人工智能工程化，让人工智能回归现实
发布时间：2021-09-25 17:58:17 所属栏目：大数据 来源：互联网
导读：任何一个行业，任何一个企业，现在都可以落地AI应用了。只要你有场景，有积累的数据，有算力，能开发出算法，落地速度会远远超过你的预期。 从上世纪50年代中期人工智能被提出以来，历经了60多个年头的人工智能技术跨过了两次寒冬，正处在第三个高峰期，让像
|
在CAIDS报告中，国内的阿里云、百度云、云都进入报告，其中阿里云与微软、谷歌、IBM、AWS一起跻身远见者象限。
从这两个魔力象限图可以看出，中国企业的实力正在增强。
在数据和算力的云原生化、调度和编程范式的规模化、开发和服务的标准化普惠化三个方面，阿里云都有自己的方案：
在平台云原生化方面，阿里云机器学习PAI拥抱云原生，通过与阿里云IaaS的产品无缝对接，提供灵活、易用和功能丰富的机器学习全栈产品，降低客户自建GPU环境的复杂度和成本。
在模型超大规模化，阿里云机器学习PAI、达摩院智能计算实验室联合清华大学共同开发了业界最大规模的中文多模态预训练模型M6。该模型参数规模超千亿，具备超越传统AI的文本、图像的理解和生成能力，图像设计效率超越人类，可应用于产品设计、信息检索、机器人对话、文学创作等领域。
在开发和服务的标准化方面，阿里云机器学习平台PAI在阿里云IaaS上，构建了一个完整的AI开发全生命周期的管理体系，覆盖模型构建、模型训练、部署模型等全生命周期。
亚马逊云科技将其机器学习服务按对象和功能不同，分为三层：
最上层是供企业直接调用的AI服务，包括视觉、语音、语言、预测等领域的AI能力，面向的是应用开发人员，不需要懂AI技术，即插即用，按需付费。
用户可以通过AWS云服务的形式，利用聊天机器人服务Amazon Lex和文字转语音服务Amazon Polly服务，这些AI能力不少都是经过亚马逊电商业务验证过。
中间层是AWS端到端的托管机器学习平台Amazon SageMaker为主的模型训练层，主要面向数据科学家，可以把他们从漫长的模型构建中解放出来。
Amazon SageMaker是一个自动化的机器学习模型训练平台，只要输入训练数据并挑选好算法，Amazon SageMaker可以帮企业进行人工智能建模，同时还能管理底层需要用到的所有的服务器和框架。
最底层是机器学习框架和基础架构，包括与主流机器学习框架、接口，以及高性能服务器、虚拟机为主的基础服务，面向的是IT工程师、机器学习科学家、应用开发人员。调用这些服务，需要三类专业人员共同开发。
当然，AI目前几乎是所以云服务商发展的主要方向。不过在AI工程化赛道，大数据、云计算等企业不会缺席，商机无限。
 （编辑：宿州站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
