7月29日的智能经济高峰论坛上,百度CTO王海峰在致辞中提到了这样一个观点:“百度智能云的云,不仅为数字化转型提供安全稳定弹性灵活的云计算服务,同时也是适合跑AI的云。”

按照中国信通院在《中国数字经济发展白皮书》中给出的数据,2020年中国的数字经济规模达到39．2亿元,占GDP比重进一步提升至38．6%,同时数字经济的年增速为9．7%,几乎是GDP增速的3．2倍多。

宏观经济的增长态势,预示着中国已经逐步进入智能经济的时代,也在某种程度上解释了百度对于智能经济的“执念”。只是百度智能云被贴上“适合跑AI”的标签,所聚焦的恐怕不仅仅是智能经济的大环境。

01 知易行难的智能化

智能经济的诱人前景似乎已无需赘述,仅仅是在过去两三年时间里,交通、金融、工业、能源、媒体等行业频频和人工智能融合,给出了一个又一个行业智能化升级的新思路、新解法、新案例。

可将视角进一步深入到产业一线,看到的却是另一幅景象:当前向智能化转型的企业主要集中在行业里的金字塔尖,大多数位于腰部和尾部的企业,对于智能化探索仍旧有些“畏手畏脚”。

个中原因离不开新技术应用的一条铁律,即产业化爆发需要满足三个前提条件:为企业降低成本、为企业增加效益、为企业寻找创新的机会。然而现实中许多企业被挡在了智能化的初始阶段,在智能应用的开发环节就被“劝退”。

首当其冲的是人工智能落地的场景化定制。

根据波士顿咨询的调研报告显示,市场上86%的需求为定制AI需求,很难靠通用的AI模型满足所有企业的需求,也就需要企业根据自身的实际需求进行定制开发,涉及到数据采集、数据预处理、数据标注、模型训练、模型评估、模型部署等一系列流程。在AI优秀人才相对匮乏,且对模型精度和开发效率的要求越来越高的局面下,模型开发业已成为亟待解决的棘手问题。

何况AI应用还是一个非常消耗资源的过程。

不管是模型的训练还是推理,都需要大量的算力资源,以至于出现了两个典型的算力瓶颈:一是算力的异构化,针对不同的计算场景需要CPU、GPU以及各种领域内的定制芯片;二是部署的分布式,在落地过程中大量计算分布在数据中心和边缘端。结果就是,企业想要迈出智能化转型的第一步,必须在算力资源上进行大量的基础投入,并且随着数据和模型不断增加。

近乎苛刻的进入门槛,让智能化转型成了一项高成本、高消耗的工程,无形中将许多企业拒之门外。

鉴于智能化转型知易行难的现状,坊间也出现了不少解决思路。比如有人将AI落地细分为应用场景、资源与基础设施、算法和模型、智能设备、数据等五个要素,提倡对五个要素进行解耦,让一个要素相对其他几个要素变得更加透明;Gartner将“AI工程化”列为2021年度九大重要战略科技趋势之一,以工程化的技术来解决模型开发、部署、管理、预测等AI应用落地的问题。

02 百度智能云的打法

2020年末的百度云智峰会上,百度CTO王海峰提出了“云智一体”的战略,也是“云与AI”深度融合的思路在过去几年中不断被市场验证后,百度智能云力图破解各行各业智能化转型问题的新打法。

在国内第一梯队的云厂商中,百度智能云有两个相对特殊的背景:早在2010年前后,百度就开始围绕人工智能布局,彼时云计算在国内还方兴未艾;百度自身的智能化转型也属于场景先行,对人工智能在产业融合中存在的问题有着深刻的理解。

折射到云计算的战场上,百度智能云摸索出的方向是“以云计算为基础,以人工智能为引擎,云智一体赋能千行百业”,并在“云智一体”的独特优势下,对“云”和“智”进行了充分融合与特殊调优。

比如百度智能云率先提出了AI原生的理念,将云计算从传统IT、云原生带入AI原生阶段,在算力层面提供面向AI场景的弹性高性能的异构算力,在应用开发层面提供面向AI应用场景的一系列低门槛开发平台;同时将百度成熟的AI能力沉淀为AI中台、知识中台等智能化中台,实现了数据处理、模型建立、决策部署等流程的自动化……

刚刚结束的智能经济高峰论坛上,百度智能云从战略,架构、产品和生态方面进行了四大升级,“云智一体“正式进阶到了2．0阶段。其中最为瞩目的莫过于AI异构计算平台百度百舸,在太行计算和沧海存储的能力基础上,构建了存算一体、软硬一体、云边一体的AI开发基础设施,包括AI计算、AI存储、AI容器三层,在一些场景下训练速度比传统算力提升了4倍以上,推理效率也较传统算力提升了数倍。

由于AI开发是一个系统性工程,百度智能云的另一个重心在于AI开发平台。基于百度自研的产业级开源深度学习平台飞桨,百度智能云推出了飞桨企业版,涵盖针对AI应用开发者的零门槛AI开发平台EasyDL和面向AI算法开发者的全功能AI开发平台BML,前者5分钟即可上手,最快10分钟完成模型训练;后者提供了丰富的建模方式、预置模式方式、可视化建模等辅助工具。

做一个总结的话,百度智能云的打法并不难理解,主要解决了企业智能化转型中的两个核心诉求:一个是高性能、高性价比、高利用率的“云”,消除了企业的算力负担;另一个是高质量、高精度、高易用的“智”,打破了企业的开发门槛。

03 被验证的“云智效应”

百度智能云的打法像是一场开创性的化学实验,通过算力和数据的原生化、开发和服务的普惠化,将“云”和“智”从简单的叠加,转向AI作为“催化剂”的深度融合,进而上演了一场无限可能的“云智效应”。

这个过程和计算机在上世纪90年代的进化非常相似:云和智分离的AI开发等同于计算机的DOS时代,只有少数开发者才能操作;云智一体就像是Windows系统的出现,普通用户借助键盘和鼠标就能玩转,专业开发者也能开发出更有趣的应用,可以说是人工智能进入大生产阶段的必要一环。

市场上发生的一幕幕验证了百度智能云战略的正确性,产业智能化的星星之火渐渐有了燎原之势。

在工业领域,一家化纤企业借助百度智能云打造了AI全检测样机,检测能力比原先的设备提升了50%;一家电力企业在百度智能云的帮助下,用摄像头和机器人替代了线路巡检工人,变电站工作人员的巡视工作量下降了40%;

在金融领域,百度智能云的“数字员工”陆续进入多家银行,为客户提供7x24小时自动化、智能化、个性化的服务;同时人工智能还渗透到营销环节中,凭借智能化的分析和运营能力,打造了寻客-触客-落客-留客的全链条服务;

在医疗领域,爱尔眼科接入了百度智能云的图像识别能力,可以自动识别20多种眼底疾病,准确率达90%;百度智能云为湖北省的基层医院提供辅助诊疗服务,目前已经为4000种疾病诊疗提供辅助决策支持,准确率高达94%;

在体育领域,百度智能云为国家跳水队研发了“3D+AI”跳水训练系统,利用3D+AI技术对跳水运动员的训练视频进行分析摘要、动作提取、姿势纠正等等,训练效率提升了20%,指导效率提升了25%,为体育训练带来了新的可能．．．．．．

其实类似的案例还有很多,目前百度智能云已经对外开放了330多项AI能力,支持500多个应用场景,涵盖40万个AI模型,覆盖了360万开发者,培养了超过100万AI人才,深度赋能13万家企事业单位．．．．．．通过“适合跑AI的云”驱动人工智能在潜移默化中走进社会生产生活的方方面面。

而将这些案例做一个横向比较的话,不难看到这样一个趋势:很多客户最初只是单点的智能化探索,尝到了甜头后逐步在一个业务场景中垂直深化,一些头部企业甚至开始向多个业务场景、业务流程各个环节的全面升级,智能化升级的自然路径已经被跑通。

04 结语

“适合跑AI的云”既是百度智能云的差异化战略,也为人工智能的规模化应用落地给出了新的注解。

正如百度CTO王海峰在演讲中提到的:“我们希望以百度智能云为纽带,联合技术和产业生态伙伴,通过开源开放平台降低AI 开发的门槛,加快人工智能在传统产业融入的速度与效率,帮助越来越多行业大步快跑,加入产业智能化的大潮。”

云计算作为人工智能输出到千行万业的最佳途径,所肩负的不仅仅是算力的供给,还需要降低AI落地的门槛,降低客户和开发者的使用成本,提升人工智能的开发效率,为企业找到在“云”上不断生长的可能。

至少就这一点而言,“云智一体”的百度智能云已经给出了正确的示范。