机器学习的产业化变革中,华为云ModelArts的新成绩单

从华为云在机器学习市场中的领导者表现,以及ModelArts 3.0的产业特性中,我们可以凝视一个正在变化的未来。

如果说,企业应用人工智能是刀枪剑戟、马上步下的整套功夫,那么基础机器学习模型开发,可以说是最基本的扎马步。

基础不牢,地动山摇。AI模型开发是企业智能化的入门环节,却也在很大程度上决定了企业智能化水准的上限。根据IDC发布的《中国人工智能软件及应用跟踪》,中国机器学习开发平台市场在2019年达成了2.05亿美元的市场规模,并将在未来五年保持38%以上的年复合增长率。

机器学习平台的意义远不止于其市场规模本身,作为企业应用AI的基础,机器学习平台是开发与部署AI模型的基础,同时也是牵引云计算、大数据、机器视觉等技术的重要动能。

而机器学习平台在不断发展的过程里,本身也发生着巨大的变化。

刚刚,国际著名数据机构Forrester发布了《The Forrester Wave™: Predictive Analytics And Machine Learning Solutions In China, Q4 2020》报告,对中国市场的预测分析和机器学习解决方案厂商从战略、产品和市场表现三个维度进行了评估。报告显示,中国机器学习平台的市场空间中,一个很重要的变化是华为云进入了“领导者(Leaders)”象限。

如果你是开发者或者关注AI产业,一定会知道华为云在机器学习领域的差异化优势,一方面在于全栈全场景AI提供的云边端一体化能力;另一方面则是以ModelArts为代表的一站式AI开发平台,指向的产业化、智能化的AI应用能力。

机器学习的产业化变革中,华为云ModelArts的新成绩单

华为云在机器学习平台的向上攀升,受到市场更广泛认可,其实可以作为一个标尺:机器学习平台的发展,正在从基础算法开发,走向产业化、落地能力为主导的强应用时代。

变化的时代,蕴育着变化的规则。从华为云在机器学习市场中的领导者表现,以及ModelArts 3.0的产业特性中,我们可以凝视一个正在变化的未来。

当AI时代,划过工业大门

Forrester在报告中对预测分析和机器学习平台进行考量时,综合了主流算法兼容程度、部署兼容性、AutoML能力几个主要维度。从中可以发现,业界对预测分析和机器学习(PAML)厂商的评价标准,已经逐步从“开发者能否用这个平台开发出算法”,变成了“开发者是否可以借助平台获得产业价值”。

通俗一点来讲,这个变化意味着机器学习的开发需求,已经从实验室、个人开发者代表的手工业时代,来到了各行业、各企业的工业化时代。而时代翻篇的最主要特征,就是机器学习开发能否满足工业化效率。

机器学习的产业化变革中,华为云ModelArts的新成绩单

什么样的PAML厂商才能满足工业化效率下的AI落地需求?Forrester在报告中主要考虑了三个方面:

1、开发门槛是否足够低,能适应不同企业、不同部门的AI开发需求。

2、平台能否帮助用户快速完成应用部署,达成工业级的应用效率。

3、平台提供的分布式架构是否具备足够的兼容性,能够满足企业用户多元化的需求。

工业级的AI开发,需求开发效率、部署效率、运维效率都能达成生产成本与价值回馈的合理性,这就让机器学习平台的产业化需求满足能力成为了竞争主线。而就在这个思路下,华为云脱颖而出,走到了领导者象限当中。

ModelArts 3.0,象牙塔融于千家灯火

从Forrester的评价体系出发,我们可以发现大家已经非常熟悉的ModelArts平台具有鲜明的产业化特质。而与以往版本不同的是,ModelArts 3.0不仅展现出独特的产业工具与自动化平台特性,还将学术界先进的算法能力反向融合于AI开发,实现了产业工具的深度进化。

具体来看,ModelArts 3.0的主要升级特性,与今天大规模部署机器学习模型、行业AI应用广泛、企业在多场景部署AI等主流趋势相吻合,并且一一提出了具有技术创新性的应对方案。比如:

1、骨干模型让企业不必“重复发明轮子”,依靠行业经验提升竞争力。

ModelArts 3.0中,加入了华为云骨干工具链EI-Backbone技术。它可以整合模型高效、数据高效、算力高效、知识高效,全面提升行业AI落地能力。目前,EI-Backbone所整合的行业骨干模型已经在10余个行业成功验证,并且斩获10余个业界挑战赛冠军。

机器学习的产业化变革中,华为云ModelArts的新成绩单

2、联邦学习技术加持,让AI开发可以横跨更多场景和业态,实现多种成本下降。

联邦学习近两年在AI行业非常火热,它可以有效解决机器学习中的数据孤岛困境。ModelArts 3.0中提供的联邦学习特性,可以实现数据不出户的联合建模。让用户各自利用本地数据训练,不交换数据本身,只用加密方式交换更新的模型参数,实现协同训练,最大化获取训练价值,实现综合数据训练成本下降。

3、模型诊断优化,实现企业级精细化开发,提高AI模型工业级精度。

对于企业级的AI模型开发来说,随时审视模型开发进度,调优模型精度是不可或缺的一部分。为此,ModelArts3.0提供了全面的可视化评估、智能化诊断功能,使开发者可以直观了解模型的各方面性能,有针对性进行部署工作,提升AI模型的工业精度。

4、高效算力让企业存算资源更加优化配比,完成高效率开发部署。

ModelArts 3.0进一步加强了计算资源的优化配置能力,其提供的性能模式让企业可以充分利用空闲资源加速训练作业,训练速度可提升10倍以上,并且不影响模型的收敛精度;而经济模式可以通过最大化资源利用率给开发者提供极致的性价比,在大多数典型场景下可以提升性价比30%以上。

在这些特性的加持下,ModelArts 3.0可以加速AI的行业落地,实现模型高效、数据高效、算力高效、知识高效。机器学习平台,可以借此成为AI落地效率提升的抓手。从这个角度看,ModelArts 3.0带给产业的改变,可能远远不止对具体开发问题的解决。

其更重要的价值指向在于,企业的机器学习能力上限又一次被打开。

大人,机器学习的规则变了

Forrester的评价称:“华为云提供全栈预测分析及机器学习服务,是企业在公有云、本地、边缘复杂部署场景下的理想选择。”

这个评价在某种程度上阐明了,企业在真正开发和使用AI时所需要的是什么:是企业能够借助机器学习平台,完成对复杂需求、复杂场景的适配,实现AI成为企业核心生产力的目标。

能够在不同环境、不同开发条件、不同产业合作方式的基础上完成AI开发,ModelArts 3.0通过创新的技术融入,将一站式、自动化AI开发向前推进到了新的阶段。在这个阶段,AI开发可以以目标为导向,反向推导企业需要做什么,而不是仅仅通过已有算法,来审视哪些AI能力能够帮助企业解决局部问题。

机器学习的产业化变革中,华为云ModelArts的新成绩单

在这个核心规则的改变下,企业将可以应用机器学习能力,作为自身的产业保障和生产力突破方式,变成企业的核心竞争力。具体来看,有三种过去很难完成的挑战,可以在ModelArts 3.0的产业突破下变成现实:

1、复杂的智能化需求可以借助机器学习平台来完成。

传统意义上来说,机器学习平台只能支持特定算法下的模型开发,而不能以企业需求为导向,实现复杂、综合的模型加工。而在ModelArts 3.0与全栈全场景AI能力的加持下,这种情况已经得到了改变。比如杭州云深处科技有限公司,应用了华为ModelArts和Atlas 200DK开发了“绝影”系列机器狗的AI能力。“绝影”机器狗可以实现实时感知现场环境,通过知识图谱交互分析,强化学习动态决策,并具有复杂的行进路径规划和动作的能力。如此复杂的智能机体,也能够通过机器学习平台来实现。

2、创造性的工作可以基于机器学习平台来完成。

不久前,放射学领域的国际顶级期刊Radiology(《放射学》)在线发表了一项研究:华为云EI创新孵化Lab联合华中科技大学电信学院、华中科技大学同济医学院附属协和医院放射科运用华为云一站式AI开发平台ModelArts,开发了一套基于CTA影像的全自动化、高度敏感的脑动脉瘤检测算法。这套算法能够实现动脉瘤灵检测敏度97.5%,帮助医生临床诊断灵敏度提升约10%,漏诊率降低5%,同时有效缩短医生诊断时间。

在这套解决医疗健康重大问题的系统中,ModelArts平台提供数据预处理及半自动化标注、大规模分布式训练、自动化模型生成及端-边-云按需部署能力,为创造性的AI探索提供了基础。

机器学习的产业化变革中,华为云ModelArts的新成绩单

3、低门槛机器学习成为日常。

在物流行业,单据录入是一个非常消耗时间、高度重复性的工作。盈智科技应用华为云ModelArts Pro文字识别开发套件,实施了各类国际物流单证识别接口的开发,能够实现高效率的单证信息自动化、结构化输出。在同等人力投入情况下,单据信息录入效率提升50倍,单证流程节省60%的人力成本。国际物流这样的实体行业,可以低门槛应用高度智能化、自动化的AI系统,解决企业中的重点问题,这是AI开发能力走向产业化的一个重要标志。

目前,华为云ModelArts平台已经在制造、零售、物流、能源、医疗、城市、钢铁、科研等多个领域应用,加速AI开发和行业AI落地。无论你是想要走到产业智能化的核心,还是想用AI探索一片未知领域,抑或想在一个看起来一点也不AI的企业应用AI,ModelArts 或许都可以帮助你完成愿望。

所以,或许抬头看看你会发现:大人啊,机器学习的时代变了。

本文来自投稿,不代表消费最前线立场,如若转载,请注明出处:https://www.xiaofei001.com/7152.html

(0)
脑极体的头像脑极体专栏作者
上一篇 2020年11月17日
下一篇 2020年11月17日

相关推荐

发表回复

登录后才能评论
关注微信
关注微信
商务合作
商务合作
分享本页
返回顶部