文/當下君

圖片/來源網絡

讓每個企業(yè)都能擁有自己的AI“大腦”,這樣做對么?

AI的賦能方式正在急速的變化。

最早期,為了降低使用難度,企業(yè)往往通過提供API接口的方式幫助合作伙伴獲得AI能力,但應用場景、靈活性比較受限;進而,深度學習框架的推廣,低代碼、零門檻平臺的方式,接過了接力棒,繼續(xù)降低AI的應用門檻,使得成百萬開發(fā)者轉型成為AI生態(tài)的驅動者。

一直以來都有人設想,是否可以把近年來流行的“中臺”概念和AI結合起來。但也有人存有疑問——數據中臺和業(yè)務中臺都好理解,也都是從傳統(tǒng)能力中解耦而來,而AI到底如何才能中臺化?

現(xiàn)在,有一部分企業(yè)嘗試在給出自己的答案,而我們也在思索,讓每個企業(yè)都能擁有自己的AI“大腦”,對么?貴么?可實現(xiàn)么?

1

中臺不完全史

2015年12月,一則消息傳出,阿里巴巴集團宣布組織結構全面升級,建設整合阿里產品技術和數據能力的強大中臺,進而形成“大中臺,小前臺”的組織和業(yè)務體制,使前線業(yè)務更加靈動、敏捷,迎接未來新商業(yè)環(huán)境帶來的機遇和挑戰(zhàn)。

在這次升級里,中臺業(yè)務不是作為一個概念,而是作為一級組織架構而提出來的,而具體承擔中臺職能的,是阿里2015年12月成立的事業(yè)群,當時其組織架構級別,甚至和由阿里CEO張勇直接負責的阿里巴巴集團零售電商事業(yè)群并列。

此后,2018年阿里升級數據、業(yè)務雙中臺戰(zhàn)略并積極對外輸出,再到2019年數據中臺全面爆發(fā)。

在中臺這個風口中,原阿里中臺事業(yè)群副總裁墻輝離職,創(chuàng)辦來未來科技公司,定位是構建企業(yè)智能中臺;原中間件首席架構師現(xiàn)為中臺公司“比升技術”CEO;原業(yè)務中臺首席架構師虞振昕以聯(lián)合創(chuàng)始人兼CTO的身份加入深圳坤湛科技……可以說,阿里對中臺概念的開枝散葉,起到了很大作用。

然而,這不能阻止到了2020年,行業(yè)內興起了關于中臺是否是一個偽命題的大討論,阿里在某種程度上成為了聲討對象。這也說明,中臺,一直都是爭議和熱度并存的創(chuàng)業(yè)風口。

其實,企業(yè)的中臺和行業(yè)的中臺,并不是一個中臺,我們簡單可以分為四類。

第一類中臺,是經過企業(yè)自身長期實踐發(fā)展出來的中臺。

比如,阿里的中臺實操,遠遠早于2015年,一直操盤阿里數據業(yè)務的朋新宇的說法是:“在2015年阿里公開提出‘大中臺,小前臺’中臺戰(zhàn)略之前,我們已經干了三四年了”。

這個意義上的阿里的中臺,是在實踐中成長出來的,是從雙十一等業(yè)務挑戰(zhàn),過渡到技術、組織架構的實踐,進而歸納總結而成的概念,所以中臺戰(zhàn)略最先的實踐者和受益者都是阿里電商。

同理,像以AI能力為核心的百度,從2010年開始使用AI為各個業(yè)務賦能后,逐漸沉淀了一套以AI能力為核心的“AI中臺”,同樣可以稱為真·百度中臺。

第二個中臺,是各大巨頭”外銷版”的中臺。

比如阿里,“形成中臺核心產品+專家咨詢服務+生態(tài)交付合作”的體系后,通過與阿里云的結合向外銷售。

同樣,百度在2020年推出的AI中臺、知識中臺,也是和百度智能云結合,也是這種“外銷版”的代表。

巨頭加持的“外銷版”中臺,是在原有深厚產業(yè)基礎上經過能力泛化的產物,也是技術底蘊最深厚的一類,是我們能夠在是市場上買到的最好的中臺產品。

而第三類中臺,是有BAT背景的、在以上規(guī)模的企業(yè)里進行過中臺實操的高級技術人員,在日后走上創(chuàng)業(yè)道路后,沿襲了多年中臺經驗而創(chuàng)立出的一些主打中臺業(yè)務的企業(yè),這類企業(yè)的開發(fā)者多多少少都有實操大企業(yè)中臺的局部經驗。

第四類中臺,則是我們說的“偽中臺”,因為中臺并不是一個嚴格意義上的科學概念,所以市面上有各種各樣的中臺概念產品及公司,本質上都是各種技術或業(yè)務平臺,在中臺熱后就甚至直接改名某某中臺、某某中臺企業(yè)等,這些“偽中臺”大多沒有經過實踐的檢驗和積淀,或者并非真正意義上的中臺。

因此我們可以得出一個結論,“最好的”中臺是企業(yè)歷經十年以上的業(yè)務沉淀打造出的“自用版中臺”,但你買不到,買到也未必切合你的業(yè)務實際;所以“最合適的”中臺,就是這些有深厚中臺基因,同樣具有提供體系化中臺能力的企業(yè)推出的“外銷版”中臺。

而相對而言,由中臺從業(yè)者創(chuàng)業(yè)的中臺企業(yè),可能也有很好的技術基因,但略不足的是沒有前兩種那么扎實的產業(yè)化實踐,所以需要有針對性的加以甄別和探討需求后才可以去試水,而最后一類“偽中臺”則是這個行業(yè)要迅速擠掉的“水分”。

2

百度AI中臺的前世今生

如果僅僅從定義的角度來看,中臺的定義是相當寬泛的,百度百科的解釋是:中臺,互聯(lián)網術語,一般應用于大型企業(yè)。一般是指搭建一個靈活快速應對變化的架構,快速實現(xiàn)前端提的需求,避免重復建設,達到提高工作效率目的。

在“中臺”概念誕生前,一般只有“前臺”和“后臺”的區(qū)別。

前臺是系統(tǒng)的前端平臺,是直接與終端用戶進行交互的應用層,比如我們在阿里的電商平臺上購物,或者在百度搜索,或者用微信聊天,我們使用的就是“前臺”的功能。

而后臺是指系統(tǒng)的后端平臺,終端用戶是感知不到它的存在的(除非出了故障),所以,后臺的一般是用來存儲和使用企業(yè)的核心能力與數據的。

而中臺,更多是因為公司業(yè)務在發(fā)展到某一階段時,遇到瓶頸與障礙后,為解決實際問題而提出的解決方案。

所以我們不必拘泥于“中臺”這個詞前面加的是什么前綴,因為中臺嚴格意義上只是一種思想,一種在前臺和后臺之間更靈活的交互能力的思想。

對技術人員來說,中臺就是一個把后臺的技術能力解耦后,放在中臺的“武器庫”式平臺,像微服務開發(fā)框架、Devops平臺、PaaS平臺,容器云之類的,人們都叫它“技術中臺”;而對業(yè)務人員來說,中臺就是微服務業(yè)務平臺,像用戶中心、訂單中心、各種微服務等,都可以叫“業(yè)務中臺”;而類似的還有組織中臺、知識中臺、數據中臺等等。

像百度的AI中臺的誕生,就是一個這樣典型的誕生故事。

大家可能知道,2009年,百度首次提出“框計算”,背后就是NLP和知識圖譜等AI技術,這是百度第一次大膽的用AI技術改進搜索。

而到了2010年,百度開始發(fā)展NLP、語音、圖像、知識圖譜等AI技術方向,這是最早“百度大腦”的雛形;業(yè)務層面,也在圖像、語音搜索等方面,加大了使用AI技術的比例,結果發(fā)現(xiàn)“一年的提升比以前好幾年加起來都要多”,于是AI開始在百度龐大的技術體系內生根發(fā)芽。

2013年百度成立深度學習研究院,深度學習技術的突破被認為是人工智能技術爆發(fā)的原因。百度對深度學習技術的率先布局,奠定了中國有機會在AI時代領先全球的技術基礎。

一個非常關鍵的年份是2015年。

這一年,李彥宏作為全國政協(xié)委員,在“兩會”期間,首次提出“建議設立‘中國大腦’計劃,此后,從這年到2020年,他提出“關于構建人工智能新型基礎設施,勾畫智能經濟發(fā)展藍圖”的計劃,此間先后寫了13份有關人工智能的提案,8次出入人民大會堂參加政協(xié)會議,在最高平臺上為AI呼吁,年復一年,日復一日。

2016年,百度正式發(fā)布“百度大腦”(當時,人臉識別準確率已高達99．7%、語音識別準確率97%;會27種語言,直接翻譯毫無壓力;描繪61．5萬個標簽制定個性化畫像);正式開源中國第一個深度學習框架PaddlePaddle(飛槳)。

再到2017年DuerOS、Apollo正式對外開放,百度AI戰(zhàn)略級業(yè)務布局完成,對內對外都開始正式明確百度在AI時代的“平臺”定位,堅定AI戰(zhàn)略為開放賦能。

那時百度內部已經有一個明確的想法——需要把百度體系內如星星之火一般的AI研發(fā)、應用、產品加以整合,集中力量辦大事。

而當時百度內部的AI研發(fā),的確比較分散,比如飛槳深度學習平臺(當時還叫框架)已經誕生了,但內部還有別的學習框架也在嘗試開發(fā);而語音、圖像處理、自然語言理解、大數據用戶畫像這些業(yè)務、技術,也分散在不同的部門里。

這個整合的過程,說來也很有意思。簡單說,百度就成立了一個小團隊,然后把這個小組作為業(yè)務BP(Business Partner),進駐到各個業(yè)務線里面去,開始整合百度的AI能力。具體說來,這支整合團隊是先到各個業(yè)務團隊,組織溝通會,然后就去站在業(yè)務的角度,了解他們對AI有什么需求,然后把這些需求集中起來。

比如,到了大搜索部門,收集的需求就包括“能夠支持識別更多的方言”、“能夠識別出老人和兒童的聲音”;到了外賣業(yè)務團隊,搜集的需求就是“如何根據用戶的需求智能化的推薦”等。

參與了這個過程的一位百度工程師回憶說:“嚴格意義上講,當時做這些搜集工作的百度人,腦子里可能還沒有完整的中臺概念,他們就是把派到各個團隊收集回來的需求,列成一個大的需求列表,然后再去跟蹤這些需求怎么用AI技術方案去滿足,有了方案后,然后再去協(xié)調后端的相關能力。”

可以說,這個“協(xié)調組”已經有了中臺的雛形,但他們同樣也意識到兩個問題:

第一:靠人力的搜集需求、溝通需求、滿足需求的效率是很低的;

第二:技術部門和業(yè)務部門的人在需求上有錯位,技術部門的人覺得自己開發(fā)的技術很強,業(yè)務部門的人覺得技術不夠好用,這種矛盾當時比比皆是;

到了這個時候,讀者可能已經明白了,百度的AI中臺,就是百度在應用AI技術的過程中,不斷把各個業(yè)務部門的AI成果、AI需求歸攏、梳理、泛化、對齊后,開始嘗試用“一套能夠靈活的讓業(yè)務部門用起來AI能力,也讓后臺的研發(fā)、運營、數據等團隊更好的賦能前端”的體系,來把百度AI能力的“交換中心”具體化,而這個具體化的結果,就是百度的AI中臺,以及此后派生出的知識中臺等等。

而我們今天知道,這一切已經整合成了百度的AI中臺,這也是為什么我們說,百度的AI中臺是在技術實踐中自然產生的,而不是先有“中臺”這個概念,后有“整合中臺”這個行為的緣故。

那么,百度的AI中臺,是只有整合,沒有創(chuàng)新么?恰恰相反,百度的AI中臺形成,伴隨著大量的創(chuàng)新。例如,以深度學習為特征的這一波AI浪潮起來后,很多技術要求都發(fā)生了變化,比如對于非結構性數據(如語音、圖片)的匯聚,就是一個很突出的需求,而這在傳統(tǒng)的數據中心里是一個弱項,所以百度的AI中臺就要解決這個問題;又比如,AI爆發(fā)的算力需求,對AI加速提出了前所未有的需求,這就導致中臺必須和大量的硬件適配,甚至最后還產生了專門用于深度學習的一體機(AI加速服務器);再比如,API是一個調用AI能力很好的方式,但如何能夠建立強大的API庫,就需要對后臺進行各種改造。

換句話說,AI的高速演進、用戶需求急劇的變化,決定了前臺系統(tǒng)需要快速迭代響應用戶需求,而前端的變化需要后端的變化來支撐,因此這就對后臺的快速應變產生了要求。而后臺設立之初核心目的并不是服務于前臺,而是提升后端數據的安全及系統(tǒng)的管理效率,所以,這時候中臺的地位就加以凸顯。

從外部我們也可以看到,百度的AI體系一直在整合。2018年底,王海峰開始統(tǒng)領TG和AIG,總體負責百度人工智能、大數據、云計算、安全等技術和生態(tài);2020年伊始,原AIG(AI技術平臺體系)、TG(基礎技術體系)和ACG(百度智能云事業(yè)群組)被整體整合為人工智能體系(AI Group,AIG),新AIG包含技術中臺群組(TPG)和智能云事業(yè)群組(ACG)兩大群組,繼續(xù)由王海峰整體負責。

可以說,百度AI中臺的形成,既是組織架構整合的一個投射,也是百度內部AI能力從散發(fā)到聚合,從使能到賦能的進化,最終,中臺也正式以一個事業(yè)群組的方式,走上了百度的技術舞臺。

那么,接下來自然而然的,就是百度開始面向行業(yè)輸出基于中臺的AI運營方法論,并深度參與到企業(yè)機制建設和運營推進中,最終幫助企業(yè)基于智能化中臺實現(xiàn)業(yè)務的全面升級和持續(xù)創(chuàng)新,而這一切又帶動了更多智能云業(yè)務的進展,百度實現(xiàn)了在toB業(yè)務層面的AI中臺閉環(huán)。

3

移植智能化的大腦

在談及百度AI中臺的推廣時,很多人都會問一個問題,既然百度飛槳深度學習平臺已經使我們可以便捷的使用百度的AI能力,那么,引入百度的智能中臺體系的價值何在?

筆者可以打這樣一個比方,百度的飛槳好比一個公眾圖書館,你在任何時候都可以去借書、研究、學習,也可以使用書里的知識;而引入百度的中臺,則好比是為企業(yè)移植了一個AI的大腦,讓AI能力成為企業(yè)自身技術能力的一部分。

前者,是外腦,隨時可以用,在企業(yè)開始嘗試引入AI來改進業(yè)務的“先行者階段”、“工作坊階段”,或者本身企業(yè)的規(guī)模還比較小的時候,使用外腦的成本是最低的;但如果你已經是一個規(guī)模企業(yè),你需要形成自己的AI業(yè)務體系,那“外腦”就不如移植一個“器官”,讓它長在企業(yè)的數字化系統(tǒng)里,隨時隨地為企業(yè)賦能。

引入中臺的另一層面的價值是,并不是每個企業(yè)都像百度這樣有AI原生的研發(fā)能力,在引入AI能力時,往往會出現(xiàn)各業(yè)務線自建AI系統(tǒng)、重復建設的問題,還進而會使企業(yè)的數據資產形成孤島,分散在各個系統(tǒng)中,無法有效使用。而由于AI能力未能統(tǒng)一部署,不僅費用激增,還有統(tǒng)一升級困難,復用率低、應用分散等問題,難以形成全面及集中的管控,導致可能的風險無法妥善管理。

這些問題不是百度一家企業(yè)可以回答的,但他們在試圖回答——百度集團副總裁吳甜在解讀百度智能云的《AI中臺白皮書》時,就分析了目前企業(yè)在智能化升級中面臨的多個挑戰(zhàn)。

例如,由于很多企業(yè)的AI技術底座薄弱,使得面向行業(yè)業(yè)務場景的模型研發(fā)與生產級應用難度很大,也就是我們常說的“碎片化”問題嚴重。

一般來說,中國的規(guī)模以上企業(yè),大部分已經有多年的信息化投資,形成了事實上的“信息化中臺”,但這些中臺普遍缺乏AI應用研發(fā)與部署的支撐能力,這就使得企業(yè)開發(fā)新的AI算法模型的研發(fā)門檻高、AI技術與行業(yè)的融合應用仍有巨大的鴻溝。

一個令人觸目驚心的數據是,在這些企業(yè)里,目前AI技術的工程轉化率僅為 53%,也就是只有一半的AI需求能夠最終落地。在這種情況下,一種低成本、易用、泛化能力較強的技術底座,也就是AI中臺,成為企業(yè)智能化升級的關鍵。

又例如,我們反復談過的AI人才奇缺的問題,在這些傳統(tǒng)行業(yè)的一線,非常缺乏既了解行業(yè)情況又掌握人工智能關鍵技術,同時能進行應用開發(fā)的復合型人才,較大程度上遲滯了人工智能工程化應用步伐,這就需要AI中臺上強大的開發(fā)能力給予支持。

《白皮書》還指出——目前,多數企業(yè)推動智能化升級的意愿強烈,但普遍缺乏清晰的戰(zhàn)略目標與實踐路徑……核心在于缺乏體系化的智能化升級方法論支撐。

作為AI的“頭雁”企業(yè),百度把AI中臺視為實現(xiàn)智能化能力普惠的必備基礎設施,用來幫助企業(yè)構建AI生產力,一般包括AI技術服務平臺、AI研發(fā)平臺、AI管理運行三大核心。而更具體的說,百度的智能化中臺包括AI中臺和知識中臺,后者是一個百度獨有的概念。

所以,要理解百度的AI中臺,要從4個層面加以觀照:

第一個層面,是人工智能日趨成熟,開始呈現(xiàn)出某種通用性,而通用性才是百度向社會開放中臺的前提,如果AI的通用性很差,只能在專用場景、專用人才的加持下使用,那就不具備大規(guī)模推廣的前提。

百度CTO王海峰的看法是:“我們正處在第四次工業(yè)革命的階段,每一次產業(yè)變革的核心驅動力都是科技創(chuàng)新。當下,人工智能技術日趨成熟,像以往每一次工業(yè)革命的核心驅動技術一樣,呈現(xiàn)出很強的通用性,并且已經具備了標準化、自動化和模塊化的工業(yè)大生產特征,成為第四次工業(yè)革命的核心驅動力量�！�

第二個層面,是百度智能云AI中臺解決方案構建了全棧式的AI能力生產、服務、管理解決方案,可以幫助企業(yè)建設AI能力的生產和集中化管理平臺,使之成為企業(yè)的智能中樞。

所謂的“全�！�(full stack),也被人戲稱為“全干”,可以簡單理解為全局性、無所不能、無所不至的能力。在筆者看來,百度和其他AI企業(yè)的一個很大不同就在于,始終把自己放在全棧解決能力提供者的角色上。

例如,在過去的一段時間里,百度發(fā)布了知識增強大模型文心ERNIE文心3．0、規(guī)模隱變量端到端對話模型PLATO、跨模態(tài)多技術融合創(chuàng)新產品“數字人”。同時,在技術與場景融合創(chuàng)新方面,持續(xù)在翻譯、搜索、推薦引擎、辦公會議、以及工業(yè)、金融、智慧城市、醫(yī)療、媒體、農業(yè)等行業(yè)場景中進行深耕;而在軟硬一體融合創(chuàng)新層面,自主研制了AI芯片百度昆侖,以及針對遠場語音交互的百度鴻鵠芯片等,繼續(xù)落實AI產業(yè)鏈上下游的重要技術布局。

百度擁有的全棧能力是能夠向社會開放AI中臺的一個很重要的技術底座。

第三個層面,是百度的AI中臺具有自己鮮明的特色,例如百度智能化中臺的一個重要組成,知識中臺就是這樣的典型例子。

知識是所有產業(yè)智能化升級的核心基礎,而知識中臺是基于人工智能的、對知識進行采集、精煉、組織和應用的能力平臺,能夠以服務的方式接入企業(yè)核心業(yè)務場景。

舉個例子,我們的每一次搜索,都可以看做是一次獲取知識的服務。最早,我們只能檢索文本信息,此后,我們可以搜索圖片、音視頻,而現(xiàn)在還可以反過來用圖片來搜索,用自然語言而不是關鍵詞來提問,得到精準而不是模糊的推薦信息,這都是知識化服務的C端體現(xiàn),而作為一個有強大搜索基因、體系化知識賦能底座的企業(yè),百度的知識中臺,可以支持搜索、問答、推薦,升級至輔助決策、預測、推理等各類業(yè)務場景的知識深度應用。

而AI中臺與知識中臺的協(xié)同,能夠提升知識的智能生產、組織、應用等能力,實現(xiàn)企業(yè)中臺的智能化發(fā)展。比如,某大型銀行以百度智能云AI中臺方案為主體建設人工智能平臺,實現(xiàn)了通過知識中臺,實現(xiàn)合同信息識別、關鍵信息自動提取審核、合同的自動化錄入歸檔等知識服務的能力,大幅提升企業(yè)內部運行效率,就是一個鮮明的案例。

第四個層面,是百度提供中臺這種“AI大腦植入”已經得到了產業(yè)界的積極回應,目前已經有近百個企業(yè)開始采用百度的中臺服務,分布在金融、能源、制造、醫(yī)療、政務等領域,并且AI中臺已經有獨立的500多個場景模型,在深度上客戶基于中臺部署使用后,也在思考如何讓中臺發(fā)揮更大的作用,比如提出了運營創(chuàng)新等建設的需求。

當前,AI的應用、創(chuàng)新、落地仍需要漫長的路徑。但有一點值得肯定的是,隨著國家號召和頂層設計,企業(yè)數字化轉型的力度不斷加深,企業(yè)客戶對技術驅動業(yè)務創(chuàng)新的投資有著越來越強的動力,而百度通過把“大腦”中臺廣泛植入各行各業(yè)企業(yè)的做法,無疑是站穩(wěn)先手,通過在交通、金融、能源、醫(yī)療等行業(yè)的逐步滲透,并離客戶需求越來越近。百度將會在一個很難度量的等待后,迎來自己的爆發(fā)期。

在關于百度AI的系列報道中,我們特別關注幾個關鍵詞,那就是“反碎片能力”、“通用化”、“人才”、“賦能”和“落地”。

這是因為,我們認為百度的“決勝AI時代”的目標,要比拼的是比競爭對手更快、更好的讓AI產生正向的社會效益,和建立積極的社會效應和示范典范。

為此,我們看到百度干的很苦,因為它在任何領域,都既是領先者,也是啟蒙者。在社會AI大生態(tài)沒有建設完全的情況下,百度既要夯實基礎,保證在AI前沿性技術上處于絕對領先地位,又要通過飛槳、中臺、EasyDL、BML等方方面面的推進,提升反碎片能力,加速AI的落地和應用的便捷性提升;還要操心人才培養(yǎng)、產業(yè)教育、硬件研發(fā)等全產業(yè)鏈的問題。

我們只希望,付出者得到真正的回報,百度能夠在數字化時代的創(chuàng)新中引領行業(yè),為國為民,也為自己找到星辰大海。