云是构建生成性人工智能系统的最简单方法；这就是为什么云收入飙升的原因。然而，其中许多系统都经过了过度设计，这推动了复杂性和不必要的成本。过度工程是一个熟悉的问题。多年来网店装修，我们一直在过度思考和过度构建系统、设备、机器、车辆等。为什么云会有什么不同？

　　Overengineering是通过结合不增加实质性价值的特性或功能来设计一个不必要的复杂产品或解决方案。这种做法导致对时间、金钱和材料的使用效率低下，并可能导致生产力下降、成本提高和系统弹性降低。

　　过度设计任何系统，无论是人工智能还是云，都通过轻松访问资源，并且对使用这些资源没有限制。很容易找到和分配云服务，因此人工智能设计师或工程师很容易添加可能被视为“拥有好”而不是“需要拥有”的东西。做出这些决定会导致比需要更多的数据库、中间件层、安全系统和治理系统。

　　企业可以轻松访问和提供云服务，这既是祸不也是一种祸。先进的基于云的工具简化了复杂人工智能系统的部署，但它们也为过度工程打开了大门。如果工程师必须经历一个采购流程，包括为特定的计算或存储服务购买专用硬件，那么他们可能会比只需点击鼠标时更加克制。

　　易于供应的危险网店装修

　　公共云平台拥有一系列令人印象深刻的服务，旨在满足各种可能的生成人工智能需求。从数据存储和处理到机器学习模型和分析，这些平台提供了有吸引力的功能组合。事实上，看看云提供商认为设计、构建和部署生成性人工智能系统“必要”的几十种服务的推荐列表。当然，请记住，创建列表的公司也在销售服务。

　　GPU就是最好的例子。我经常看到GPU配置的计算服务被添加到生成的AI架构中。然而，“餐巾背面”类型计算不需要GPU，CPU驱动的系统只需支付一点成本即可正常工作。

　　出于某种原因，制造和销售GPU的公司的爆炸性增长让许多人认为GPU是一种要求，而他们不是。当针对特定问题指示专用处理器时，详情页设计需要GPU。这种类型的过度工程比其他过度工程错误给企业造成的损失更大。不幸的是，建议您的公司不要使用更高端和更昂贵的处理器通常不会邀请您参加后续的架构会议。

　　遵守预算网店装修

　　成本的不断上升与分层的复杂性和额外的云服务直接相关，这些服务通常出于彻底性或面向未来的冲动而包含。当我建议一家公司使用更少的资源或更便宜的资源时，我经常会遇到“我们需要考虑未来的增长”，但这通常可以通过调整架构的演变来处理。这绝不意味着从一开始就把钱扔在问题上。

　　这种包括太多服务的趋势也放大了技术债务。维护和升级复杂的系统变得越来越困难和昂贵。如果数据在各种云服务中支离破碎和孤立，它可能会进一步加剧这些问题，使数据集成和优化成为一项艰巨的任务。企业经常发现自己被困在一个循环中，即他们的生成性人工智能解决方案不仅经过过度设计，而且需要更加优化，导致投资回报率下降。

　　减轻过度工程的策略

　　它采取有纪律的方法来避免这些陷阱。以下是我使用的一些策略：

　　优先考虑核心需求。专注于实现主要目标所需的基本功能。抵制膨胀他们的诱惑。

画册设计

　　彻底计划和评估。在规划阶段投入时间，以确定哪些服务是必不可少的。

　　从小规模开始，逐渐扩大规模。从专注于核心功能的最小可行产品（MVP）开始。

　　组建一个优秀的生成人工智能架构团队。选择人工智能工程、数据科学家、人工智能安全专家等，他们分享利用所需但不要过度的方法。您可以将相同的问题提交给两个不同的生成人工智能架构团队，并获得成本相差1000万美元的计划。哪一个弄错了？通常，团队希望花费最多。

　　公共云平台的力量和灵活性是我们首先利用云的原因，但谨慎是避免过度工程生成AI系统的陷阱。深思熟虑的规划、明智的服务选择和持续优化是构建具有成本效益的人工智能解决方案的关键。通过遵守这些原则，企业可以充分利用生成性人工智能的潜力网店装修，而不会成为过度设计系统的复杂性和成本的牺牲品。

特别声明：以上内容（如有图片或视频亦包括在内）来源于网络，不代表本网站立场。本网站仅提供信息存储服务。如因作品内容、版权和其他问题需要同我们联系的，请联系我们及时处理。联系方式：451255985@qq.com，进行删除。