毫不客氣地說(shuō)，人工智能（AI）和機(jī)器學(xué)習(xí)（ML）已然“滲透”到了各行各業(yè)，企業(yè)們期待通過(guò)機(jī)器學(xué)習(xí)基礎(chǔ)架構(gòu)平臺(tái)，以推動(dòng)人工智能在業(yè)務(wù)中的利用。在機(jī)器學(xué)習(xí)加快推進(jìn)的過(guò)程中，卻是有喜也有憂。

近日，國(guó)際數(shù)據(jù)公司（IDC）發(fā)布了《中國(guó)人工智能軟件及應(yīng)用（2019下半年）跟蹤》報(bào)告。據(jù)該報(bào)告顯示，中國(guó)機(jī)器學(xué)習(xí)開(kāi)發(fā)平臺(tái)市場(chǎng)2019年市場(chǎng)規(guī)模達(dá)2.05億美元。

機(jī)器學(xué)習(xí)開(kāi)發(fā)平臺(tái)的部署，包括數(shù)據(jù)獲取、數(shù)據(jù)準(zhǔn)備、模型訓(xùn)練、應(yīng)用程序集成、模型運(yùn)維、生產(chǎn)監(jiān)控以及有明確KPI的業(yè)務(wù)治理過(guò)程。在這個(gè)過(guò)程中，由框架、算法模型、開(kāi)發(fā)語(yǔ)言等各種工具賦能，由數(shù)據(jù)科學(xué)家、業(yè)務(wù)分析師、數(shù)據(jù)架構(gòu)師和專業(yè)人員協(xié)作，基于數(shù)據(jù)建模，不斷的進(jìn)行概念驗(yàn)證，將好的模型部署到生產(chǎn)環(huán)境，協(xié)作以管理模型運(yùn)維的全生命周期。

算力不斷提升、算法模型創(chuàng)新、開(kāi)源技術(shù)發(fā)展、廠商加大投入，已經(jīng)成為了機(jī)器學(xué)習(xí)產(chǎn)業(yè)實(shí)現(xiàn)快速發(fā)展的重要驅(qū)動(dòng)力。其中，算力的提升，對(duì)于AI技術(shù)的進(jìn)步與成熟、相關(guān)智能產(chǎn)業(yè)的應(yīng)用模式創(chuàng)新等，無(wú)疑提供了強(qiáng)大的支撐。

受益于加速計(jì)算技術(shù)的不斷突破，機(jī)器學(xué)習(xí)、深度學(xué)習(xí)模型訓(xùn)練和推理速度持續(xù)提升，加快推動(dòng)了AI應(yīng)用產(chǎn)業(yè)化的進(jìn)程。從廠商情況來(lái)看，2020年GTC、英偉達(dá)發(fā)布了將算力再度提升數(shù)十倍的安培架構(gòu)的A100 GPU。此外，Intel華為昇騰系列，Xilinx Alveo系列、寒武紀(jì)等也在特定領(lǐng)域?yàn)锳I負(fù)載提供加速能力。

單就商業(yè)化機(jī)器學(xué)習(xí)開(kāi)發(fā)平臺(tái)而言，2018年包括硬軟服在內(nèi)的中國(guó)機(jī)器學(xué)習(xí)市場(chǎng)達(dá)到10億元人民幣，預(yù)計(jì)2018-2023年五年復(fù)合增長(zhǎng)率將達(dá)到62.0%。當(dāng)前的機(jī)器學(xué)習(xí)開(kāi)發(fā)平臺(tái)基本可以提供30種以上的經(jīng)典機(jī)器學(xué)習(xí)算法，且基本已支持TensorFlow、PyTorch、Caffe等主流框架。不僅是深度學(xué)習(xí)、機(jī)器學(xué)習(xí)，圖算法也開(kāi)始走向市場(chǎng)，現(xiàn)階段應(yīng)用十分普及的是經(jīng)典機(jī)器學(xué)習(xí)。

從市場(chǎng)空間來(lái)看，對(duì)于還沒(méi)有成熟的AI軟件產(chǎn)品的領(lǐng)域，機(jī)器學(xué)習(xí)、深度學(xué)習(xí)開(kāi)發(fā)平臺(tái)建設(shè)將成為一大趨勢(shì)，相關(guān)頭部廠商將借助已有的軟件、硬件、系統(tǒng)等技術(shù)優(yōu)勢(shì)，致力于為行業(yè)系統(tǒng)性機(jī)器學(xué)習(xí)體系的完善與健全貢獻(xiàn)更大力量。

雖然機(jī)器學(xué)習(xí)是“顯學(xué)”，但其發(fā)展還是存在不少阻力，其一，人工智能、機(jī)器學(xué)習(xí)等知識(shí)相對(duì)高深，相應(yīng)的，掌握這些知識(shí)的人也就比較少，因此，各行業(yè)發(fā)展對(duì)于機(jī)器學(xué)習(xí)、圖像識(shí)別等的人才十分迫切。

此外，機(jī)器學(xué)習(xí)的部署實(shí)施其實(shí)是一項(xiàng)非常復(fù)雜的工作。例如，對(duì)數(shù)據(jù)進(jìn)行可視化、轉(zhuǎn)換和預(yù)處理，算法的優(yōu)化、模型的訓(xùn)練，而所有這些工作都需要大量的專業(yè)知識(shí)，并耗費(fèi)龐大的算力、數(shù)據(jù)存儲(chǔ)和時(shí)間成本。在較短的時(shí)間內(nèi)，要達(dá)到相當(dāng)?shù)臋C(jī)器學(xué)習(xí)部署和推進(jìn)能力實(shí)屬不易。

機(jī)器學(xué)習(xí)平臺(tái)底層，可以簡(jiǎn)單地理解成是把數(shù)據(jù)治理、算法與算力合在一起，第四范式叫之為先知平臺(tái)。它既是一種科技平臺(tái)，也是產(chǎn)品研發(fā)系統(tǒng)。它的目標(biāo)是能夠有更好的企業(yè)級(jí)適配效果，更大的延展性和更強(qiáng)的計(jì)算水平。在先知平臺(tái)獲得突破，已經(jīng)成為許多企業(yè)的目標(biāo)。