2017 年 10 月的杭州云棲大會(huì)上，阿里巴巴正式宣布成立達(dá)摩院，未來(lái)三年將投入將超過(guò) 1000 億人民幣用于基礎(chǔ)科學(xué)和顛覆式技術(shù)創(chuàng)新研究。達(dá)摩院官網(wǎng)正式上線(xiàn)后，我們看到達(dá)摩院重點(diǎn)布局機(jī)器智能、數(shù)據(jù)計(jì)算、機(jī)器人、金融科技以及X實(shí)驗(yàn)室五大領(lǐng)域，相應(yīng)設(shè)置有 14 個(gè)實(shí)驗(yàn)室，共有近 70 名海內(nèi)外專(zhuān)家坐鎮(zhèn)。

AI 技術(shù)是達(dá)摩院目前重金押注的技術(shù)領(lǐng)域之一，即將成立兩年，人們可能都比較好奇達(dá)摩院在AI上到底布局了哪些技術(shù)領(lǐng)域？又在哪些技術(shù)方向上取得了突破？本文將一一盤(pán)點(diǎn)達(dá)摩院在AI技術(shù)上的重大進(jìn)展。

阿里AI 的技術(shù)發(fā)展及平臺(tái)建設(shè)

阿里擁有全面的 AI 技術(shù)布局，涵蓋語(yǔ)音智能、語(yǔ)言技術(shù)、機(jī)器視覺(jué)、決策智能等方向，建成了完善的機(jī)器智能算法體系， 不僅囊括語(yǔ)音、視覺(jué)、自然語(yǔ)言理解、無(wú)人駕駛等技術(shù)應(yīng)用領(lǐng)域，還不斷深化AI基礎(chǔ)設(shè)施建設(shè)，重金投入研發(fā)AI芯片、超大規(guī)模機(jī)器學(xué)習(xí)平臺(tái)，并建成了單日數(shù)據(jù)處理量突破 600PB 的超大計(jì)算平臺(tái)。

下面，我們主要圍繞語(yǔ)音智能、語(yǔ)言技術(shù)、機(jī)器視覺(jué)三大技術(shù)領(lǐng)域與平臺(tái)化建設(shè)的最新發(fā)展與成績(jī)，一覽阿里 AI 技術(shù)這兩年的進(jìn)展。

（一）語(yǔ)音智能

語(yǔ)音識(shí)別

2018年6月，阿里達(dá)摩院開(kāi)源了自主開(kāi)發(fā)的新一代語(yǔ)音識(shí)別模型（DFSMN），在世界最大的免費(fèi)語(yǔ)音識(shí)別數(shù)據(jù)庫(kù) LibriSpeech 上進(jìn)行公開(kāi)測(cè)試。對(duì)比目前業(yè)界使用最為廣泛的 LSTM 模型，DFSMN 語(yǔ)音識(shí)別模型訓(xùn)練速度更快、識(shí)別準(zhǔn)確率更高?；?DFSMN 模型，阿里 AI 又研發(fā)了 DFSMN-CTC 模型，語(yǔ)音錯(cuò)誤率大幅下降，解碼效率提升6倍。

此外，阿里巴巴機(jī)器智能技術(shù)實(shí)驗(yàn)室正在研發(fā)高工業(yè)噪聲環(huán)境下的語(yǔ)音識(shí)別及傳輸技術(shù)。以后，眾多車(chē)間工人將告別“通訊靠吼”的境況，簡(jiǎn)單的交流言語(yǔ)會(huì)轉(zhuǎn)換成文字。目前，在85分貝工業(yè)噪聲下，可以實(shí)現(xiàn)將一米處正常音量語(yǔ)音轉(zhuǎn)換為文字，準(zhǔn)確率達(dá)94.6%，能夠解決大部分工廠里的噪聲聾問(wèn)題。這項(xiàng)工作仍在繼續(xù)，未來(lái)團(tuán)隊(duì)希望可以實(shí)現(xiàn) 95 分貝工業(yè)噪聲下進(jìn)行語(yǔ)音識(shí)別。

阿里巴巴工程師正在調(diào)試AI語(yǔ)音識(shí)別系統(tǒng)

語(yǔ)音交互

目前，阿里語(yǔ)音 AI 每日調(diào)用量已達(dá)1.8 億次。

2019 年 7 月，阿里開(kāi)源人機(jī)對(duì)話(huà)模型 ESIM。ESIM 是一個(gè)解決多輪對(duì)話(huà)回復(fù)問(wèn)題的原創(chuàng)模型，通過(guò)給對(duì)話(huà)機(jī)器人裝上實(shí)時(shí)搜索并理解人類(lèi)真實(shí)意圖的“雷達(dá)”系統(tǒng)，實(shí)現(xiàn)對(duì)對(duì)話(huà)歷史的實(shí)時(shí)檢索，自動(dòng)去除多余信息的干擾，給出人類(lèi)期待的回復(fù)。

例如當(dāng)人們線(xiàn)上購(gòu)物時(shí)，提出要一件M號(hào)的黑色裙子，智能機(jī)器人通過(guò)對(duì)庫(kù)存情況的實(shí)時(shí)檢索，發(fā)現(xiàn)并答復(fù)用戶(hù)沒(méi)有黑色M號(hào)的裙子。用戶(hù)接著問(wèn)，“那有白色的嗎？”此時(shí)傳統(tǒng)模型訓(xùn)練出的AI客服很難判斷用戶(hù)是要問(wèn)“這件裙子是否有白色款”還是“有沒(méi)有白色的M號(hào)裙子”，無(wú)法給出準(zhǔn)確回復(fù)。

阿里 AI 通過(guò)對(duì)用戶(hù)對(duì)話(huà)上下文的檢索，明確用戶(hù)的核心在于尺寸而非顏色，很快給出有沒(méi)有白色M號(hào)裙子的準(zhǔn)確回復(fù)。

這項(xiàng)技術(shù)未來(lái)將會(huì)被應(yīng)用到人機(jī)交互的多個(gè)場(chǎng)景：智能語(yǔ)音點(diǎn)餐機(jī)能夠更準(zhǔn)確地理解人們的真實(shí)意圖，提高點(diǎn)單成功率；導(dǎo)航軟件能更容易聽(tīng)懂人們的語(yǔ)音請(qǐng)求，少走冤枉路；家里的智能音箱能夠更快做出反應(yīng)，節(jié)省等待時(shí)間。

語(yǔ)音合成

阿里達(dá)摩院機(jī)器智能實(shí)驗(yàn)室自主研發(fā)的基于翻譯的合成技術(shù) Knowledge-Aware Neural TTS（KAN-TTS）深度融合了目前主流的端到端 TTS 技術(shù)和傳統(tǒng) TTS 技術(shù)，同時(shí)系統(tǒng)構(gòu)建了基于不同領(lǐng)域的深層知識(shí)。并針對(duì) CPU 部署的框架設(shè)計(jì)進(jìn)行優(yōu)化，提供高效、便捷的部署能力，另外還改進(jìn)了 20 多項(xiàng)關(guān)鍵算法，從多個(gè)方面改進(jìn)了語(yǔ)音合成。

傳統(tǒng)語(yǔ)音合成定制需要10小時(shí)以上的數(shù)據(jù)錄制和標(biāo)注，對(duì)錄音人和錄音環(huán)境要求很高。從啟動(dòng)定制到最終交付，項(xiàng)目周期長(zhǎng)成本高。阿里利用 Multi-Speaker Model 與 Speaker-aware Advanced Transfer Learning 相結(jié)合的方法，將語(yǔ)音合成定制成本降低 10 倍以上，周期壓縮 3 倍以上。也就是說(shuō)，用 1 小時(shí)有效錄音數(shù)據(jù)和不到兩個(gè)月制作周期，就能完成一次標(biāo)準(zhǔn) TTS 定制。

這也意味著，普通用戶(hù)定制“AI聲音”的門(mén)檻更低。只需手機(jī)錄音十分鐘，就能獲得與錄制聲音高度相似的合成語(yǔ)音。阿里 AI 做到這一點(diǎn)，主要基于自動(dòng)數(shù)據(jù)檢查、自動(dòng)標(biāo)注方法和對(duì)海量用戶(hù)場(chǎng)景的利用。阿里已經(jīng)對(duì)外提供開(kāi)箱即用的 TTS 解決方案，共有通用、客服、童聲、英文和方言 5 個(gè)場(chǎng)景的 34 種聲音供選擇?；谛乱淮夹g(shù)，阿里還提高了設(shè)備端離線(xiàn) TTS 的效果。這在超低資源設(shè)備端的 TTS 服務(wù)中非常有用，比如當(dāng)人們駕車(chē)行駛于信號(hào)微弱區(qū)域時(shí)避免語(yǔ)音導(dǎo)航“掉線(xiàn)”。

除了在語(yǔ)音識(shí)別、語(yǔ)音交互與語(yǔ)音合成等領(lǐng)域的進(jìn)展，在聲紋識(shí)別領(lǐng)域，阿里達(dá)摩院研發(fā)了聲紋無(wú)監(jiān)督聚類(lèi)技術(shù)，推出分布式語(yǔ)音交互模組，用于阿里云 IoT 聯(lián)合阿里達(dá)摩院發(fā)布的分布式語(yǔ)音交互解決方案中，方案除了語(yǔ)音交互模組外，還包括語(yǔ)音自學(xué)習(xí)平臺(tái)、對(duì)話(huà)平臺(tái)以及阿里云 IoT 智能人居平臺(tái)，打通了上下游平臺(tái)串聯(lián)、端云一體能力，縮短智能人居環(huán)境開(kāi)發(fā)周期，同時(shí)還具備強(qiáng)擴(kuò)展能力。

（二）自然語(yǔ)言處理

機(jī)器翻譯

2017 年的 WMT 競(jìng)賽，大多數(shù)系統(tǒng)是基于 RNN 和 LSTM，包括最終獲得冠軍的系統(tǒng)也是基于此。僅僅過(guò)了一年時(shí)間，各大機(jī)構(gòu)都爭(zhēng)先使用 Transformer。達(dá)摩院機(jī)器智能技術(shù)實(shí)驗(yàn)室資深算法專(zhuān)家陳博興帶領(lǐng)的達(dá)摩院機(jī)器翻譯團(tuán)隊(duì)，在此次比賽中，基于 Transformer 結(jié)構(gòu)， Self-Attention、Multi-head Attention 等技術(shù)，進(jìn)行了網(wǎng)絡(luò)結(jié)構(gòu)的改進(jìn)，充分利用詞語(yǔ)位置信息，提出高度并行化、能捕捉層次化信息的神經(jīng)網(wǎng)絡(luò)，全面提升了機(jī)器翻譯的性能。

去年，AI科技大本營(yíng)也邀請(qǐng)了阿里巴巴機(jī)器智能技術(shù)實(shí)驗(yàn)室阿里巴巴翻譯平臺(tái)翻譯模型組負(fù)責(zé)人于恒做了公開(kāi)課分享：《Transformer 新型神經(jīng)網(wǎng)絡(luò)在機(jī)器翻譯中的應(yīng)用 | 公開(kāi)課筆記》

目前，達(dá)摩院機(jī)器翻譯技術(shù)團(tuán)隊(duì)已實(shí)現(xiàn)了 48 個(gè)語(yǔ)言翻譯方向，支持俄、西、法、阿、土，泰、印尼、越南等多種語(yǔ)言翻譯；其中電商覆蓋了大部分語(yǔ)向和場(chǎng)景，超越谷歌和亞馬遜，日調(diào)用量達(dá)到 17.9 億次。阿里的機(jī)器翻譯技術(shù)除了應(yīng)用于電商全鏈路服務(wù)之外，還廣泛應(yīng)用于菜鳥(niǎo)物流通關(guān)、阿里云國(guó)際社區(qū)、飛豬旅行翻譯助手、釘釘社交口語(yǔ)翻譯等一系列產(chǎn)品。

QA 任務(wù) & 機(jī)器閱讀

傳統(tǒng) AI 閱讀需要某一領(lǐng)域的專(zhuān)業(yè)人士準(zhǔn)備好問(wèn)答數(shù)據(jù)，AI 回答也僅限于該領(lǐng)域，例如金融領(lǐng)域的人工智能無(wú)法回答物流領(lǐng)域的問(wèn)題。阿里研究團(tuán)隊(duì)提出的“基于分層融合注意力機(jī)制”的深度神經(jīng)網(wǎng)絡(luò)模型能夠模擬人類(lèi)在做閱讀理解問(wèn)題時(shí)的一些行為，包括結(jié)合篇章內(nèi)容審題，帶著問(wèn)題反復(fù)閱讀文章，避免閱讀中遺忘而進(jìn)行相關(guān)標(biāo)注等。模型可以在捕捉問(wèn)題和文章中特定區(qū)域關(guān)聯(lián)的同時(shí)，借助分層策略，逐步集中注意力，使答案邊界清晰；另一方面，為避免過(guò)于關(guān)注細(xì)節(jié)，采用融合方式將全局信息加入注意力機(jī)制，進(jìn)行適度糾正，確保關(guān)注點(diǎn)正確。

比如，4300 萬(wàn)字的《大英百科全書(shū)》，阿里 AI 可以在毫秒內(nèi)閱讀完，并根據(jù)自己的理解快速回答涉及書(shū)中不同領(lǐng)域的不同問(wèn)題。例如亞洲有多少個(gè)國(guó)家？美國(guó)第五任總統(tǒng)是誰(shuí)？恐龍是什么時(shí)候消失的？機(jī)器人可以分別迅速給出答案，無(wú)懼“連環(huán)追擊”。

阿里還提出了基于“融合結(jié)構(gòu)化信息 BERT 模型”的“深度級(jí)聯(lián)機(jī)器閱讀模型”，可以模仿人類(lèi)閱讀理解的過(guò)程，先對(duì)文檔進(jìn)行快速瀏覽，判斷，然后針對(duì)相應(yīng)段落進(jìn)行精讀，并根據(jù)“自己的理解”回答問(wèn)題。

常識(shí)推理可以說(shuō)是難度最高的 NLP 任務(wù)之一，深度學(xué)習(xí)領(lǐng)軍人物之一、圖靈獎(jiǎng)獲得者 Yann LeCun 曾有斷言：最聰明的AI在常識(shí)方面也不如貓。

阿里巴巴達(dá)摩院語(yǔ)音實(shí)驗(yàn)室還提出了 AMS 方法，顯著提升 BERT 模型的常識(shí)推理能力。AMS 方法使用與 BERT 相同的模型，僅預(yù)訓(xùn)練 BERT，在不提升模型計(jì)算量的情況下，將 CommonsenseQA 數(shù)據(jù)集上的準(zhǔn)確率提升了 5.5%，達(dá)到 62.2%。

語(yǔ)義識(shí)別

2019 年 4 月 1 日愚人節(jié)之際，阿里巴巴發(fā)布了這項(xiàng)旨在粉碎網(wǎng)絡(luò)謠言和假新聞的AI技術(shù)——“AI謠言粉碎機(jī)”。其算法模型由阿里巴巴達(dá)摩院機(jī)器智能實(shí)驗(yàn)室研發(fā)，依靠深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)技術(shù)，通過(guò)對(duì)信息的多維度和多角度分析，團(tuán)隊(duì)設(shè)計(jì)了一整套包含發(fā)布信息、社交畫(huà)像、回復(fù)者立場(chǎng)、回復(fù)信息、傳播路徑在內(nèi)的綜合判定系統(tǒng)，首次把謠言識(shí)別和社交用戶(hù)觀點(diǎn)識(shí)別打通，并做交叉分析，目前在特定場(chǎng)景中的準(zhǔn)確率已經(jīng)達(dá)到 81%，最快能夠在 1 秒內(nèi)判定新聞的真實(shí)性。

（三）機(jī)器視覺(jué)

醫(yī)療影像分析

2017 年 7 月，國(guó)際權(quán)威肺結(jié)節(jié)檢測(cè)大賽 LUNA16 要求選手對(duì) 888 份肺部 CT 樣本進(jìn)行分析，尋找其中的肺結(jié)節(jié)。樣本共包含 1186 個(gè)肺結(jié)節(jié)，75% 以上為小于 10mm 的小結(jié)節(jié)。最終，阿里云 ET 在 7 個(gè)不同誤報(bào)率下發(fā)現(xiàn)的肺結(jié)節(jié)平均召回率達(dá)到 89.7%。（召回率指在樣本數(shù)據(jù)中成功發(fā)現(xiàn)的結(jié)節(jié)占比，下圖顯示了 ET 在不同誤報(bào)次數(shù)下的召回率情況。）

（FROC曲線(xiàn)）

其背后的技術(shù)由阿里巴巴 iDST視覺(jué)計(jì)算團(tuán)隊(duì)完成，負(fù)責(zé)人華先勝介紹，與常用的兩階段檢測(cè)方法不同，他們創(chuàng)新性地使用了單階段方法，全程無(wú)須人工干預(yù)。機(jī)器全自動(dòng)讀取病人的 CT 序列，直接輸出檢測(cè)到的肺結(jié)節(jié)。在模型結(jié)構(gòu)設(shè)計(jì)上，ET 針對(duì) CT 切片的特性，采用多通道、異構(gòu)三維卷積融合算法、有效地利用多異構(gòu)模型的互補(bǔ)性來(lái)處理和檢測(cè)在不同形態(tài)上的肺結(jié)節(jié) CT 序列，提高了對(duì)不同尺度肺結(jié)節(jié)的敏感性；同時(shí)使用了帶有反卷積結(jié)構(gòu)的網(wǎng)絡(luò)和多任務(wù)學(xué)習(xí)的訓(xùn)練策略，提高了檢測(cè)的準(zhǔn)確度。比賽中，團(tuán)隊(duì)克服了一系列挑戰(zhàn)：如結(jié)節(jié)模態(tài)復(fù)雜問(wèn)題，早期的結(jié)節(jié)?。ㄐ∮?0mm），傳統(tǒng)的機(jī)器學(xué)習(xí)和用于自然圖像的深度學(xué)習(xí)網(wǎng)絡(luò)通常難以湊效。

肝結(jié)節(jié)的準(zhǔn)確測(cè)量可以輔助醫(yī)生做出決策和治療方案。但肝結(jié)節(jié)形態(tài)多樣，即使是同一個(gè)病人，結(jié)節(jié)的大小、形狀都不一樣，從而導(dǎo)致結(jié)節(jié)間灰度分布差異大、或與周?chē)M織灰度相似，甚至沒(méi)有清晰的邊界。

阿里則通過(guò)對(duì) CT 圖像層間信息和層內(nèi)信息融合的網(wǎng)絡(luò)結(jié)構(gòu)分析，解決肝結(jié)節(jié)類(lèi)別多樣性的問(wèn)題。采用基于原子卷積的空間金字塔池化（Atrous Spatial Pyramid Pooling）、亞像素卷積（Sub Pixel Convolution）及多特征融合等技術(shù)。華先勝表示，目前團(tuán)隊(duì)研究范圍已經(jīng)覆蓋肺、肝、骨、心臟、腦等部位的疾病，涉及影像分析、自然語(yǔ)言處理、設(shè)備信號(hào)處理等相關(guān)技術(shù)，部分技術(shù)已經(jīng)落地到實(shí)際的醫(yī)療診斷中。

超大規(guī)模圖像識(shí)別 & 圖像搜索

2019年6月，在被譽(yù)為人工智能世界杯的 WebVision 競(jìng)賽要求參賽的 AI 模型將 1,600 萬(wàn)張圖片精準(zhǔn)分類(lèi)到 5,000 個(gè)類(lèi)目中。相比于經(jīng)過(guò)人工標(biāo)注完畢的 ImageNet 數(shù)據(jù)集，WebVision 所用數(shù)據(jù)集直接從互聯(lián)網(wǎng)爬取，沒(méi)有經(jīng)過(guò)人工標(biāo)注，含有較多噪音，且數(shù)據(jù)類(lèi)別的數(shù)量組成極大不平衡，AI 的識(shí)別難度更高。

阿里 AI 引入了構(gòu)建類(lèi)別語(yǔ)義標(biāo)簽關(guān)系的模型，并采用輔助信息模型進(jìn)行圖像去噪的深度學(xué)習(xí)技術(shù)，以及阿里自研的可以支持?jǐn)?shù)十億圖片分類(lèi)訓(xùn)練的超大平臺(tái)。最終，阿里 AI 以 82.54% 的識(shí)別準(zhǔn)確率，擊敗全世界 150 多支參賽隊(duì)獲得冠軍，目前該技術(shù)可以識(shí)別超過(guò) 100 萬(wàn)種物理實(shí)體。

2019 年 7 月，在 CVPR 2019 舉辦的 LPIRC（低功耗圖像識(shí)別挑戰(zhàn)賽）中，阿里 AI 獲得在線(xiàn)圖像分類(lèi)任務(wù)第一名，以 23ms 的單張圖片分類(lèi)速度，在 10 分鐘內(nèi)分類(lèi) 20,000張圖像。在挑戰(zhàn)賽使用的訓(xùn)練數(shù)據(jù)集上，實(shí)現(xiàn)了 67.4% 的分類(lèi)精度，比官方提供的基準(zhǔn)線(xiàn)高3.5%。

視覺(jué)對(duì)話(huà)

視覺(jué)對(duì)話(huà)是近年來(lái)快速崛起的 AI 研究方向，目的在于教會(huì)機(jī)器用自然語(yǔ)言與人類(lèi)討論視覺(jué)內(nèi)容。如果說(shuō)視覺(jué)識(shí)別技術(shù)，讓機(jī)器具備了視覺(jué)能力；那么視覺(jué)對(duì)話(huà)技術(shù)，則使機(jī)器擁有了對(duì)真實(shí)視覺(jué)世界的理解與推斷能力，意味著 AI 的認(rèn)知能力將邁上新的臺(tái)階。

（視覺(jué)對(duì)話(huà)中，AI可以從容應(yīng)對(duì)人類(lèi)提問(wèn)，左為AI，右為人類(lèi)）

傳統(tǒng)的視覺(jué) AI 主要針對(duì)目標(biāo)的檢測(cè)和識(shí)別，例如識(shí)別出圖片是否是一只貓，但對(duì)復(fù)雜場(chǎng)景中目標(biāo)之間的邏輯關(guān)系理解、推理能力較弱，無(wú)法回答“這只貓旁邊的男生穿了什么顏色的衣服”等復(fù)雜問(wèn)題，也難以將圖片信息轉(zhuǎn)化為人類(lèi)理解的語(yǔ)言輸出。

阿里 AI 提出了“遞歸探索對(duì)話(huà)模型”，綜合集成了圖像識(shí)別、關(guān)系推理與自然語(yǔ)言理解三大能力，通過(guò)高效利用標(biāo)注信息學(xué)習(xí)出模仿人類(lèi)認(rèn)知復(fù)雜場(chǎng)景的思維方式，能夠有效識(shí)別圖片里的實(shí)體以及它們之間的關(guān)系，推理出圖片所描述的事件內(nèi)容，并通過(guò)對(duì)上下文進(jìn)行有效建模，理解人類(lèi)提出的問(wèn)題及真實(shí)意圖，給出自然準(zhǔn)確的回復(fù)。

未來(lái)，視覺(jué)對(duì)話(huà)技術(shù)將被應(yīng)用在人機(jī)交互的諸多場(chǎng)景中。地震后在廢墟中尋找幸存者的救援機(jī)器人，能更加及時(shí)、高效地綜合指揮指令和場(chǎng)景信息作出行動(dòng)；視障人士可以通過(guò)提問(wèn)AI理解網(wǎng)絡(luò)照片中的內(nèi)容，了解自身所處的周?chē)h(huán)境；無(wú)人駕駛車(chē)輛對(duì)影響因子的意圖理解會(huì)更為準(zhǔn)確，乘客的乘坐體驗(yàn)更好。

（四）阿里 AI 的基礎(chǔ)平臺(tái)建設(shè)

機(jī)器學(xué)習(xí)平臺(tái) PAI3.0

在 AI 應(yīng)用技術(shù)上的不斷探索之外，阿里不斷深化 AI 基礎(chǔ)設(shè)施建設(shè)。機(jī)器學(xué)習(xí)平臺(tái)為人工智能發(fā)展提供深度學(xué)習(xí)數(shù)據(jù)處理和模型訓(xùn)練的一站式服務(wù)，阿里研發(fā)了大規(guī)模分布式機(jī)器學(xué)習(xí)平臺(tái) PAI，讓企業(yè)和開(kāi)發(fā)者擁有便捷的人工智能開(kāi)發(fā)能力，大幅降低使用人工智能的成本。該平臺(tái)是國(guó)內(nèi)首個(gè)集數(shù)據(jù)處理、建模、離線(xiàn)預(yù)測(cè)、在線(xiàn)預(yù)測(cè)為一體的機(jī)器學(xué)習(xí)平臺(tái)，提供 100 余種算法組件，支持千億特征、萬(wàn)億模型和萬(wàn)億樣本乃至 PB 級(jí)的數(shù)據(jù)訓(xùn)練，為傳統(tǒng)機(jī)器學(xué)習(xí)提供上百種算法和大規(guī)模分布式計(jì)算的服務(wù)。

分布式深度學(xué)習(xí)框架 XDL

2018 年杭州云棲大會(huì)上，針對(duì)廣告、搜索、推薦等典型數(shù)據(jù)處理場(chǎng)景，發(fā)布自研新一代工業(yè)級(jí)分布式深度學(xué)習(xí)框架——XDL，關(guān)注的核心是這些場(chǎng)景下高維稀疏數(shù)據(jù)的性能。

分布式計(jì)算引擎 Maxcompute

大規(guī)模算力是支撐的機(jī)器智能高效應(yīng)用的基礎(chǔ)。阿里擁有豐富的異構(gòu)計(jì)算平臺(tái)和自研的大規(guī)模分布式計(jì)算引擎（Maxcompute），包括超大規(guī)模批量計(jì)算、超高并發(fā)實(shí)時(shí)計(jì)算、復(fù)雜圖數(shù)據(jù)推理計(jì)算三類(lèi)，綜合性能上領(lǐng)先現(xiàn)有開(kāi)源引擎 30%，整體成本降低 20%。在 2018 年雙十一，MaxCompute 單日數(shù)據(jù)處理量突破 600 PB。

移動(dòng)端輕量級(jí)的深度神經(jīng)網(wǎng)絡(luò)推理引擎 MNN

基于淘寶和達(dá)摩院的研究成果，阿里 2017 年開(kāi)始組建 MNN 團(tuán)隊(duì)。2019 年 5 月，阿里開(kāi)源了首個(gè)移動(dòng) AI 項(xiàng)目——輕量級(jí)的深度神經(jīng)網(wǎng)絡(luò)推理引擎MNN（Mobile Neural Network），具有輕量、通用、高性能、易用性特征。MNN 提供模型轉(zhuǎn)換和計(jì)算推理兩大功能，模型轉(zhuǎn)換功能幫助開(kāi)發(fā)者兼容不同的訓(xùn)練框架，如 TensorFlow（Lite）、ONNX 等；計(jì)算推理部分應(yīng)用了多種優(yōu)化方法，高效推理。MNN 可用在智能手機(jī)、IoT 設(shè)備等端側(cè)加載深度神經(jīng)網(wǎng)絡(luò)模型，可應(yīng)用于阿里手機(jī)淘寶、手機(jī)天貓、優(yōu)酷等 20 多個(gè)應(yīng)用，覆蓋直播、短視頻、搜索推薦、商品圖像搜索、互動(dòng)營(yíng)銷(xiāo)、權(quán)益發(fā)放、安全風(fēng)控等場(chǎng)景。

達(dá)摩院：阿里 AI 發(fā)展的“總樞紐”

雖然阿里在人工智能賽道的起步不算最早，不過(guò)等到AI風(fēng)口在2015年前后起勢(shì)，阿里也儲(chǔ)備了相當(dāng)分量的AI人才。兩年前，阿里組建達(dá)摩院，全面升級(jí)人工智能的技術(shù)、商業(yè)布局。某種程度上，達(dá)摩院的組建是阿里人工智能組織力量的重大升級(jí)，奠定了這兩年阿里AI技術(shù)飛速發(fā)展的基礎(chǔ)。

當(dāng)然，技術(shù)能否帶來(lái)經(jīng)濟(jì)社會(huì)生活的改變，能否帶來(lái)商業(yè)化場(chǎng)景大規(guī)模落地，才是技術(shù)價(jià)值的最終體現(xiàn)。在人工智能領(lǐng)域，技術(shù)應(yīng)用的商業(yè)化是衡量?jī)r(jià)值的唯一標(biāo)準(zhǔn)，而阿里產(chǎn)業(yè)AI目前已遍及醫(yī)療、金融、制造、司法、交通、環(huán)保、教育、零售等領(lǐng)域。

領(lǐng)先的算法技術(shù)、AI 應(yīng)用的系統(tǒng)集成能力、AI 產(chǎn)業(yè)生態(tài)構(gòu)建能力、海量用戶(hù)場(chǎng)景、開(kāi)源技術(shù)生態(tài)、大規(guī)模研發(fā)投入和頂級(jí)人才團(tuán)隊(duì)以及自身的AI商業(yè)化模式是阿里 AI 取得現(xiàn)有成績(jī)的關(guān)鍵組成部分，而阿里達(dá)摩院無(wú)疑是將這些因子串聯(lián)起來(lái)的“總樞紐”。