機器學習的產(chǎn)業(yè)化變革中，華為云ModelArts的新成績單

原標題：機器學習的產(chǎn)業(yè)化變革中，華為云ModelArts的新成績單

如果說，企業(yè)應用人工智能是刀槍劍戟、馬上步下的整套功夫，那么基礎機器學習模型開發(fā)，可以說是最基本的扎馬步。

基礎不牢，地動山搖。AI模型開發(fā)是企業(yè)智能化的入門環(huán)節(jié)，卻也在很大程度上決定了企業(yè)智能化水準的上限。根據(jù)IDC發(fā)布的《中國人工智能軟件及應用跟蹤》，中國機器學習開發(fā)平臺市場在2019年達成了2.05億美元的市場規(guī)模，并將在未來五年保持38%以上的年復合增長率。

機器學習平臺的意義遠不止于其市場規(guī)模本身，作為企業(yè)應用AI的基礎，機器學習平臺是開發(fā)與部署AI模型的基礎，同時也是牽引云計算、大數(shù)據(jù)、機器視覺等技術的重要動能。

而機器學習平臺在不斷發(fā)展的過程里，本身也發(fā)生著巨大的變化。

剛剛，國際著名數(shù)據(jù)機構Forrester發(fā)布了《The Forrester Wave?: Predictive Analytics And Machine Learning Solutions In China, Q4 2020》報告，對中國市場的預測分析和機器學習解決方案廠商從戰(zhàn)略、產(chǎn)品和市場表現(xiàn)三個維度進行了評估。報告顯示，中國機器學習平臺的市場空間中，一個很重要的變化是華為云進入了“領導者(Leaders)”象限。

如果你是開發(fā)者或者關注AI產(chǎn)業(yè)，一定會知道華為云在機器學習領域的差異化優(yōu)勢，一方面在于全棧全場景AI提供的云邊端一體化能力；另一方面則是以ModelArts為代表的一站式AI開發(fā)平臺，指向的產(chǎn)業(yè)化、智能化的AI應用能力。

華為云在機器學習平臺的向上攀升，受到市場更廣泛認可，其實可以作為一個標尺：機器學習平臺的發(fā)展，正在從基礎算法開發(fā)，走向產(chǎn)業(yè)化、落地能力為主導的強應用時代。

變化的時代，蘊育著變化的規(guī)則。從華為云在機器學習市場中的領導者表現(xiàn)，以及ModelArts 3.0的產(chǎn)業(yè)特性中，我們可以凝視一個正在變化的未來。

當AI時代，劃過工業(yè)大門

Forrester在報告中對預測分析和機器學習平臺進行考量時，綜合了主流算法兼容程度、部署兼容性、AutoML能力幾個主要維度。從中可以發(fā)現(xiàn)，業(yè)界對預測分析和機器學習（PAML）廠商的評價標準，已經(jīng)逐步從“開發(fā)者能否用這個平臺開發(fā)出算法”，變成了“開發(fā)者是否可以借助平臺獲得產(chǎn)業(yè)價值”。

通俗一點來講，這個變化意味著機器學習的開發(fā)需求，已經(jīng)從實驗室、個人開發(fā)者代表的手工業(yè)時代，來到了各行業(yè)、各企業(yè)的工業(yè)化時代。而時代翻篇的最主要特征，就是機器學習開發(fā)能否滿足工業(yè)化效率。

什么樣的PAML廠商才能滿足工業(yè)化效率下的AI落地需求？Forrester在報告中主要考慮了三個方面：

1、開發(fā)門檻是否足夠低，能適應不同企業(yè)、不同部門的AI開發(fā)需求。

2、平臺能否幫助用戶快速完成應用部署，達成工業(yè)級的應用效率。

3、平臺提供的分布式架構是否具備足夠的兼容性，能夠滿足企業(yè)用戶多元化的需求。

工業(yè)級的AI開發(fā)，需求開發(fā)效率、部署效率、運維效率都能達成生產(chǎn)成本與價值回饋的合理性，這就讓機器學習平臺的產(chǎn)業(yè)化需求滿足能力成為了競爭主線。而就在這個思路下，華為云脫穎而出，走到了領導者象限當中。

ModelArts 3.0，象牙塔融于千家燈火

從Forrester的評價體系出發(fā)，我們可以發(fā)現(xiàn)大家已經(jīng)非常熟悉的ModelArts平臺具有鮮明的產(chǎn)業(yè)化特質。而與以往版本不同的是，ModelArts 3.0不僅展現(xiàn)出獨特的產(chǎn)業(yè)工具與自動化平臺特性，還將學術界先進的算法能力反向融合于AI開發(fā)，實現(xiàn)了產(chǎn)業(yè)工具的深度進化。

具體來看，ModelArts 3.0的主要升級特性，與今天大規(guī)模部署機器學習模型、行業(yè)AI應用廣泛、企業(yè)在多場景部署AI等主流趨勢相吻合，并且一一提出了具有技術創(chuàng)新性的應對方案。比如：

1、骨干模型讓企業(yè)不必“重復發(fā)明輪子”，依靠行業(yè)經(jīng)驗提升競爭力。

ModelArts 3.0中，加入了華為云骨干工具鏈EI-Backbone技術。它可以整合模型高效、數(shù)據(jù)高效、算力高效、知識高效，全面提升行業(yè)AI落地能力。目前，EI-Backbone所整合的行業(yè)骨干模型已經(jīng)在10余個行業(yè)成功驗證，并且斬獲10余個業(yè)界挑戰(zhàn)賽冠軍。

2、聯(lián)邦學習技術加持，讓AI開發(fā)可以橫跨更多場景和業(yè)態(tài)，實現(xiàn)多種成本下降。

聯(lián)邦學習近兩年在AI行業(yè)非?；馃?，它可以有效解決機器學習中的數(shù)據(jù)孤島困境。ModelArts 3.0中提供的聯(lián)邦學習特性，可以實現(xiàn)數(shù)據(jù)不出戶的聯(lián)合建模。讓用戶各自利用本地數(shù)據(jù)訓練，不交換數(shù)據(jù)本身，只用加密方式交換更新的模型參數(shù)，實現(xiàn)協(xié)同訓練，最大化獲取訓練價值，實現(xiàn)綜合數(shù)據(jù)訓練成本下降。

3、模型診斷優(yōu)化，實現(xiàn)企業(yè)級精細化開發(fā)，提高AI模型工業(yè)級精度。

對于企業(yè)級的AI模型開發(fā)來說，隨時審視模型開發(fā)進度，調(diào)優(yōu)模型精度是不可或缺的一部分。為此，ModelArts3.0提供了全面的可視化評估、智能化診斷功能，使開發(fā)者可以直觀了解模型的各方面性能，有針對性進行部署工作，提升AI模型的工業(yè)精度。

4、高效算力讓企業(yè)存算資源更加優(yōu)化配比，完成高效率開發(fā)部署。

ModelArts 3.0進一步加強了計算資源的優(yōu)化配置能力，其提供的性能模式讓企業(yè)可以充分利用空閑資源加速訓練作業(yè)，訓練速度可提升10倍以上，并且不影響模型的收斂精度；而經(jīng)濟模式可以通過最大化資源利用率給開發(fā)者提供極致的性價比，在大多數(shù)典型場景下可以提升性價比30%以上。

在這些特性的加持下，ModelArts 3.0可以加速AI的行業(yè)落地，實現(xiàn)模型高效、數(shù)據(jù)高效、算力高效、知識高效。機器學習平臺，可以借此成為AI落地效率提升的抓手。從這個角度看，ModelArts 3.0帶給產(chǎn)業(yè)的改變，可能遠遠不止對具體開發(fā)問題的解決。

其更重要的價值指向在于，企業(yè)的機器學習能力上限又一次被打開。

大人，機器學習的規(guī)則變了

Forrester的評價稱：“華為云提供全棧預測分析及機器學習服務，是企業(yè)在公有云、本地、邊緣復雜部署場景下的理想選擇?！?

這個評價在某種程度上闡明了，企業(yè)在真正開發(fā)和使用AI時所需要的是什么：是企業(yè)能夠借助機器學習平臺，完成對復雜需求、復雜場景的適配，實現(xiàn)AI成為企業(yè)核心生產(chǎn)力的目標。

能夠在不同環(huán)境、不同開發(fā)條件、不同產(chǎn)業(yè)合作方式的基礎上完成AI開發(fā)，ModelArts 3.0通過創(chuàng)新的技術融入，將一站式、自動化AI開發(fā)向前推進到了新的階段。在這個階段，AI開發(fā)可以以目標為導向，反向推導企業(yè)需要做什么，而不是僅僅通過已有算法，來審視哪些AI能力能夠幫助企業(yè)解決局部問題。

在這個核心規(guī)則的改變下，企業(yè)將可以應用機器學習能力，作為自身的產(chǎn)業(yè)保障和生產(chǎn)力突破方式，變成企業(yè)的核心競爭力。具體來看，有三種過去很難完成的挑戰(zhàn)，可以在ModelArts 3.0的產(chǎn)業(yè)突破下變成現(xiàn)實：

1、復雜的智能化需求可以借助機器學習平臺來完成。

傳統(tǒng)意義上來說，機器學習平臺只能支持特定算法下的模型開發(fā)，而不能以企業(yè)需求為導向，實現(xiàn)復雜、綜合的模型加工。而在ModelArts 3.0與全棧全場景AI能力的加持下，這種情況已經(jīng)得到了改變。比如杭州云深處科技有限公司，應用了華為ModelArts和Atlas 200DK開發(fā)了“絕影”系列機器狗的AI能力?！敖^影”機器狗可以實現(xiàn)實時感知現(xiàn)場環(huán)境，通過知識圖譜交互分析，強化學習動態(tài)決策，并具有復雜的行進路徑規(guī)劃和動作的能力。如此復雜的智能機體，也能夠通過機器學習平臺來實現(xiàn)。

2、創(chuàng)造性的工作可以基于機器學習平臺來完成。

不久前，放射學領域的國際頂級期刊Radiology（《放射學》）在線發(fā)表了一項研究：華為云EI創(chuàng)新孵化Lab聯(lián)合華中科技大學電信學院、華中科技大學同濟醫(yī)學院附屬協(xié)和醫(yī)院放射科運用華為云一站式AI開發(fā)平臺ModelArts，開發(fā)了一套基于CTA影像的全自動化、高度敏感的腦動脈瘤檢測算法。這套算法能夠實現(xiàn)動脈瘤靈檢測敏度97.5%，幫助醫(yī)生臨床診斷靈敏度提升約10%，漏診率降低5%，同時有效縮短醫(yī)生診斷時間。

在這套解決醫(yī)療健康重大問題的系統(tǒng)中，ModelArts平臺提供數(shù)據(jù)預處理及半自動化標注、大規(guī)模分布式訓練、自動化模型生成及端-邊-云按需部署能力，為創(chuàng)造性的AI探索提供了基礎。

3、低門檻機器學習成為日常。

在物流行業(yè)，單據(jù)錄入是一個非常消耗時間、高度重復性的工作。盈智科技應用華為云ModelArts Pro文字識別開發(fā)套件，實施了各類國際物流單證識別接口的開發(fā)，能夠實現(xiàn)高效率的單證信息自動化、結構化輸出。在同等人力投入情況下，單據(jù)信息錄入效率提升50倍，單證流程節(jié)省60%的人力成本。國際物流這樣的實體行業(yè)，可以低門檻應用高度智能化、自動化的AI系統(tǒng)，解決企業(yè)中的重點問題，這是AI開發(fā)能力走向產(chǎn)業(yè)化的一個重要標志。

目前，華為云ModelArts平臺已經(jīng)在制造、零售、物流、能源、醫(yī)療、城市、鋼鐵、科研等多個領域應用，加速AI開發(fā)和行業(yè)AI落地。無論你是想要走到產(chǎn)業(yè)智能化的核心，還是想用AI探索一片未知領域，抑或想在一個看起來一點也不AI的企業(yè)應用AI，ModelArts 或許都可以幫助你完成愿望。

所以，或許抬頭看看你會發(fā)現(xiàn)：大人啊，機器學習的時代變了。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。