機器學(xué)習(xí)服務(wù)第一梯隊都有誰？權(quán)威研究機構(gòu)Forrester發(fā)布最新報告
AI能力已成核心競爭標(biāo)準(zhǔn)
煢煢 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI
科技巨頭的「云」競爭，如今最核心拼的刀刃就是人工智能。
無論是從不斷擴大的云AI市場規(guī)模，還是從國內(nèi)各大云廠商云+AI的標(biāo)準(zhǔn)配置上，都可見一斑。
那么，問題來了，機器學(xué)習(xí)解決方案，到底應(yīng)該如何評估？
近日，國際權(quán)威研究機構(gòu)Forrester就發(fā)布了一份相關(guān)報告，針對大家關(guān)心的“到底哪家強”的問題，瞄準(zhǔn)中國市場的預(yù)測分析和機器學(xué)習(xí)解決方案主流廠商，進行了全方位的實力解析。
Forrester Research是一家獨立的技術(shù)和市場調(diào)研公司，其發(fā)布的主題報告在中國乃至全球范圍內(nèi)具有很高的市場認(rèn)可度。
具體而言，報告的調(diào)研對象涵蓋華為云、阿里云、百度云、騰訊云等等9家中國廠商。并從戰(zhàn)略、產(chǎn)品和市場表現(xiàn)三個維度，將這些主流廠商分成了4個梯隊：
領(lǐng)導(dǎo)者（Leaders）、卓越表現(xiàn)者（Strong Performers）、競爭者（Contenders）、挑戰(zhàn)者（Challengers）。
還給出了詳細的「挑選指南」。
具體亮點，一起來看。
如何評估機器學(xué)習(xí)廠商
不少研究分析指出，當(dāng)AI技術(shù)發(fā)展進入落地期，AI開始逐漸滲透到企業(yè)的核心業(yè)務(wù)當(dāng)中，無論是互聯(lián)網(wǎng)企業(yè)還是傳統(tǒng)企業(yè)，擁抱AI成為了一種大趨勢。這就進一步激發(fā)了企業(yè)上云的動力。
在這份報告中，F(xiàn)orrester同樣指出，在以人工智能為核心的「新基建」背景下，中國企業(yè)對于內(nèi)部構(gòu)建人工智能抱有極高的熱情。
本質(zhì)上，人工智能依賴于機器學(xué)習(xí)模型。因此，各大云廠商提供的預(yù)測分析和機器學(xué)習(xí)（PAML）解決方案，就將在整個AI落地應(yīng)用的過程中發(fā)揮重要的降本增效的作用。
而圍繞預(yù)測分析和機器學(xué)習(xí)（PAML）解決方案，最直接的產(chǎn)品形態(tài)，就是基于云的AI開發(fā)平臺。
國內(nèi)的各大云廠商，就已紛紛發(fā)力：華為云的ModelArts、阿里云的PAI、百度云的EasyDL、騰訊云的TI-ONE ……
那么，如此熱烈的競爭之中，企業(yè)在選擇解決方案時，究竟應(yīng)該如何對其進行評估？
Forrester給出了三點標(biāo)準(zhǔn)。
其一：能簡化模型開發(fā)，滿足不同團隊要求
為了強化AI能力，企業(yè)需要把機器學(xué)習(xí)模型規(guī)模從幾個增加到數(shù)千個。
這也就意味著，云廠商提供的AI開發(fā)平臺，其模型開發(fā)能力需要滿足不同團隊和人員的要求，不僅要覆蓋對機器學(xué)習(xí)有深入了解的科學(xué)家、數(shù)據(jù)工程師、應(yīng)用開發(fā)人員，也要賦能“零基礎(chǔ)”的相關(guān)業(yè)務(wù)人員。
基于此，解決方案團隊?wèi)?yīng)增強用戶界面的可視化和使用體驗，使用戶能夠順暢構(gòu)建模型開發(fā)流水線。
除此之外，對于以代碼為核心的數(shù)據(jù)科學(xué)團隊來說，覆蓋開發(fā)全生命周期的IDE（集成開發(fā)環(huán)境）是必要的。
而缺乏深度機器學(xué)習(xí)知識的業(yè)務(wù)用戶，則需要功能齊全的AutoML功能來提高機器學(xué)習(xí)生產(chǎn)力。
其二：能快速、大規(guī)模部署機器學(xué)習(xí)模型
構(gòu)建模型代表著大規(guī)模AI應(yīng)用的開始。
為了實現(xiàn)商業(yè)利益，公司必須將模型部署到應(yīng)用上，并加以監(jiān)控和管理。
其背后技術(shù)層面的挑戰(zhàn)，對于從事數(shù)據(jù)科學(xué)、AI開發(fā)的工程師們來說，是不言自明的。而對于業(yè)務(wù)線領(lǐng)導(dǎo)者來說，也提出了新的管理挑戰(zhàn)。
因此，企業(yè)需要借助AI開發(fā)平臺之力，組裝從開發(fā)到生產(chǎn)系統(tǒng)的模型開發(fā)流程，監(jiān)控機器學(xué)習(xí)模型的性能而不影響本身的業(yè)務(wù)，管理機器學(xué)習(xí)模型，實現(xiàn)跨AI智能團隊的協(xié)作，并使用新數(shù)據(jù)重新訓(xùn)練在線機器學(xué)習(xí)模型，不斷提升模型性能。
其三：使用分布式、混合架構(gòu)加速訓(xùn)練推理
模型訓(xùn)練需要許多樣本和參數(shù)，這會對普通計算基礎(chǔ)設(shè)施造成很大負(fù)擔(dān)。
AI開發(fā)平臺供應(yīng)商應(yīng)幫助企業(yè)有效地將訓(xùn)練任務(wù)下發(fā)到分布式架構(gòu)，以減少開發(fā)人員等待時間。
由于模型推理將直接影響用戶體驗，AI開發(fā)平臺的客戶們對于推理性能的要求極高。為了滿足推理需求和隱私規(guī)范，供應(yīng)商應(yīng)支持混合模型部署架構(gòu)，同時支持云上、數(shù)據(jù)中心、邊緣的多種部署模式。
簡單總結(jié)一下，一個云AI開發(fā)平臺，在提供從數(shù)據(jù)標(biāo)注到模型部署全流程的AI應(yīng)用開發(fā)服務(wù)的基礎(chǔ)之上，還應(yīng)當(dāng)降低門檻，讓開發(fā)者能低代碼甚至0代碼地管理AI項目。
并且，由于云服務(wù)廠商有更豐富的場景積累、強大可持續(xù)的研發(fā)投入，其在AI技術(shù)的突破和創(chuàng)新上具有重要優(yōu)勢。這種技術(shù)經(jīng)驗應(yīng)當(dāng)能在AI開發(fā)平臺中被規(guī)?；貜?fù)制，成為企業(yè)可以依仗的「巨人的肩膀」。
如此，才能在企業(yè)數(shù)字化轉(zhuǎn)型過程中、在行業(yè)AI落地過程中發(fā)揮最大能效，打出競爭力。
具體到廠商的部分，在這份報告中，最吸引人眼球的，是華為云進入了「領(lǐng)導(dǎo)者」象限，并在戰(zhàn)略維度領(lǐng)先。
2018年以來，華為在AI領(lǐng)域可以說是動作不斷，圍繞“全棧全場景”，連續(xù)推出AI開發(fā)平臺、AI芯片、AI計算框架……
此次被權(quán)威機構(gòu)認(rèn)定為機器學(xué)習(xí)廠商第一梯隊，實屬意料之中。
華為云憑什么進入「領(lǐng)導(dǎo)者」象限？
核心武器是華為云推出的一站式AI開發(fā)平臺ModelArts。
Forrester給出的評語是：
華為云提供全棧預(yù)測分析及機器學(xué)習(xí)服務(wù)，是企業(yè)在公有云、本地、邊緣復(fù)雜部署場景下的理想選擇。
2018年以來，華為云積極升級預(yù)測分析和機器學(xué)習(xí)解決方案，不僅提供AI開發(fā)平臺ModelArts用于機器學(xué)習(xí)模型訓(xùn)練和推理，同時集成了開源深度學(xué)習(xí)框架MindSpore，以及Ascend產(chǎn)品組合。
ModelArts誕生于2018年，可以說是華為云AI開發(fā)平臺集大成之作，能提供包括數(shù)據(jù)標(biāo)注、模型訓(xùn)練、模型調(diào)優(yōu)、模型部署等AI應(yīng)用開發(fā)服務(wù)。
并且方一亮相，就有不俗表現(xiàn)：誕生之初挑戰(zhàn)斯坦福DAWNBenchmark。在圖像識別（ResNet50-on-ImageNet，93%以上精度）的總訓(xùn)練時間上，以10分28秒的成績，比第二名提速近44%，拿下當(dāng)時的全球第一。
三年來，ModelArts的能力一直在持續(xù)升級。
到2020年，升級到3.0版本的ModelArts。在其EI-Backbone骨干模型、聯(lián)邦學(xué)習(xí)、模型智能評估與診斷、高性能AI計算等最新的特性的加持下，ModelArts 3.0可以使標(biāo)注成本、訓(xùn)練成本降低90%以上，并能在用戶訓(xùn)練模型時，根據(jù)模型訓(xùn)練速度的要求，自適應(yīng)匹配最佳資源數(shù)，大幅提升算力性價比。
并且，面向AI行業(yè)落地，華為云長期以來在計算機視覺、語音語義和決策優(yōu)化上積累的AI能力，包括自動機器學(xué)習(xí)、小樣本學(xué)習(xí)、聯(lián)邦學(xué)習(xí)、預(yù)訓(xùn)練模型等等，都可以部署到ModelArts上即插即用。
還有更直接的數(shù)據(jù)，可以說明ModelArts的能力——
ModelArts平臺支持10萬級別的企業(yè)任務(wù)同時運行，支持10萬級別的用戶規(guī)模同時使用。
MLPerf benchmart上的測試結(jié)果顯示，在512芯片的集群規(guī)模下，華為云ModelArts成績?yōu)?3.6秒，優(yōu)于英偉達V100的120秒。
「云」上時代，落地為王
紙面上的數(shù)據(jù)只是一部分，華為云能獲得認(rèn)可，與其產(chǎn)品落地的能力息息相關(guān)。
ModelArts的能力，就有不少實例體現(xiàn)：在能源、汽車、政務(wù)系統(tǒng)、教育、工業(yè)機器人等10余個行業(yè)中落地。
出品「絕影」機器狗的杭州云深處科技有限公司，就應(yīng)用華為ModelArts和Atlas 200DK，賦予四足機器狗實時感知環(huán)境、通過知識圖譜交叉分析、強化學(xué)習(xí)動態(tài)決策的能力，實現(xiàn)了機器狗的工業(yè)場景巡檢。
在腦科學(xué)研究方面，華為云ModelArts也有所作為：中科院腦智卓越中心通過完整解析斑馬魚的透明大腦來揭示大腦的工作原理，對接類腦智能。
其中繪制全腦結(jié)構(gòu)圖譜涉及到神經(jīng)元形態(tài)重構(gòu)。在與華為云ModelArts的合作之下，AI自動重構(gòu)的準(zhǔn)確率和召回率已達95%。經(jīng)理論推算，使用ModelArts的超大集群和大規(guī)模分布式訓(xùn)練，總重構(gòu)時間可以從125人年縮短至10人天。
產(chǎn)品、落地是最切實的指標(biāo)
這份報告的評價標(biāo)準(zhǔn)，或許也將引發(fā)新的思考：
IDC最新發(fā)布的《中國人工智能云服務(wù)市場研究報告（2019）》顯示，中國AI云服務(wù)市場2019年市場規(guī)模達1.66億美元，2018至2024年CAGR（五年復(fù)合增長率）將達到93.6%，AI能力已成為用戶進行云服務(wù)選型時的重要考量因素。
也就是說，云+AI這樣的大趨勢下，AI能力如何，已經(jīng)成為了云廠商新一階段的核心競爭標(biāo)準(zhǔn)。
但這種能力具體如何體現(xiàn)、如何衡量？
還是要看產(chǎn)品在效能提升方面的戰(zhàn)略規(guī)劃，以及這些效能提升是否能在實際落地過程中顯現(xiàn)出來。
對于開發(fā)者、甚至普通的業(yè)務(wù)人員而言，全流程極簡和自動化的AI開發(fā)模式，意味著更敏捷的開發(fā)、構(gòu)建能力，更高的技術(shù)起點。
站在整個行業(yè)的角度，AI、應(yīng)用、數(shù)據(jù)三方面能在同一個平臺上實現(xiàn)協(xié)同，這將使得行業(yè)知識模型、行業(yè)應(yīng)用資產(chǎn)和數(shù)據(jù)資產(chǎn)模型進一步下沉。這對于行業(yè)AI落地、行業(yè)新價值的創(chuàng)造，無疑有著積極的意義。
同時，平臺化是推動企業(yè)數(shù)字化轉(zhuǎn)型的大勢所趨。
在數(shù)字經(jīng)濟時代，算力是新生產(chǎn)力，數(shù)據(jù)是新生產(chǎn)資料，而5G、AI和云這樣的前沿技術(shù)就是新的生產(chǎn)工具。在這種背景下，向華為云這樣的AI平臺靠攏、融合，更有利于企業(yè)落地數(shù)字化轉(zhuǎn)型，在商業(yè)上取得成功。
至于目標(biāo)能否達到？落地案例就是答案。
接下來機場的各種云廠商廣告，或許都會變成落地案例說話的廣告。
你說呢？
最后，對機器學(xué)習(xí)和ModelArts感興趣的朋友，可以參與華為云官方出品的「AI全棧成長計劃課程」，專為0基礎(chǔ)AI經(jīng)驗的開發(fā)者量身打造的有系統(tǒng)理論有實踐的AI課程，帶你0基礎(chǔ)入門構(gòu)建 AI 實戰(zhàn)技能體系。
具體活動詳情請點擊：
https://developer.huaweicloud.com/activity/full-stack/ai-developer.html
— 完 —
相關(guān)閱讀
