云智一体的百度智能云，未来进化方向在哪？

云智一体的服务,既能节省在芯片、算法等层面的硬性投入,也将降低对专业人才的依赖,限制AI规模化落地的最大阻碍正在被攻破。

撰文 /   Alter

刚刚过去的2020年里,人工智能所代表的前沿技术已经开始向社会的每一个角落渗透,被公认为经济增长的新引擎。

作为十四五规划的开局之年、新基建进入到行稳致远阶段的2021年,人工智能的行业走向照旧成了外界关注的焦点。

权威咨询机构IDC也适时发布了2021年中国人工智能市场的十大预测,指出AI在医疗、金融等领域的渗透率将进一步提升,将有50%的组织接入智能外呼,45%的重复性工作交给AI,至少有65%的中国1000强企业将利用自然语言处理、机器学习和深度学习等技术优化工作内容．．．．．．

而当人工智能、云计算等与实体经济深入融合的时候,也预示着产业链上游的云厂商们正在经历新的赛点。

01

“算法+算力”的新时态

2020年以前的日子里,AI和算法几乎是同义词。

比如在智能手机的新品发布会上,主讲人可能花上十几分钟的时间介绍自家的拍照技术,向场内外的观众科普计算摄影的概念,最终落脚点正是某个新算法的应用;在以人工智能为主题的技术沙龙中,分享的话题大多集中在算法模型,或是计算机视觉,或是自然语言处理,或是智能语音技术……

算法是人工智能的基石,甚至说人工智能第三次浪潮的崛起,都要归功于深度学习技术和一项项刷新了外界认知的算法模型。然而鲜有人注意到的是,深度学习飞速发展的同时,对算力的需求也在暴增。

根据Open AI在年度报告中披露的数据,从2012年在ImageNet竞赛中夺得冠军的AlexNet,到DeepMind公司在2017年推出的AlphaGo Zero,不到6年的短暂时间里,对算力的需求足足增长了30万倍。

于是在2019年的时候,人工智能进入了技术成熟度曲线的低谷期,技术炒作的泡沫开始破裂,一些人工智能企业的估值迅速缩水。之所以出现这样的一幕,本质上还是算法在落地应用时的被动,倘若只有拥有足够大的算力,才能推进人工智能的落地,技术和业务之间自然形成了一条难以逾越的鸿沟。相较于先进算法模型跑出的数据,行业注意力逐渐转向如何在产业中落地。

到了2020年,算法和算力已经是一对孪生词,人工智能不再是少数人的自嗨,进一步向产业化探索。

正是从这个时候开始,云和AI的捆绑也越来越密切。毕竟对于大多数深处产业赛道中的企业来说,云计算仍是获取算力最为便捷的方式,可以随时调度弹性的算力资源,也就注定了云和AI的融合之路。

最早洞察到行业趋势的百度智能云,早在2016年前后就提出了ABC三位一体的策略,将AI、云计算和大数据融合;阿里云在2018年的云栖大会上确定了云计算+IoT+人工智能的方向,并陆续推出了可供调用的API;华为云提出了“普惠AI”的概念,以云服务的形式输出图像识别、视频分析等服务;腾讯云也适时提出了AI即服务的理念,同样是将云计算和人工智能进行融合。

就当下的时态而言,人工智能已经从以单一的算法为核心,逐渐演变为算法+算力的双核心,云和AI的融合已经是不可逆的趋势。

02

产业落地的残酷物语

舆论场上的觉醒和云厂商的跟进,是否为人工智能的落地铺平了道路?答案可能远没有料想中的乐观。

一个普遍存在的问题:传统企业往往没有人工智能人才的储备,缺少强大的技术应用落地能力,如果只是以云计算为载体输出算法或者提供API调取服务,可能无法满足传统企业的最终需求。

就像过去两年中云厂商们所热衷的故事,自家年轻且高学历的工程师们抱着电脑在田间地头、生产一线等场景中敲代码,帮助种植业、养殖业、制造业等进行智能化转型。让人匪夷所思的地方在于,云厂商们背书的合作伙伴往往是当地上规模的企业,倘若这样的企业都需要工程师驻场才能推进项目,人工智能落地的窘境也就可想而知。

何况传统企业的产业升级并不只是做完某个项目,还要保证业务系统的持续运营,项目制的落地形式终究只治标不治本。

是否还存在另外一种可能:云厂商将自身的AI能力进行封装,向传统产业的合作伙伴提供可以直接应用到业务系统的产品?或者借鉴互联网上一度流行的中台思维,将产业落地的工作集中在前端,降低整个业务流程对算法工程师的依赖。