人工智能行業(yè)現(xiàn)狀

人工智能已經(jīng)歷十幾年的快速發(fā)展，尤其是近些年，人工智能在大數(shù)據(jù)、大模型的深度學習之路上一路高歌猛進，目前已經(jīng)形成了用大數(shù)據(jù)代替經(jīng)驗、用算法挖掘知識、用并行計算確保模型訓練的可行性的基本范式。

現(xiàn)在有大量的基于感知能力的AI模型已經(jīng)廣泛應用于各行各業(yè)，但是目前人工智能還只是“弱人工智能”，很多核心問題依然沒有解決，比如如何讓模型具備真正的理解能力。

從技術(shù)上看，人工智能的應用呈現(xiàn)出工程化的趨勢。由于多元的人工智能應用場景日益增多，用戶體驗要求越來越高，對于迭代速度的要求也有所提升，傳統(tǒng)的開發(fā)方式已經(jīng)無法滿足企業(yè)客戶的需求，同時由于遷移能力的限制，不同場景的問題仍需要大量的定制模型的開發(fā)。

為適應人工智能工程化的需求，人工智能勢必將和數(shù)據(jù)有更加緊密的聯(lián)系。現(xiàn)在70%-90%的AI工程師把時間和精力都用在數(shù)據(jù)而不是模型代碼上，模型已經(jīng)不再是工程應用方面的最大瓶頸，而訓練數(shù)據(jù)已成為機器學習工程師全新的挑戰(zhàn)。

與此同時，新算法不斷涌現(xiàn)，預訓練模型正在蓬勃發(fā)展，推動了技術(shù)效果不斷提升，雖然降低了標注數(shù)據(jù)的門檻，但計算成本有所上升。另外，大規(guī)模模型近年也成為研究熱點之一，模型參數(shù)規(guī)模指數(shù)從億級發(fā)展到萬億級的增長，算法模型大量開源，使得云計算的成本下降，而人力成本逐漸飆升。

Data-Centric MLOps

在這樣一個大背景下，倍賽科技CTO劉世林博士總結(jié)了企業(yè)在人工智能工程應用方面的兩大實踐方向。

一個是基于中小型的模型，配合較多的“好數(shù)據(jù)”和較低的計算資源；另一個方向則是使用大模型，用較少的“好數(shù)據(jù)”和較多的計算資源�？梢钥闯�，兩個實踐方向的核心都離不開“好數(shù)據(jù)”，所以，劉世林博士推薦企業(yè)AI的工程實踐圍繞Data-Centric MLOps的應用策略展開，更加便捷、高效地實現(xiàn)人工智能落地應用和產(chǎn)品交付。

Gartner預測：“到2025年，人工智能和數(shù)據(jù)科學平臺市場將以21.6%的復合年增長率增長到超過100億美元，基于Data-Centric MLOps的巨大市場潛力，倍賽科技重新定義了企業(yè)戰(zhàn)略方向，將面向全球提供AI賦能的Data-Centric MLOps軟件基礎設施，從數(shù)據(jù)采集、數(shù)據(jù)標注、數(shù)據(jù)治理、模型驗證和模型開發(fā)的各個環(huán)節(jié)，提供了一體化、全方位的技術(shù)軟件與服務體系，使用AI的能力加強軟件實力的同時，加強高質(zhì)量數(shù)據(jù)的處理和生產(chǎn)，幫助客戶快速完成數(shù)據(jù)與模型迭代，高質(zhì)量、高效率實現(xiàn)AI場景落地。

作為公司實施Data-Centric MLOps戰(zhàn)略的第一步，倍賽科技重新設計并研發(fā)了新一代多模態(tài)數(shù)據(jù)標注平臺X1。X1平臺集成了大量的AI能力，提供了完整且功能強大的“數(shù)據(jù)標注工具集”， 可同時滿足自動駕駛、遙感、醫(yī)療等精細化、高量級的數(shù)據(jù)需求，工具集及AI質(zhì)檢及預標注模塊可提升至少30%的效率。同時，平臺內(nèi)置了數(shù)十套模型庫，一鍵訓練及部署模型，打破從數(shù)據(jù)到模型的技術(shù)鴻溝，底層海量存儲及傳輸積累了大量原創(chuàng)技術(shù)，成為建模業(yè)務堅實產(chǎn)品基礎，助力企業(yè)AI快速落地，落地周期縮短75%，成本節(jié)省65%。

目前倍賽科技已經(jīng)完成了從“標注平臺”到“一體化AI基礎設施方向”的晉階，后續(xù)會在練好“產(chǎn)品功”的基礎上，探索更上層的“垂直解決方案”，構(gòu)建最易于訪問的Data-Centric MLOps，用于連接人、模型和數(shù)據(jù)。