开发生成式 AI 工具方面的比较性范围综述，覆盖计算、数据、安全、边缘与治理等方面，并含案例研究与未来方向。

ABSTRACT

Generative AI is transforming enterprise application development by enabling machines to create content, code, and designs. These models, however, demand substantial computational power and data management. Cloud computing addresses these needs by offering infrastructure to train, deploy, and scale generative AI models. This review examines cloud services for generative AI, focusing on key providers like Amazon Web Services (AWS), Microsoft Azure, Google Cloud, IBM Cloud, Oracle Cloud, and Alibaba Cloud. It compares their strengths, weaknesses, and impact on enterprise growth. We explore the role of high-performance computing (HPC), serverless architectures, edge computing, and storage in supporting generative AI. We also highlight the significance of data management, networking, and AI-specific tools in building and deploying these models. Additionally, the review addresses security concerns, including data privacy, compliance, and AI model protection. It assesses the performance and cost efficiency of various cloud providers and presents case studies from healthcare, finance, and entertainment. We conclude by discussing challenges and future directions, such as technical hurdles, vendor lock-in, sustainability, and regulatory issues. Put together, this work can serve as a guide for practitioners and researchers looking to adopt cloud-based generative AI solutions, serving as a valuable guide to navigating the intricacies of this evolving field.

研究动机与目标

• 评估来自主要提供商（AWS、Azure、GCP、IBM、Oracle、Alibaba）的生成式 AI 的前沿云服务及其优缺点。
• 评估大语言模型、多模态 AI、HPC、无服务器、边缘计算和数据管理等方面的能力。
• 识别云端生成式 AI 的安全、伦理与监管挑战，以及创新机会。
• 为从业者、研究人员和政策制定者提供实践性指导和战略性建议。

提出的方法

• 遵循 Arksey 和 O'Malley 框架的系统性范围研究。
• 在学术数据库和厂商资料中进行全面的文献与提供商文档检索。
• 比较框架，评估计算、AI 服务、数据管理、定价和新兴技术。
• 与行业专家与学者咨询，以验证研究结果。
• 综合分析包括对边缘 AI、联邦学习和可持续性等领域的 SWOT 分析与未来方向。

Figure 1: Structured guide through cloud-based generative AI development landscape

实验结果

研究问题

• RQ1 大型云平台在生成式 AI 开发方面的能力与局限性是什么？
• RQ2 在 HPC、AI 服务、数据管理和生成式 AI 部署工具方面，提供商的比较如何？
• RQ3 伴随云端生成式 AI 的安全、伦理、监管与可持续性挑战有哪些？
• RQ4 云支持的生成式 AI 开发的新兴趋势与未来方向是什么？

主要发现

Provider	Overall Cloud Market Share	AI/ML Services Market Share
AWS	31%	34%
Microsoft Azure	25%	39%
Google Cloud Platform (GCP)	10%	11%
Alibaba Cloud	5%	6%
Others	29%	10%

• AWS 提供强大的生成式 AI 堆栈，包含 SageMaker 和 Bedrock 作为基础模型，以及用于大规模训练的 P4d 等 GPU。
• Azure 强调企业级整合、与 OpenAI 的合作，以及其 Generative AI Stack 中的负责任 AI 工具。
• GCP 突出 Vertex AI、Cloud TPUs 以及如 MUM 等多模态能力。
• 提供商强调端到端 AI 生命周期、数据/AI 集成，以及通过可解释性和偏见工具实现治理。
• 云端 AI 市场被 AWS、Azure 和 GCP 主导，共同塑造具有重要市场份额的 AI 服务。
• 对混合云、多云和边缘计算策略的采用正在增长，以优化 AI 部署和数据治理。

Figure 2: Major Milestone Timeline in AI Development