南宫中学校歌今天，Blued已经成长为垂直市场占据主流地位的社交平台；UCloud的这一客户数量，也早已达到了百万级。

　　可以说Blued基本算是一家和UCloud同步成长起来的公司。有趣的是，这在之后成了一种AI相关云服务的隐性前提。

　　并不令人太过惊讶，AI已经成为了选择云服务公司的一个共性需求；但考虑到数据沉淀与AI服务的关系，通常云端AI服务的对象，都是这朵云的老客户--转移海量数据显然并不是一件招人喜欢的任务。

　　和很多计算机视觉算法工程师一样，Blued的刘翔宇要通过算法，让用户上传的新照片被希望看到这些照片的人看到，让人们能够与喜欢的人社交，也让人们能够向喜欢的人分享自己的喜怒哀愁。

　　这就像今日头条通过算法让读者能读到自己最关心和未来可能关心的内容，只不过Blued有更强的社交属性，且更多集中于视觉内容。

　　我们的核心工作就是建立用户与用户、用户与内容间的联系，要做好这些，离不开一个建立在高可用平台上的AI技术的帮助。刘翔宇说。

　　AI技术被用在头像、状态等图像和视频数据等检测、分类等方面，因为Blued的社交属性，服务端需要能够实时处理用户新上传的所有图像数据，为下一步的推送做准备。

　　和Blued在AI上的努力相近，UCloud另一些原本已经强大的医疗、新零售和环境类云计算用户，也正在按此规律办事。

　　除了外界熟悉的阅片，医疗行业用户利用UCloud AI平台对数据进行分析。它们在经历算法准备和数据沉淀之后，将依靠AI能力实现一些现在尚未可知的创新应用。

　　Blued们的需求代表了一个时代的诉求。互联网创新企业雨后春笋般地出现，一旦锁定新技术在行业领域内的机会并扎根，周边便会迅速崛起众多同类型公司；而资本的介入，则增加了参与者们最终成为胜者的不确定性。

　　要想增加市场中获胜的几率，动用一切手段强化用户体验、提升效率，包括信息安全等能力无可回避--没有什么类型的企业会低估数字化的力量--今天，它在相当大程度上意味着AI相关，几乎是在数字化中原生的互联网公司们当然知道，如何利用这些AI技术，尽快摆脱竞争者。

　　用户所思，也是公有云服务商的所想。在谈及Blued时，UCloud非常乐于秀出它AI服务的肌肉--例如，那个叫做UAI-Inference的在线服务平台。

　　对图像数据进行标签化、架构化，进而再将结构化的数据运用到业务场景中，这对于其他拥有海量图片数据的用户而言，需求都是相近的。UCloud技术服务经理刘岳一说。

　　UCloud从此类共性需求出发，开发了这个UAI-Inference在线服务平台。它帮诸如Blued这类公司用户免去了AI平台开发和运维的工作，最终让用户可以一键发布面向自己数据的AI业务。

　　面向用户需求的共性与差异性特性，UAI-Inference在设计之初对服务接口做了分层：

　　底层的负载均衡、节点管理等操作完全由UAI-Inference负责，Blued们不用为此费心；

　　中间层，UCloud通过给出HTTP服务框架和API的接口规范，让Blued们可以轻松通过UAI-Inference部署任务；

　　最上层，就是Blued们自己的算法，HTTP服务框架对此完全兼容--通过清晰分层，UCloud可以极简地接入用户的AI应用。

　　它提供了海量的CPU计算节点，降低了上线AI服务的难度。让刘翔宇最为满意的是，他和他的工程师们不用关注计算资源和分配等问题，我们只需要专注于算法的实现。他说，弹性的资源服务在及时响应需求的同时，帮助Blued节约了资源。

　　AI技术的应用在业务端很快产出了价值。在Blued的用户端，短视频消费时长相较增长了300%，图文内容消费深度则增长了200%--计算机视觉算法工程师们的努力让AI技术成为了Blued社交功能和内容产品的重要支撑。

　　还降低了运营成本。刘翔宇说，AI帮助Blued免去了此前需要人力解决的图像审核、身份认证等工作。

　　考虑到云用户对AI的需求趋于共性，UAI-Inference现实中发挥的功用，其实已经不再局限于支持当下云用户的AI需求；在新的公有云用户面前，它让UCloud看起来，闪闪发光。

　　事实上，打造趋于极致的AI云服务已经成了UCloud，甚至目下所有公有云服务商的一大乐事。它们服务老用户，吸引新用户。

　　对于UAI-Inference，最大的挑战在于如何灵活支持各种应用场景。例如，和Blued一样，多数用户都需要在UAI-Inference平台上部署多种AI APP应用。

　　基于业务实践，这些老用户有着先天真实的场景实践，这让UCloud不需要等待未来的新客户给自己提出新问题--它本伴随问题而生。

　　例如，AI用户对计算力的要求不尽相同。一些实时性要求极高，另一些则相反。在这一点上，UCloud联合战略合作伙伴Intel对平台进行了针对性的优化，包括针对目标检测等场景，推出了Intel-Caffe的解决方案，满足了这种差异性巨大的用户需求。

　　期间的优化过程中，英特尔和UCloud两边的工程师是持续和反复地在做。英特尔的周宏兴回忆说，UCloud工程师对细节的执着让他记忆犹新，一个命令后面跟10个参数，他们可能最后优化到11个、12个，已近抠到非常细的地步了。他说，那几乎是一种追求。

　　至今仍不为外人所知的是，因为双方工程师这种对细节的追求，让UAI-Inference发布的版本比最先设计的版本，性能整整提高了43倍之多。

　　早年Blued部署第一个AI应用时，UCloud工程师用了2～3天讲解UAI-Inference平台的原理和代码接口，并进行测试。后来，Blued的工程师都可以在1天内实现APP的快速部署，投入生产。刘岳一说，对于今天的新用户，只要熟悉AI和容器技术，他们就能很容易地接入AI平台，从研发、部署到投产，速度非常快。

　　这是今天AI云服务典型的生态合作，它的支点是英特尔全栈道平台技术和能力：从通用的至强可扩展处理器，到FPTA，再到高速网络连接和最新的傲腾存储这是英特尔在云计算生态中所做努力的一个缩影。

　　在基础软件领域，英特尔投入开源的Linux 核心开发;在虚拟化核心软件如Xen、KVM上，英特尔贡献了大量的代码;在云平台软件上，英特尔在OpenStack开源的云计算管理平台项目中，也一边投入人力开发新功能，一边为不同模块进行优化，以确保这些云平台软件在英特尔架构中能更好地运行。

　　在过去的4年中，基于产品技术迭代的大背景，这种生态型的综合投入让英特尔在云服务提供商细分市场的营收翻了一番，复合年增长率超过了30%。2018年上半年，这个增幅高达41%--目前，英特尔的芯片驱动了超过全球90%的云计算。

　　AI仍处在一个初级阶段。周宏兴说，英特尔希望和UCloud和Blued这样生态伙伴，一起构建一个完整的生态环境，最终将AI能力变成简单易用的服务，提供给最终用户。

　　英特尔对AI的兴趣早已表露无遗。除了将芯片为代表的硬件方案部署到云端和边缘各处，现在，英特尔还为市场提供了丰富的软件工具来满足场景需求。这就包括了上述谈及的Intel-Caffe。