为了在不断的竞争中保持优势与领先地位，愈发多的企业正在寻求那些可以将AI集成到自身应有中的产品。在这之中，可能一种简单又流行的方式便是去使用那些基于云的AI产品与服务(AIaaS)。
根据IDC的研究资料，截止到2021年，全球企业对认知和AI系统的支出将保持50.1%的年复合增长率，这说明，企业对这些技术的总支出将从2017年的120亿美元增加到2021年的576亿美元。这些支出中的很大一部分将有望用于那些基于云的AI服务。
2018年，RightScale的云研究报告指出，企业格外关注于AI中的机器学习技术。当被问询未来计划使用哪种类型的公有云服务时，绝大多数的受访者选择了机器学习，尽管只有12%的受访者表示他们正在使用这些服务，但46%的受访者表示他们正在测试或计划部署机器学习服务。很显然，企业对AIaaS产生了兴趣与需求，而云供应商也开始对此作出了积极地回应。
AIaaS的种类
要回答AlaaS是什么样子的这个问题就要从它的种类说起，实际上，由于“人工智能(AI)”本身就是涵盖了多种技术的广义术语，因此AIaaS的类型也有很多。一般来讲，AI技术的核心就是去创造出一种可以与人类大脑功能相媲美的机器。比如，AI中就包括可以查看和识别图片中物体的计算机视觉技术，使系统能够进行人类会话模拟的自然语言处理技术以及允许机器在没有被明确编程的情况下进行自动学习的机器学习技术。
在AlaaS中，上述的AI技术中的一个或多个均可以由供应商包装成独立的云服务产品。目前，市场上主流的AIaaS产品一般可以分为以下几类：
机器人与数字助理
对于很多人来说，当听到“人工智能”这一词语时，他们首先想到的可能就是如苹果Siri、微软Cortana或亚马逊Alexa这样的数字助理。这些工具可以通过自然语言处理技术与用户进行对话，而且许多工具还具有机器学习功能以不断提升他们的能力。在日常工作事务中，很多企业希望能够为其产品与网站添加类似的功能以实现更好的服务与提升客户体验。据IDC统计，2017年AI用例中，支出最高的一项便是自动化客户服务代理。不过，企业从头开始去创建一个自己的机器人似乎是一件不可能完成的工作。因而，作为备选方案，供应商们打造出了一种机器人平台及服务(Bot Platforms as a Service)的产品。企业可以利用自身的数据对机器人进行培训，然后将它们用以进行简单问题回答的服务，从而将员工解放出来去处理那些更复杂的客户服务任务。
认知计算API
应用程序编程接口(API)可以让开发人员通过较为容易的方式将技术或服务集成到自身应用或产品中。市场中，领导级的云供应商们均提供各式各样的API，以便让开发人员能够将特定类型的AI增添到他们的应用程序中。比如，照片共享应用的开发人员可以使用面部识别API为自身应用提供个人识别功能。借助于API, 开发人员无需从零开始去编写那些面部识别的代码，甚至无需去彻底了解这些代码的工作原理。典型的API用例包括计算机视觉、计算机语音、自然语言处理、搜索、知识映射、翻译和情感探测等。
机器学习框架
这种工具允许开发人员创建可随时间推移而改进的应用程序。一般来讲，开发人员或数据科学家会利用机器学习框架去构建模型，然后利用现有的数据对模型进行训练。 机器学习框架在大数据分析应用中尤为常见，不过它们也可用于许多其他类型的应用程序。比起自建型的机器学习模型，这种可通过云进行访问的框架应用起来更加便捷也更加实惠。
托管式机器学习服务
企业会时常面临想要给自身应用添加机器学习功能而又缺乏必要相关经验与知识的情况。而托管式机器学习服务则可以帮助他们去进行相应的工作，这种服务通过模板、预建模型和拖放式开发工具以简化和加快机器学习框架的应用过程。
AIaaS的“圣杯”就是创建一种可以作为云服务提供的通用性AI。这种通用性的AI是一种能够以与人类相同方式进行思考与沟通的计算机系统。不过大多数专家认为，人们离实现这种通用性的AI还为时尚早。
AIaaS的优点
那些大型企业一般倾向于去对自己的AI项目与研究进行投资。但是，更多的企业会选择AIaaS，这自然是出于对AlaaS优点的考量。一般来讲AlaaS的优点包括：
低成本：AIaaS可以让企业省去那些昂贵的设施开支，这些服务可以让企业只需在需要时对特定硬件进行短期付费使用。在云计算中，大多数的AI工作任务被认为是“突发性”的，也就是说，他们依赖于那些能够在短时提供大量计算能力的服务。AIaaS只会针对用户去收取那些他们进行硬件使用时的费用，这大大降低了他们的成本。
可扩展性：与其他的云服务一样，AIaaS本身也具有较高的可扩展性。企业可以从一个试点项目开始，然后随着需求的提升，快速扩展他们AIaaS服务的规模。
可用性：一些优秀的AI工具可用于开源项目的许可，不过虽然这些工具价格低廉，但它们不总是那么容易使用。而云AI服务通常能够让开发人员进行更方便的AI访问，而无需他们本身是否是该领域的专家。
AIaaS的缺点
常言道，金无足赤人无完人，AIaaS也不可能尽善尽美，它也具有缺点。其中两个大的缺点也与其他云服务相同，即安全性和合规性。许多AI应用，特别是那些结合机器学习功能的应用会依赖于大量的数据。当对这些数据进行云端存储或迁移时，企业需要确保这些应用足够的安全措施，比如数据加密功能。
同时，在某些情况下，合规性可能将成为企业应用AIaaS的阻碍，因为一些国家与地区的法律会限制企业进行云端敏感数据的存储，还有一些法规也会限定数据存储的位置。在这些情况下，AIaaS可能会在一些用例中失效。
AlaaS的另一个潜在缺点是它自身可能会比较复杂。企业将耗费大量的时间与精力用于培训或聘用具有AI和云计算技能的员工。不过，一些企业对此也表示乐观，他们认为这个问题可以被克服，而且AIaaS还会带来长期的回报。