云智一體的服務(wù),既能節(jié)省在芯片、算法等層面的硬性投入,也將降低對專業(yè)人才的依賴,限制AI規(guī)�；�落地的最大阻礙正在被攻破。

撰文 /   Alter

剛剛過去的2020年里,人工智能所代表的前沿技術(shù)已經(jīng)開始向社會(huì)的每一個(gè)角落滲透,被公認(rèn)為經(jīng)濟(jì)增長的新引擎。

作為十四五規(guī)劃的開局之年、新基建進(jìn)入到行穩(wěn)致遠(yuǎn)階段的2021年,人工智能的行業(yè)走向照舊成了外界關(guān)注的焦點(diǎn)。

權(quán)威咨詢機(jī)構(gòu)IDC也適時(shí)發(fā)布了2021年中國人工智能市場的十大預(yù)測,指出AI在醫(yī)療、金融等領(lǐng)域的滲透率將進(jìn)一步提升,將有50%的組織接入智能外呼,45%的重復(fù)性工作交給AI,至少有65%的中國1000強(qiáng)企業(yè)將利用自然語言處理、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等技術(shù)優(yōu)化工作內(nèi)容．．．．．．

而當(dāng)人工智能、云計(jì)算等與實(shí)體經(jīng)濟(jì)深入融合的時(shí)候,也預(yù)示著產(chǎn)業(yè)鏈上游的云廠商們正在經(jīng)歷新的賽點(diǎn)。

01

“算法+算力”的新時(shí)態(tài)

2020年以前的日子里,AI和算法幾乎是同義詞。

比如在智能手機(jī)的新品發(fā)布會(huì)上,主講人可能花上十幾分鐘的時(shí)間介紹自家的拍照技術(shù),向場內(nèi)外的觀眾科普計(jì)算攝影的概念,最終落腳點(diǎn)正是某個(gè)新算法的應(yīng)用;在以人工智能為主題的技術(shù)沙龍中,分享的話題大多集中在算法模型,或是計(jì)算機(jī)視覺,或是自然語言處理,或是智能語音技術(shù)……

算法是人工智能的基石,甚至說人工智能第三次浪潮的崛起,都要?dú)w功于深度學(xué)習(xí)技術(shù)和一項(xiàng)項(xiàng)刷新了外界認(rèn)知的算法模型。然而鮮有人注意到的是,深度學(xué)習(xí)飛速發(fā)展的同時(shí),對算力的需求也在暴增。

根據(jù)Open AI在年度報(bào)告中披露的數(shù)據(jù),從2012年在ImageNet競賽中奪得冠軍的AlexNet,到DeepMind公司在2017年推出的AlphaGo Zero,不到6年的短暫時(shí)間里,對算力的需求足足增長了30萬倍。

于是在2019年的時(shí)候,人工智能進(jìn)入了技術(shù)成熟度曲線的低谷期,技術(shù)炒作的泡沫開始破裂,一些人工智能企業(yè)的估值迅速縮水。之所以出現(xiàn)這樣的一幕,本質(zhì)上還是算法在落地應(yīng)用時(shí)的被動(dòng),倘若只有擁有足夠大的算力,才能推進(jìn)人工智能的落地,技術(shù)和業(yè)務(wù)之間自然形成了一條難以逾越的鴻溝。相較于先進(jìn)算法模型跑出的數(shù)據(jù),行業(yè)注意力逐漸轉(zhuǎn)向如何在產(chǎn)業(yè)中落地。

到了2020年,算法和算力已經(jīng)是一對孿生詞,人工智能不再是少數(shù)人的自嗨,進(jìn)一步向產(chǎn)業(yè)化探索。

正是從這個(gè)時(shí)候開始,云和AI的捆綁也越來越密切。畢竟對于大多數(shù)深處產(chǎn)業(yè)賽道中的企業(yè)來說,云計(jì)算仍是獲取算力最為便捷的方式,可以隨時(shí)調(diào)度彈性的算力資源,也就注定了云和AI的融合之路。

最早洞察到行業(yè)趨勢的百度智能云,早在2016年前后就提出了ABC三位一體的策略,將AI、云計(jì)算和大數(shù)據(jù)融合;阿里云在2018年的云棲大會(huì)上確定了云計(jì)算+IoT+人工智能的方向,并陸續(xù)推出了可供調(diào)用的API;華為云提出了“普惠AI”的概念,以云服務(wù)的形式輸出圖像識別、視頻分析等服務(wù);騰訊云也適時(shí)提出了AI即服務(wù)的理念,同樣是將云計(jì)算和人工智能進(jìn)行融合。

就當(dāng)下的時(shí)態(tài)而言,人工智能已經(jīng)從以單一的算法為核心,逐漸演變?yōu)樗惴?算力的雙核心,云和AI的融合已經(jīng)是不可逆的趨勢。

02

產(chǎn)業(yè)落地的殘酷物語

輿論場上的覺醒和云廠商的跟進(jìn),是否為人工智能的落地鋪平了道路?答案可能遠(yuǎn)沒有料想中的樂觀。

一個(gè)普遍存在的問題:傳統(tǒng)企業(yè)往往沒有人工智能人才的儲(chǔ)備,缺少強(qiáng)大的技術(shù)應(yīng)用落地能力,如果只是以云計(jì)算為載體輸出算法或者提供API調(diào)取服務(wù),可能無法滿足傳統(tǒng)企業(yè)的最終需求。

就像過去兩年中云廠商們所熱衷的故事,自家年輕且高學(xué)歷的工程師們抱著電腦在田間地頭、生產(chǎn)一線等場景中敲代碼,幫助種植業(yè)、養(yǎng)殖業(yè)、制造業(yè)等進(jìn)行智能化轉(zhuǎn)型。讓人匪夷所思的地方在于,云廠商們背書的合作伙伴往往是當(dāng)?shù)厣弦?guī)模的企業(yè),倘若這樣的企業(yè)都需要工程師駐場才能推進(jìn)項(xiàng)目,人工智能落地的窘境也就可想而知。

何況傳統(tǒng)企業(yè)的產(chǎn)業(yè)升級并不只是做完某個(gè)項(xiàng)目,還要保證業(yè)務(wù)系統(tǒng)的持續(xù)運(yùn)營,項(xiàng)目制的落地形式終究只治標(biāo)不治本。

是否還存在另外一種可能:云廠商將自身的AI能力進(jìn)行封裝,向傳統(tǒng)產(chǎn)業(yè)的合作伙伴提供可以直接應(yīng)用到業(yè)務(wù)系統(tǒng)的產(chǎn)品?或者借鑒互聯(lián)網(wǎng)上一度流行的中臺(tái)思維,將產(chǎn)業(yè)落地的工作集中在前端,降低整個(gè)業(yè)務(wù)流程對算法工程師的依賴。