告别手摇织布机的AI时代(2)

其实，各路前沿玩家很早就意识到了这个兆头，并开始着手解决。 有人增派人手潜心深入行业，对新增算法逐一研发，躬身入局与行业强绑定，初期就着手构建完整方案教育市场，下场做了很多集成工作。 也有人上马超算中心，建立大模型大装置，希望能一口气解决所有问题。 还有一种新的方式，不但要做到AI开发的“降本增效”，还要降低使用门槛形成行业普及—— 用AI的方式解决AI需求，其底层技术来自AutoML，主打两个字：高效。 技如其名，AutoML指的是在机器学习各阶段减少人工参与，把“工匠手工打造”变成“流水线自动化作业”。 从模型的结构设计到调超参、从训练到模型的精简压缩、还有芯片的适配和部署……在不同阶段采用自动化方案，让机器替代人工完成调参、数据处理等等繁复工作。 核心理念即用AI训练AI。 因AutoML将对原有底层框架、以及合作模式的重塑，有圈内人将其称为：人工智能2.0阶段的标志。 作为AutoML的提出和尝鲜者，谷歌已经快速进行了相关布局，还有一些初创公司，也积极开展AutoML创新，成为AI行业赋能百业的践行者。

反映到实际的产业应用中，AutoML有多高效？ 深圳初创公司“共达地”的两名产品经理基于公司的自动化训练平台，只用2~3周时间，便快速训练完成了超过100个算法，涵盖了目标检测追踪、图像分类、语义分割、姿态检测、3D检测等五个大类视觉算法，覆盖80+个碎片化应用场景以及70+款AI芯片。 简单换算的话，原本算法开发到部署需要至少半年， 现以自动化方式，半天就能完成，效率指数级增长。 但将AutoML全面带向商业市场，还需要从客户价值角度出发，帮助客户以更低的成本快速上手，创造生产力的革新；同时，联动产业上下游，优化产业的供需体系，实现生产关系的重塑。 首先，是生产力的革新。 虽说AutoML号称「自动」，但对非AI技术出身的产品经理、数据分析师等群体来说，仍属于「搞不明白」的头痛工具。 有别于科技巨头仅用其提升内部技术人员工作效率，共达地在开发Pipeline上进行全链条自动化改造，让不懂AI的业务人员也能使用AI，大幅降低AI的使用门槛，做企业背后的无限的AI生产力。 从图中可以看出，共达地全流程实现了0代码低门槛使用AutoML训练自己想要的AI，用户只需要简单的点选按钮，就可以根据自身需求，自助式上传训练数据，平台即可自主完成模型设计、训练和调参，短时间内就可训练出一个高质量的AI视觉算法。 目前，该平台已覆盖行业90%以上常见任务，大类涵盖：检测、分割、分类、人体、3D等方面算法。数据采集标注也可交给共达地合作方，产品经理和业务专家们只需负责定义需求，即可快速完成落地，实现“定义即所得”。 由于现实中，很多中小企业对于碎片化场景算法有迫切需求，该团队还联合数据厂商，快速推出了自动化「算法商城」—— 让客户能够以0代码、即插即用的方式，快速将AI算法应用于自身业务链条当中，实现智能化升级。 目前，这一商城包含近百个场景，适配70余款芯片的5000多种高精度算法，供客户直接使用。 第二，是生产关系的重塑。 通过开放赋能，将AI交付能力赋予广泛的生态合作伙伴，共同践行将AI赋能百业。 目前，AI产业链囊括了数据厂商、芯片厂商、基础设施厂商等多个不同环节的角色，共达地企业定位于开放，因此，在通过AutoML平台重塑产业链的过程，保持了对各环节伙伴的充分开放性。 以针对芯片厂商的适配为例。 由于不同芯片平台都会基于自身芯片硬件架构特性，开发自己的工具链，在AI模型生成和部署环节中，需要兼顾各个不同芯片平台的硬件适配性和利用率。 共达地AI平台在SDK层面会整合不同工具链，完成模型到终端芯片的自适应转换，满足AutoML训练平台生成的模型能够一键下发至终端设备，并让AI算法模型发挥充分效能。 基于AutoML的高效，共达地完成了几乎所有主流芯片与盒子的预适配，可以将芯片利用率提升至50~60%，相较于10%利用率的行业普遍水平，大大提升了算力效能。