機器學習的產業化變革中，華為雲ModelArts的新成績單

如果說，企業應用人工智慧是刀槍劍戟、馬上步下的整套功夫，那麼基礎機器學習模型開發，可以說是最基本的扎馬步。

基礎不牢，地動山搖。AI模型開發是企業智慧化的入門環節，卻也在很大程度上決定了企業智慧化水準的上限。根據IDC釋出的《中國人工智慧軟體及應用跟蹤》，中國機器學習開發平臺市場在2019年達成了2.05億美元的市場規模，並將在未來五年保持38%以上的年複合增長率。

機器學習平臺的意義遠不止於其市場規模本身，作為企業應用AI的基礎，機器學習平臺是開發與部署AI模型的基礎，同時也是牽引雲端計算、大資料、機器視覺等技術的重要動能。

而機器學習平臺在不斷髮展的過程裡，本身也發生著巨大的變化。

剛剛，國際著名資料機構Forrester釋出了《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略、產品和市場表現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雲進入了“領導者(Leaders)”象限。

如果你是開發者或者關注AI產業，一定會知道華為雲在機器學習領域的差異化優勢，一方面在於全棧全場景AI提供的雲邊端一體化能力;另一方面則是以ModelArts為代表的一站式AI開發平臺，指向的產業化、智慧化的AI應用能力。

華為雲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：機器學習平臺的發展，正在從基礎演算法開發，走向產業化、落地能力為主導的強應用時代。

變化的時代，蘊育著變化的規則。從華為雲在機器學習市場中的領導者表現，以及ModelArts 3.0的產業特性中，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，綜合了主流演算法相容程度、部署相容性、AutoML能力幾個主要維度。從中可以發現，業界對預測分析和機器學習(PAML)廠商的評價標準，已經逐步從“開發者能否用這個平臺開發出演算法”，變成了“開發者是否可以藉助平臺獲得產業價值”。

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

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

1、開發門檻是否足夠低，能適應不同企業、不同部門的AI開發需求。

2、平臺能否幫助使用者快速完成應用部署，達成工業級的應用效率。

3、平臺提供的分散式架構是否具備足夠的相容性，能夠滿足企業使用者多元化的需求。

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

ModelArts 3.0，象牙塔融於千家燈火

從Forrester的評價體系出發，我們可以發現大家已經非常熟悉的ModelArts平臺具有鮮明的產業化特質。而與以往版本不同的是，ModelArts 3.0不僅展現出獨特的產業工具與自動化平臺特性，還將學術界先進的演算法能力反向融合於AI開發，實現了產業工具的深度進化。

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

1、骨幹模型讓企業不必“重複發明輪子”，依靠行業經驗提升競爭力。

ModelArts 3.0中，加入了華為雲骨幹工具鏈EI-Backbone技術。它可以整合模型高效、資料高效、算力高效、知識高效，全面提升行業AI落地能力。目前，EI-Backbone所整合的行業骨幹模型已經在10餘個行業成功驗證，並且斬獲10餘個業界挑戰賽冠軍。

2、聯邦學習技術加持，讓AI開發可以橫跨更多場景和業態，實現多種成本下降。

聯邦學習近兩年在AI行業非常火熱，它可以有效解決機器學習中的資料孤島困境。ModelArts 3.0中提供的聯邦學習特性，可以實現資料不出戶的聯合建模。讓使用者各自利用本地資料訓練，不交換資料本身，只用加密方式交換更新的模型引數，實現協同訓練，最大化獲取訓練價值，實現綜合資料訓練成本下降。

3、模型診斷優化，實現企業級精細化開發，提高AI模型工業級精度。

對於企業級的AI模型開發來說，隨時審視模型開發進度，調優模型精度是不可或缺的一部分。為此，ModelArts3.0提供了全面的視覺化評估、智慧化診斷功能，使開發者可以直觀瞭解模型的各方面效能，有針對性進行部署工作，提升AI模型的工業精度。

4、高效算力讓企業存算資源更加優化配比，完成高效率開發部署。

ModelArts 3.0進一步加強了計算資源的優化配置能力，其提供的效能模式讓企業可以充分利用空閒資源加速訓練作業，訓練速度可提升10倍以上，並且不影響模型的收斂精度;而經濟模式可以通過最大化資源利用率給開發者提供極致的價效比，在大多數典型場景下可以提升價效比30%以上。

在這些特性的加持下，ModelArts 3.0可以加速AI的行業落地，實現模型高效、資料高效、算力高效、知識高效。機器學習平臺，可以藉此成為AI落地效率提升的抓手。從這個角度看，ModelArts 3.0帶給產業的改變，可能遠遠不止對具體開發問題的解決。

其更重要的價值指向在於，企業的機器學習能力上限又一次被開啟。

大人，機器學習的規則變了

Forrester的評價稱：“華為雲提供全棧預測分析及機器學習服務，是企業在公有云、本地、邊緣複雜部署場景下的理想選擇。”

這個評價在某種程度上闡明瞭，企業在真正開發和使用AI時所需要的是什麼：是企業能夠藉助機器學習平臺，完成對複雜需求、複雜場景的適配，實現AI成為企業核心生產力的目標。

能夠在不同環境、不同開發條件、不同產業合作方式的基礎上完成AI開發，ModelArts 3.0通過創新的技術融入，將一站式、自動化AI開發向前推進到了新的階段。在這個階段，AI開發可以以目標為導向，反向推導企業需要做什麼，而不是僅僅通過已有演算法，來審視哪些AI能力能夠幫助企業解決區域性問題。

在這個核心規則的改變下，企業將可以應用機器學習能力，作為自身的產業保障和生產力突破方式，變成企業的核心競爭力。具體來看，有三種過去很難完成的挑戰，可以在ModelArts 3.0的產業突破下變成現實：

1、複雜的智慧化需求可以藉助機器學習平臺來完成。

傳統意義上來說，機器學習平臺只能支援特定演算法下的模型開發，而不能以企業需求為導向，實現複雜、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，這種情況已經得到了改變。比如杭州雲深處科技有限公司，應用了華為ModelArts和Atlas 200DK開發了“絕影”系列機器狗的AI能力。“絕影”機器狗可以實現實時感知現場環境，通過知識圖譜互動分析，強化學習動態決策，並具有複雜的行進路徑規劃和動作的能力。如此複雜的智慧機體，也能夠通過機器學習平臺來實現。

2、創造性的工作可以基於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》)線上發表了一項研究：華為雲EI創新孵化Lab聯合華中科技大學電信學院、華中科技大學同濟醫學院附屬協和醫院放射科運用華為雲一站式AI開發平臺ModelArts，開發了一套基於CTA影像的全自動化、高度敏感的腦動脈瘤檢測演算法。這套演算法能夠實現動脈瘤靈檢測敏度97.5%，幫助醫生臨床診斷靈敏度提升約10%，漏診率降低5%，同時有效縮短醫生診斷時間。

在這套解決醫療健康重大問題的系統中，ModelArts平臺提供資料預處理及半自動化標註、大規模分散式訓練、自動化模型生成及端-邊-雲按需部署能力，為創造性的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，單據錄入是一個非常消耗時間、高度重複性的工作。盈智科技應用華為雲ModelArts Pro文字識別開發套件，實施了各類國際物流單證識別介面的開發，能夠實現高效率的單證資訊自動化、結構化輸出。在同等人力投入情況下，單據資訊錄入效率提升50倍，單證流程節省60%的人力成本。國際物流這樣的實體行業，可以低門檻應用高度智慧化、自動化的AI系統，解決企業中的重點問題，這是AI開發能力走向產業化的一個重要標誌。

目前，華為雲ModelArts平臺已經在製造、零售、物流、能源、醫療、城市、鋼鐵、科研等多個領域應用，加速AI開發和行業AI落地。無論你是想要走到產業智慧化的核心，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的企業應用AI，ModelArts 或許都可以幫助你完成願望。

所以，或許抬頭看看你會發現：大人啊，機器學習的時代變了。