2021云原生AI開發(fā)平臺(tái)白皮書

中國(guó)云原生AI開發(fā)平臺(tái)白皮書摘要行業(yè)背景：近年來，國(guó)內(nèi)人工智能技術(shù)成熟度持續(xù)提升、服務(wù)種類不斷豐富，在企業(yè)經(jīng)營(yíng)管理各環(huán)節(jié)的價(jià)值已得到市場(chǎng)的初步驗(yàn)證。然而，當(dāng)前國(guó)內(nèi)甲方企業(yè)在進(jìn)行人工智能開發(fā)和應(yīng)用時(shí)仍然面臨著技術(shù)人才儲(chǔ)備不足、AI應(yīng)用部署存在困難、投入產(chǎn)出比不達(dá)預(yù)期等問題，亟需能夠幫助企業(yè)解決這一問題的高效AI開發(fā)和應(yīng)用工具。產(chǎn)品&關(guān)鍵技術(shù)：云原生AI開發(fā)平臺(tái)融合了成熟的人工智能開發(fā)框架以及云原生工具靈活調(diào)用云資源、高效部署云應(yīng)用的能力，一方面幫助企業(yè)開發(fā)者提高算法模型的開發(fā)效率，另一方面提升交付、部署、運(yùn)維環(huán)節(jié)的效率并降低TCO。橫向?qū)Ρ燃追狡髽I(yè)可能采用的諸多獲取人工智能能力的平臺(tái)和方式之后，我們認(rèn)為云原生AI開發(fā)平臺(tái)在AI開發(fā)應(yīng)用全生命周期視角下具備一定的綜合優(yōu)勢(shì)。應(yīng)用場(chǎng)景：云原生AI包括互聯(lián)網(wǎng)、金融、自動(dòng)駕駛、政務(wù)、制造、營(yíng)銷等。本報(bào)告挑選了部分應(yīng)用場(chǎng)景，梳理了上述場(chǎng)景下企業(yè)進(jìn)行AI開發(fā)和應(yīng)用過程中面臨的實(shí)際需求和難點(diǎn)，展示了典型云原生AI開發(fā)產(chǎn)品的服務(wù)架構(gòu)以及對(duì)企業(yè)經(jīng)營(yíng)管理的價(jià)值。發(fā)展趨勢(shì)：AI開發(fā)平臺(tái)還將朝著易用性、專業(yè)化、綜合性、產(chǎn)用協(xié)同等方向發(fā)展，我們認(rèn)為在這一過程中，AI開發(fā)平臺(tái)的產(chǎn)品廣度將進(jìn)一步提升，并有望集成DevOps、AIOps等運(yùn)維方法和工具，全方位融入企業(yè)的數(shù)字化經(jīng)營(yíng)體系。同時(shí)，AI開發(fā)平臺(tái)的服務(wù)業(yè)態(tài)還將向軟硬一體化方向演進(jìn)，深度融合技術(shù)交流社區(qū)等平臺(tái)，形成學(xué)用一體化的技術(shù)傳播與升級(jí)環(huán)境。 \h 2PAGEPAGE3行業(yè)背景與產(chǎn)品綜述1行業(yè)背景與產(chǎn)品綜述1云原生AI開發(fā)場(chǎng)景與實(shí)踐2云原生AI云原生AI開發(fā)場(chǎng)景與實(shí)踐2云原生AI開發(fā)平臺(tái)發(fā)展展望3AI應(yīng)用背景在企業(yè)數(shù)字化轉(zhuǎn)型的客觀需求以及政策對(duì)發(fā)展前沿IT科技的支持下，我國(guó)數(shù)字經(jīng)濟(jì)高速發(fā)展，為人工智能發(fā)展創(chuàng)造了積極的經(jīng)濟(jì)環(huán)境。近年來，國(guó)內(nèi)人工智能技術(shù)成熟度持續(xù)提升、服務(wù)種類不斷豐富，在企業(yè)經(jīng)營(yíng)管理各環(huán)節(jié)的價(jià)值已得到市場(chǎng)的初步驗(yàn)證，伴隨云計(jì)算的普及和云原生技術(shù)的發(fā)展，云服務(wù)將有望幫助企業(yè)解決現(xiàn)階段開展人工智能應(yīng)用存在的難點(diǎn)，提升人工智能的效用。人工智能發(fā)展環(huán)境（人工智能發(fā)展環(huán)境（PAGE1/2）\h \h PAGE5政策引導(dǎo)AI算法的協(xié)同開發(fā)與AI應(yīng)用的產(chǎn)業(yè)化落地過去數(shù)年間，國(guó)務(wù)院、國(guó)家發(fā)改委、工信部、科技部以及各省市、地方政府陸續(xù)發(fā)布了有關(guān)推進(jìn)人工智能算法開發(fā)以及應(yīng)用落地的政策。在算法開發(fā)層面，政策明確倡導(dǎo)開源開放、互助共享的理念，支持具備人工智能資源與技術(shù)優(yōu)勢(shì)的企業(yè)、高校構(gòu)建促進(jìn)AI能力開源開放的平臺(tái)，釋放優(yōu)勢(shì)互補(bǔ)的協(xié)同效應(yīng)，縮小我國(guó)人工智能技術(shù)與領(lǐng)先國(guó)家的差距；在人工智能應(yīng)用層面，政策鼓勵(lì)人工智能等數(shù)字化能力在企業(yè)層面加大應(yīng)用力度、在區(qū)域?qū)用鎸?shí)現(xiàn)項(xiàng)目落地，通過人工智能等前沿IT技術(shù)驅(qū)動(dòng)工業(yè)化和信息化深度融合。整體來看，國(guó)內(nèi)政策對(duì)于人工智能始終保持積極態(tài)度，人工智能產(chǎn)業(yè)化和規(guī)范化的發(fā)展前景會(huì)更加明朗。近年人工智能應(yīng)用相關(guān)政策解讀2021.2.9北京市人民政府《2021年市政府工作報(bào)告重點(diǎn)任務(wù)清單》2021.2.9北京市人民政府《2021年市政府工作報(bào)告重點(diǎn)任務(wù)清單》2021.1.13國(guó)家工信部《工業(yè)互聯(lián)網(wǎng)創(chuàng)新發(fā)展行動(dòng)計(jì)劃（2021-2023年）》指出推動(dòng)人工智能等科技創(chuàng)新重大項(xiàng)目在京落地科技力量?jī)?yōu)化配置和資源共享，支持包括型研發(fā)機(jī)構(gòu)

重點(diǎn)任務(wù)中指出鼓勵(lì)大型企業(yè)力度產(chǎn)品檢測(cè)等智能化水平2020.8.7國(guó)家發(fā)改委、科技部等《國(guó)家新一代人工智能標(biāo)準(zhǔn)體系建設(shè)指南》2020.8.7國(guó)家發(fā)改委、科技部等《國(guó)家新一代人工智能標(biāo)準(zhǔn)體系建設(shè)指南》2019.11.13國(guó)務(wù)院（修訂）《國(guó)家創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略綱要》建設(shè)內(nèi)容中，提出支撐技術(shù)與產(chǎn)品標(biāo)準(zhǔn)，其中“關(guān)鍵通用技術(shù)”和“關(guān)鍵領(lǐng)域技術(shù)”涉及機(jī)器學(xué)習(xí)、知識(shí)圖譜、自然語(yǔ)言處理、計(jì)算機(jī)視覺和智能語(yǔ)音等重要AI

大數(shù)據(jù)2019.8.1科技部《國(guó)家新一代人工智能開放創(chuàng)新平臺(tái)建設(shè)工作指引》2019.8.1科技部《國(guó)家新一代人工智能開放創(chuàng)新平臺(tái)建設(shè)工作指引》2017.7.8國(guó)務(wù)院《新一代人工智能發(fā)展規(guī)劃》建設(shè)原則指出要以企業(yè)為主體，鼓勵(lì)人工智能細(xì)分領(lǐng)域領(lǐng)軍企業(yè)搭建開源、開放平臺(tái)，面向公眾開放AI技術(shù)研發(fā)資源向社會(huì)輸出AIAI。

指出要將人工智能提升至國(guó)家戰(zhàn)略高度，以開源開放本原則之一，促進(jìn)產(chǎn)學(xué)研用各創(chuàng)新主體共創(chuàng)共享，。人工智能發(fā)展環(huán)境（人工智能發(fā)展環(huán)境（PAGE2/2）\h PAGE6\h PAGE6\h人工智能相關(guān)產(chǎn)業(yè)規(guī)模高速增長(zhǎng)，市場(chǎng)需求更加明確隨著數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化的不斷深化，我國(guó)數(shù)字經(jīng)濟(jì)高速發(fā)展，在宏觀經(jīng)濟(jì)中的重要性持續(xù)提升。2020年中國(guó)人工智能核心產(chǎn)業(yè)規(guī)模超過1500億元，至2025年預(yù)計(jì)超過4500億元，2020-2025年人工智能核心產(chǎn)品CAGR為25%；2020年人工智能帶動(dòng)相關(guān)產(chǎn)業(yè)規(guī)模超5700億元，至2025年將突破16000億元，2020-2025年人工智能帶動(dòng)相關(guān)產(chǎn)業(yè)CAGR為24%。在新產(chǎn)業(yè)、新業(yè)態(tài)、新商業(yè)模式經(jīng)濟(jì)建設(shè)的大背景下，人工智能產(chǎn)業(yè)的成長(zhǎng)速度令人矚目，并已逐步展現(xiàn)出從單向的產(chǎn)品供應(yīng)向各產(chǎn)業(yè)深度雙向共建的發(fā)展特征，帶動(dòng)相關(guān)產(chǎn)業(yè)發(fā)展，回饋社會(huì)經(jīng)濟(jì)。在這樣的發(fā)展環(huán)境下，企業(yè)對(duì)人工智能的需求逐漸升溫，人工智能在企業(yè)端的應(yīng)用成熟度也漸入佳境。2005-2020年中數(shù)字濟(jì)規(guī)及占GDP比重 2019-2025年中產(chǎn)業(yè)及帶動(dòng)相關(guān)產(chǎn)業(yè)規(guī)模32.9%34.8%36.2%38.6%32.9%34.8%36.2%38.6%14.2%15.2%20.3%26.1%39.235.831.32.64.6CAGR=24%16.613.913.93.01.92.32005 2008 2011 2014 2017 2018 2019 2020數(shù)字經(jīng)濟(jì)規(guī)模（萬億元） 數(shù)字經(jīng)濟(jì)占GDP規(guī)模的比重（%）

2019 2020e 2021e 2022e 2023e 2024e 2025eAI帶動(dòng)相關(guān)產(chǎn)業(yè)規(guī)模（千億元） AI核心產(chǎn)品市場(chǎng)規(guī)模（千億元）來源：中國(guó)信通院（2020），艾瑞咨詢研院根公開料研及繪。 來源：艾瑞咨詢《2020年中國(guó)人工智能產(chǎn)研究告》。人工智能應(yīng)用現(xiàn)狀（人工智能應(yīng)用現(xiàn)狀（PAGE1/2）\h PAGE7\h PAGE7感知智能相對(duì)成熟，認(rèn)知智能加速發(fā)展一般認(rèn)為，人工智能可分為感知智能和認(rèn)知智能兩大類。感知智能以智能語(yǔ)音、計(jì)算機(jī)視覺和部分生物體征識(shí)別（如體態(tài)識(shí)別）為核心底層技術(shù)，對(duì)應(yīng)的上層應(yīng)用為智能對(duì)話、圖像識(shí)別和人體識(shí)別等，分別直接應(yīng)用于客服機(jī)器人、智能安防、智能監(jiān)控等解決方案；認(rèn)知智能以機(jī)器學(xué)習(xí)/深度學(xué)習(xí)、知識(shí)圖譜和自然語(yǔ)言處理等為核心底層技術(shù)，對(duì)應(yīng)的上層應(yīng)用為預(yù)測(cè)建模、知識(shí)倉(cāng)庫(kù)、機(jī)器翻譯等，分別直接應(yīng)用于商業(yè)決策、智能推薦、全文信息檢索等解決方案，二者是互為支持和補(bǔ)充的關(guān)系，同一個(gè)AI解決方案中往往包含多種技術(shù)。目前我國(guó)感知智能的算法研發(fā)和應(yīng)用落地相對(duì)成熟，而認(rèn)知智能正在加速發(fā)展過程中，未來將有著更廣闊的應(yīng)用空間。AI感知智能AI認(rèn)知智能智能語(yǔ)音智能對(duì)話計(jì)算機(jī)視覺直接應(yīng)用AI感知智能AI認(rèn)知智能智能語(yǔ)音智能對(duì)話計(jì)算機(jī)視覺直接應(yīng)用圖像識(shí)別解決方案生物體征識(shí)別監(jiān)督學(xué)習(xí)知識(shí)圖譜直接應(yīng)用文本匹配人體識(shí)別互為支持互為補(bǔ)充預(yù)測(cè)建模知識(shí)倉(cāng)庫(kù)解決方案機(jī)器翻譯呼叫中心智能安防智能監(jiān)控商業(yè)智能決策智能推薦全文信息檢索人工智能基礎(chǔ)設(shè)施人工智能基礎(chǔ)設(shè)施算力服務(wù)CPU GPUFPGAASIC算法服務(wù)人工智能算法模型數(shù)據(jù)挖掘數(shù)據(jù)服務(wù)數(shù)據(jù)存儲(chǔ)數(shù)據(jù)治理人工智能應(yīng)用現(xiàn)狀（人工智能應(yīng)用現(xiàn)狀（PAGE2/2）\h PAGE8\h PAGE8營(yíng)銷、客服、質(zhì)檢、安防等應(yīng)用的市場(chǎng)價(jià)值已獲得驗(yàn)證具體到實(shí)際應(yīng)用中看，人工智能已廣泛滲入各行業(yè)經(jīng)營(yíng)管理的諸多環(huán)節(jié)，為企業(yè)帶來更高效的自動(dòng)化流程、更精準(zhǔn)的情報(bào)分析以及更智能的運(yùn)營(yíng)管理。當(dāng)前國(guó)內(nèi)人工智能應(yīng)用成熟度較高的領(lǐng)域包括：①在金融、互聯(lián)網(wǎng)等需要密集與客戶溝通交流的行業(yè)中用于智能呼叫、客服、銷售等環(huán)節(jié)，幫助企業(yè)提升觸達(dá)能力和服務(wù)質(zhì)量，從而提升用戶粘性；②賦能公安、交通和企業(yè)內(nèi)部的安防監(jiān)控以及制造業(yè)企業(yè)的物流配送、產(chǎn)品質(zhì)檢等環(huán)節(jié)，代替人眼進(jìn)行大規(guī)模監(jiān)測(cè)并提升監(jiān)測(cè)精準(zhǔn)度、從而提高調(diào)度和管理效率。整體來看，感知智能的諸多應(yīng)用對(duì)于企業(yè)的應(yīng)用價(jià)值已得到了市場(chǎng)驗(yàn)證，而涉及認(rèn)知分析、智能決策的認(rèn)知領(lǐng)域的應(yīng)用成熟度也正在逐步提高，已在部分行業(yè)展開試水，應(yīng)用滲透有望加速。人工智能應(yīng)用于我國(guó)不同行業(yè)企業(yè)經(jīng)營(yíng)管理活動(dòng)的主要環(huán)節(jié)產(chǎn)品設(shè)計(jì)、采購(gòu)評(píng)估工藝優(yōu)化貨倉(cāng)物流產(chǎn)能補(bǔ)充情報(bào)研判、客戶觸達(dá)

管理調(diào)度質(zhì)控、風(fēng)窗口服務(wù)遠(yuǎn)程辦事

人機(jī)對(duì)話圖例 圖例 行業(yè)較少涉及嘗試應(yīng)用計(jì)算機(jī)視覺ML&DL智能語(yǔ)音交互NLP&知識(shí)圖譜價(jià)值得到驗(yàn)證，規(guī)?；七M(jìn)示范項(xiàng)目增加，形成典型場(chǎng)景

定價(jià)優(yōu)化

運(yùn)籌優(yōu)化控和安全

遠(yuǎn)程作業(yè)人工智能與云服務(wù)（人工智能與云服務(wù)（PAGE1/3）\h PAGE\h PAGE9云服務(wù)平臺(tái)成為企業(yè)獲取和應(yīng)用AI能力的重要渠道當(dāng)前各類前沿信息技術(shù)彼此融合促進(jìn)，界限正逐漸模糊，無論是在技術(shù)開發(fā)、實(shí)施還是應(yīng)用階段，包括云計(jì)算、大數(shù)據(jù)、人工智能等在內(nèi)的多項(xiàng)技術(shù)都互為依托和補(bǔ)充。云計(jì)算在我國(guó)經(jīng)歷了十余年的發(fā)展，目前基礎(chǔ)云服務(wù)已經(jīng)進(jìn)入成熟階段，各類上層應(yīng)用以云服務(wù)平臺(tái)為技術(shù)基座和分發(fā)渠道，逐步構(gòu)建起云上的IT服務(wù)生態(tài)閉環(huán)。具體到人工智能領(lǐng)域，云計(jì)算為人工智能研發(fā)和部署提供計(jì)算集群、存儲(chǔ)陣列等基礎(chǔ)設(shè)施，通過大數(shù)據(jù)和AI算法PaaS提升企業(yè)進(jìn)行AI開發(fā)的節(jié)奏和效能，而信息安全、敏捷開發(fā)等應(yīng)用則間接提升了企業(yè)采用云上AI能力的穩(wěn)定性。對(duì)于企業(yè)的AI開發(fā)和應(yīng)用工作而言，云平臺(tái)已成為他們加強(qiáng)AI能力的重要助力。SaaS人臉識(shí)別語(yǔ)音合成錄音識(shí)別機(jī)器翻譯文字識(shí)別SaaS人臉識(shí)別語(yǔ)音合成錄音識(shí)別機(jī)器翻譯文字識(shí)別工業(yè)大腦……3%小程序9%建站推廣19%PI0%軟件專業(yè)17AI&大數(shù)據(jù)企業(yè)應(yīng)用數(shù)據(jù)類PaaSPaaS算法類PaaS數(shù)據(jù)倉(cāng)庫(kù) 數(shù)據(jù)治理工具大數(shù)據(jù)計(jì)算分析AI開發(fā)平臺(tái)AI開放平臺(tái)人工智能API配套服務(wù)可視化……2021中國(guó)云服務(wù)產(chǎn)品市場(chǎng)份額物聯(lián)網(wǎng)其他安全服務(wù)3% 2%A1基礎(chǔ)10服務(wù)12%15%企業(yè)AI能力使用情況調(diào)研 用云的AI能力 IaaS高性能存儲(chǔ)陣列CPUGPUFGPA面向人工智能的計(jì)算集群 高速通信網(wǎng)絡(luò)來源：1.IaaS高性能存儲(chǔ)陣列CPUGPUFGPA面向人工智能的計(jì)算集群 高速通信網(wǎng)絡(luò)人工智能與云服務(wù)（人工智能與云服務(wù)（PAGE2/3）\h PAGE\h PAGE10云原生成為業(yè)界認(rèn)可的云計(jì)算技術(shù)發(fā)展方向以Docker和K8s為代表的容器和容器編排技術(shù)是云原生應(yīng)用的典型代表，容器對(duì)基礎(chǔ)資源的調(diào)用相較虛擬機(jī)更加輕量、敏捷、高效，能夠直接部署于物理機(jī)上作為資源調(diào)度器，但在當(dāng)前的企業(yè)用云實(shí)踐中，無論對(duì)于公有化還是私有化部署模式，容器引擎普遍架構(gòu)于虛擬機(jī)之上，對(duì)虛擬化的IT基礎(chǔ)設(shè)施實(shí)行彈性資源調(diào)度、流程自動(dòng)化以及集群管理。整體來看，云原生架構(gòu)具備彈性擴(kuò)容、敏捷分發(fā)、高效易用、兼容適配等主要優(yōu)勢(shì)，在云計(jì)算成為企業(yè)數(shù)字化轉(zhuǎn)型標(biāo)配的今天，云原生帶來了更加靈活的用云模式，能夠幫助用戶降低用云成本、提高云服務(wù)可用性和云端服務(wù)的質(zhì)量，其價(jià)值已獲得了產(chǎn)業(yè)界的普遍認(rèn)可，云原生也被認(rèn)為是云計(jì)算未來的技術(shù)發(fā)展方向，諸多云端服務(wù)也被業(yè)界證實(shí)能夠與云原生架構(gòu)充分融合并帶來使用性能的提升。

容器云計(jì)算平臺(tái)一般系統(tǒng)架構(gòu)及容器云的主要優(yōu)勢(shì)容器云的主要優(yōu)勢(shì)應(yīng)用管理ServerlessDevOps微服務(wù)容器云的主要優(yōu)勢(shì)應(yīng)用管理ServerlessDevOps微服務(wù)監(jiān)控管理升級(jí)管理流水線灰度發(fā)布系統(tǒng)監(jiān)控系統(tǒng)日志告警管理資源調(diào)度自動(dòng)化部署負(fù)載均衡彈性伸縮API管理集群管理 安全策略 服務(wù)管理 容器管理 ……容器引擎X86架構(gòu)ARM架構(gòu)虛擬化（云服務(wù)器）X86架構(gòu)ARM架構(gòu)虛擬化（云服務(wù)器）來源：中國(guó)信通院（2021），艾瑞咨詢研究院根據(jù)公開資料研究及繪制。人工智能與云服務(wù)（人工智能與云服務(wù)（PAGE3/3）\h PAGE\h PAGE11云原生融合分布式計(jì)算性能更具優(yōu)勢(shì)，應(yīng)用前景廣闊伴隨著數(shù)據(jù)量的大爆發(fā)和數(shù)據(jù)應(yīng)用的豐富，傳統(tǒng)的集中式計(jì)算架構(gòu)已無法支撐超大規(guī)模的數(shù)據(jù)處理需求，現(xiàn)今AI應(yīng)用主要部署在以分布式為基礎(chǔ)的云平臺(tái)之上，AI模型開發(fā)以及應(yīng)用事實(shí)上也是以分布式計(jì)算為基礎(chǔ)。分布式計(jì)算通過將數(shù)據(jù)負(fù)載分配到不同的終端進(jìn)行統(tǒng)籌處理，以異步、并行、多線程的方式提高計(jì)算效率，同時(shí)，分布式系統(tǒng)的復(fù)雜化帶來了環(huán)境一致性下降、可用性不足、容錯(cuò)能力降低等問題，對(duì)于復(fù)雜的模型訓(xùn)練和超大規(guī)模的應(yīng)用部署尤其突出。作為云計(jì)算未來的總體發(fā)展趨勢(shì)，云原生自誕生之始就以輕量的模塊組合以及分布統(tǒng)籌為核心理念，其性能優(yōu)勢(shì)可以幫助使用者應(yīng)對(duì)分布式計(jì)算架構(gòu)帶來的諸多問題，從而為云原生與人工智能的融合提供了廣闊的應(yīng)用前景。分布式計(jì)算系統(tǒng)架構(gòu)帶來的一般性問題&云原生潛在性能優(yōu)勢(shì)災(zāi)備需求安全性挑戰(zhàn)編程協(xié)作摩擦應(yīng)用可用性A不足災(zāi)備需求安全性挑戰(zhàn)編程協(xié)作摩擦應(yīng)用可用性A不足環(huán)境一致性C下降伴隨大數(shù)據(jù)的爆發(fā)、AI應(yīng)用在各場(chǎng)景不斷滲透和云計(jì)算的普及，基于分布式計(jì)算架構(gòu)進(jìn)行人工智能模型訓(xùn)練和應(yīng)用部署既存在客觀需求，也具備了技術(shù)條件。集中計(jì)算概念 Serverless微服務(wù)DevOps容器化云原生組件 分布式計(jì)算概念

分區(qū)容錯(cuò)性P需求 運(yùn)維復(fù)雜度提高

輕量化運(yùn)行橫向擴(kuò)展高顆粒度開發(fā)應(yīng)用&平臺(tái)分離

相較于傳統(tǒng)模式，分布式計(jì)算帶來了計(jì)算能力整體的提升，但系統(tǒng)復(fù)雜度隨之增加，帶來包括CAP難題在內(nèi)的一系列負(fù)面影響，而云原生理念不僅與分布式概念天然契合，其應(yīng)用架構(gòu)和性能恰在一定程度上為分布式帶來的問題提供了解決方案，二者相輔相成。企業(yè)AI應(yīng)用困境盡管人工智能技術(shù)成熟度正在不斷提高，但目前國(guó)內(nèi)甲方企業(yè)進(jìn)行人工智能應(yīng)用仍然面臨著技術(shù)人才儲(chǔ)備不足、AI應(yīng)用部署存在困難、投入產(chǎn)出比不達(dá)預(yù)期等問題。我們認(rèn)為，企業(yè)通過配備適宜于AI開發(fā)的高性能軟硬件基礎(chǔ)服務(wù)，有望能夠利用底層技術(shù)的復(fù)用和IT資源的靈活配置優(yōu)化AI開發(fā)和部署流程，提升AI的價(jià)值創(chuàng)造能力。12\h PAGE\h PAGE13AI人才仍短缺人才短缺限制企業(yè)進(jìn)行AI開發(fā)和落地的步伐作為前沿IT技術(shù)的代表，人工智能產(chǎn)業(yè)近年來高速發(fā)展，帶動(dòng)了市場(chǎng)對(duì)AI人才的集中需求。與許多發(fā)達(dá)國(guó)家相比，我國(guó)的AI人才總數(shù)仍處于短缺狀態(tài)，而在企業(yè)微觀層面上，AI人才市場(chǎng)表現(xiàn)出人才相對(duì)集中于互聯(lián)網(wǎng)科技公司，且技術(shù)人才缺口更加顯著等問題。人才短缺導(dǎo)致企業(yè)的AI需求無法得到及時(shí)滿足，而人才的培養(yǎng)也非一日之功，長(zhǎng)期來看這依賴于IT教育的轉(zhuǎn)型和結(jié)構(gòu)調(diào)整，而在短期則更需要產(chǎn)業(yè)端通過復(fù)用成熟能力、降低應(yīng)用難度、促進(jìn)技術(shù)交流等方式來提升業(yè)內(nèi)人員的產(chǎn)出能力。我國(guó)整體AI人才積累相對(duì)缺乏2020年多國(guó)AI我國(guó)整體AI人才積累相對(duì)缺乏2020年多國(guó)AI研究人員數(shù)量188.3美國(guó) 印度 英國(guó) 中國(guó)人數(shù)（千人）AI崗位之中純技術(shù)類人才缺口顯著2020年中國(guó)人工智能人才供需比714%86.235.4 86.235.4 22.2452%344%98% 45%17%13%銷售 產(chǎn)品 經(jīng)理 管理

實(shí)用 高端 應(yīng)用 算法技能 技術(shù) 開發(fā) 研究人才供需比（%）2020年中國(guó)普通大型企業(yè)實(shí)際釋放崗位結(jié)構(gòu)其他30%泛AI3%傳統(tǒng)技術(shù)23%傳統(tǒng)IT43%企業(yè)AI崗位空間比例較低來源：2020年中國(guó)普通大型企業(yè)實(shí)際釋放崗位結(jié)構(gòu)其他30%泛AI3%傳統(tǒng)技術(shù)23%傳統(tǒng)IT43%企業(yè)AI崗位空間比例較低應(yīng)用部署障礙應(yīng)用部署障礙\h PAGE\h PAGE14生產(chǎn)環(huán)境對(duì)AI基礎(chǔ)設(shè)施、算法及數(shù)據(jù)質(zhì)量要求更高企業(yè)在實(shí)際應(yīng)用人工智能的過程中主要面臨基礎(chǔ)設(shè)施、AI算法及數(shù)據(jù)等方面的阻礙。在基礎(chǔ)設(shè)施方面，企業(yè)的IT基礎(chǔ)設(shè)施在海量數(shù)據(jù)參與運(yùn)算和采取分布式架構(gòu)的條件下可能面臨算力不足以及不兼容問題，從而降低企業(yè)AI應(yīng)用的可用性；在算法領(lǐng)域，以“大模型”為代表的人工智能算法模型體現(xiàn)出模型參數(shù)的數(shù)量不斷增加的趨勢(shì)，高度復(fù)雜化的模型融入應(yīng)用程序后可能帶來應(yīng)用延遲的增加，而在交付和部署后對(duì)模型的修改也會(huì)給用戶帶來服務(wù)中斷等問題；此外，由于訓(xùn)練/測(cè)試環(huán)境和生產(chǎn)環(huán)境存在差異，實(shí)際應(yīng)用中的數(shù)據(jù)存在較多噪音、與模型匹配度較低，也會(huì)降低AI應(yīng)用的質(zhì)量?？傮w來看，尤其是中小企業(yè)在應(yīng)用和部署AI應(yīng)用過程中所遇到的障礙更需要高質(zhì)量的軟硬件平臺(tái)提供支持，降低開發(fā)者在基礎(chǔ)配置和運(yùn)維方面的消耗的精力，并幫助開發(fā)者提升模型優(yōu)化能力。人工智能應(yīng)用在生產(chǎn)環(huán)境中面臨的應(yīng)用和部署障礙噪音數(shù)據(jù)較多工作環(huán)境中的數(shù)據(jù)帶來的問題噪音數(shù)據(jù)較多工作環(huán)境中的數(shù)據(jù)帶來的問題模型匹配度低下降或出現(xiàn)錯(cuò)誤數(shù)據(jù)訓(xùn)練數(shù)據(jù)（trainingdata）和工作環(huán)境中的實(shí)際數(shù)據(jù)結(jié)構(gòu)差異較大，導(dǎo)致模型出現(xiàn)偏差算法基礎(chǔ)設(shè)施

AI模型和軟件本身導(dǎo)致的問題硬件及系統(tǒng)架構(gòu)帶來的問題

模型變更引起應(yīng)用中斷模型過于復(fù)雜帶來高延遲

由后臺(tái)模型的大規(guī)模更新帶來的前端應(yīng)用中斷、可用性降低模型過于復(fù)雜的設(shè)計(jì)會(huì)消耗更多計(jì)算資源，增加系統(tǒng)延遲特定的模型往往在部分硬件設(shè)施上表現(xiàn)更好大數(shù)據(jù)應(yīng)用規(guī)模不斷提升，算

力資源池不足可能導(dǎo)致可用性下降投入投入-產(chǎn)出比不足\h PAGE\h PAGE15企業(yè)應(yīng)用人工智能的回報(bào)尚不及預(yù)期據(jù)統(tǒng)計(jì)，目前我國(guó)企業(yè)，尤其是非科技類甲方企業(yè)應(yīng)用人工智能的效果還不盡如人意，許多企業(yè)表示人工智能落地后并未達(dá)到預(yù)期的投入產(chǎn)出比。在成本和支出方面，企業(yè)進(jìn)行AI開發(fā)所需的人才和IT資源價(jià)格較高并處于相對(duì)稀缺狀態(tài)，引入AI給企業(yè)業(yè)務(wù)更迭和內(nèi)部管理等帶來的隱性成本也可能成為降低企業(yè)應(yīng)用AI效果的因素；在價(jià)值回報(bào)方面，盡管人工智能應(yīng)用在許多領(lǐng)域和場(chǎng)景已經(jīng)得到驗(yàn)證，但對(duì)于不同的企業(yè)和具體工作環(huán)境，其效能可能并不穩(wěn)定。因此，成本和效能兩方面原因共同提高了AI應(yīng)用對(duì)于甲方企業(yè)的門檻，導(dǎo)致企業(yè)不能充分享受人工智能帶來的紅利。企業(yè)應(yīng)用人工智能回報(bào)不及預(yù)期的現(xiàn)狀及原因分析2020年中國(guó)甲方企業(yè)AI應(yīng)用ROI完成度成本和支出企業(yè)應(yīng)用人工智能的投入的資金成本包含人力和IT資源支出，前者主要為AI和數(shù)據(jù)專家未完成ROI12.2%

完成全部ROI9.8%

達(dá)成部分ROI指標(biāo)43.9%

的工作報(bào)酬，后者包含自建或購(gòu)置云服務(wù)資源的成本，二者均位于較高水平在實(shí)際工作中，模型產(chǎn)出周期長(zhǎng)、完成度低等問題給企業(yè)帶來管理和運(yùn)維方面的額外投入，構(gòu)成了企業(yè)進(jìn)行AI投入的隱性成本效能和價(jià)值由于經(jīng)驗(yàn)的缺乏和模型的不足，企業(yè)應(yīng)用AI于生產(chǎn)環(huán)境中面臨模型精度不足這一直接問題在生產(chǎn)環(huán)境中，負(fù)載的動(dòng)態(tài)變化、場(chǎng)景的快速迭代都將給模型的架構(gòu)和設(shè)計(jì)帶來考驗(yàn)2020年我國(guó)就業(yè)年薪估算50

2019年部分AI模型訓(xùn)練成本（美國(guó)）AI模型AI模型硬件碳排放lb云計(jì)算成本TransformerbigP100x8192$635ELMoP100x3262$953BERTbaseV100x641438$8161NASP100x8626155$2072348GPT-2TPUv3x32-27955未設(shè)定明 9確ROI34.1%

AI技術(shù) IT行業(yè) 其他行業(yè)平均年薪（萬元）來源：1.艾瑞咨詢《2020年中國(guó)人工智能產(chǎn)業(yè)研究報(bào)告》大中型企業(yè)CTO/CIO調(diào)研，N=41，2020年9月；2.專家訪談，國(guó)家統(tǒng)計(jì)局，艾瑞咨詢研究院根據(jù)公開資料研究及繪制；3.《EnergyandPolicyConsiderationsforDeepLearninginNLP》，EmmaStrubell等，2019年6月。云原生AI開發(fā)平臺(tái)云原生AI開發(fā)平臺(tái)以云原生容器服務(wù)為基礎(chǔ)架構(gòu)調(diào)用云資源，配合大數(shù)據(jù)計(jì)算、人工智能計(jì)算以及分布式計(jì)算框架，服務(wù)于企業(yè)的數(shù)據(jù)分析、模型訓(xùn)練以及AI應(yīng)用部署需求。借助容器、微服務(wù)、無服務(wù)器等云原生優(yōu)勢(shì)，企業(yè)和開發(fā)者得以在IT成本優(yōu)化的條件下實(shí)現(xiàn)AI算法高效訓(xùn)練、應(yīng)用敏捷開發(fā)、程序靈活部署和全生命周期管理。16云原生云原生AI開發(fā)平臺(tái)架構(gòu)\h PAGE\h PAGE17云原生分布式人工智能開發(fā)平臺(tái)機(jī)器學(xué)習(xí)框架（TensorFlow/PyTorch/Caffe/Alinketc…）以云原生的敏捷高效賦能人工智能應(yīng)用開發(fā)與部署云原生分布式人工智能開發(fā)平臺(tái)機(jī)器學(xué)習(xí)框架（TensorFlow/PyTorch/Caffe/Alinketc…）云原生AI開發(fā)平臺(tái)以云計(jì)算為基礎(chǔ)，因?yàn)榭紤]到信息安全和數(shù)據(jù)隱秘性，該類項(xiàng)目在實(shí)踐中通常以私有化部署和專有化部署的云服務(wù)器為基礎(chǔ)，通過容器組件進(jìn)行IT資源的調(diào)用，以微服務(wù)架構(gòu)指導(dǎo)應(yīng)用設(shè)計(jì)和開發(fā)，并配置分布式、大數(shù)據(jù)和人工智能計(jì)算框架作為底層計(jì)算平臺(tái)。云原生AI開發(fā)平臺(tái)內(nèi)置數(shù)據(jù)智能標(biāo)注、智能模型開發(fā)、API開放平臺(tái)管理以及云原生應(yīng)用部署等功能模塊，輔以包括數(shù)據(jù)挖掘、網(wǎng)絡(luò)安全等在內(nèi)的數(shù)據(jù)資源管理系統(tǒng)，幫助企業(yè)敏捷、高效、安全地利用數(shù)據(jù)進(jìn)行人工智能應(yīng)用開發(fā)，并在應(yīng)用部署過程中實(shí)現(xiàn)成本優(yōu)化和靈活的版本控制。云原生AI開發(fā)平臺(tái)產(chǎn)品和服務(wù)架構(gòu)數(shù)據(jù)挖掘和清洗高性能數(shù)據(jù)存儲(chǔ)基于知識(shí)圖譜的數(shù)據(jù)資產(chǎn)盤點(diǎn)智能搜索與查詢可交互數(shù)據(jù)可視化監(jiān)控全鏈路數(shù)據(jù)使用，保障數(shù)據(jù)信息安全數(shù)據(jù)資產(chǎn)ROI評(píng)估數(shù)據(jù)挖掘和清洗高性能數(shù)據(jù)存儲(chǔ)基于知識(shí)圖譜的數(shù)據(jù)資產(chǎn)盤點(diǎn)智能搜索與查詢可交互數(shù)據(jù)可視化監(jiān)控全鏈路數(shù)據(jù)使用，保障數(shù)據(jù)信息安全數(shù)據(jù)資產(chǎn)ROI評(píng)估數(shù)據(jù)資源管理模型編輯器大數(shù)據(jù)建模組件行業(yè)場(chǎng)景化模板可視化拖拽模型構(gòu)建組件模型倉(cāng)庫(kù)兼容AI框架兼容大數(shù)據(jù)引擎模型開發(fā)和管理圖像、視頻、文綜合標(biāo)注數(shù)據(jù)集管理主動(dòng)學(xué)習(xí)智能預(yù)標(biāo)注數(shù)據(jù)智能標(biāo)注網(wǎng)關(guān)API編譯器行業(yè)及場(chǎng)景化應(yīng)用模板后臺(tái)管理API開放平臺(tái)藍(lán)綠部署灰度發(fā)布測(cè)試云基礎(chǔ)資源彈性伸縮模型部署優(yōu)化AIOps/DevOps高效運(yùn)維云原生部署人工智能機(jī)器學(xué)習(xí)平臺(tái)面向金融、安防、互聯(lián)網(wǎng)、醫(yī)療等的行業(yè)的AISaaS服務(wù)云計(jì)算虛擬化平臺(tái)分布式計(jì)算框架云原生容器服務(wù)大數(shù)據(jù)計(jì)算引擎云計(jì)算虛擬化平臺(tái)分布式計(jì)算框架云原生容器服務(wù)大數(shù)據(jù)計(jì)算引擎 基礎(chǔ)硬件（CPU/GPU/FPGA/NPU）及網(wǎng)絡(luò)通信設(shè)施 云計(jì)算-云原生基礎(chǔ)設(shè)施云計(jì)算-云原生基礎(chǔ)設(shè)施相關(guān)應(yīng)用圖譜相關(guān)應(yīng)用圖譜\h PAGE\h PAGE18TIOpenDataHubModelArtsBMLSageMakerPAI云原生AI開發(fā)平臺(tái)AITIOpenDataHubModelArtsBMLSageMakerPAI云原生AI開發(fā)平臺(tái)AIBrain++深泉先知AI云智能模型效率化生產(chǎn)OAM云原生應(yīng)用部署AI&大數(shù)據(jù)計(jì)算框架容器編排容器引擎云計(jì)算基礎(chǔ)設(shè)施云計(jì)算基礎(chǔ)設(shè)施注釋：本圖譜企業(yè)排名不分先后。核心技術(shù)優(yōu)勢(shì)核心技術(shù)優(yōu)勢(shì)\h PAGE\h PAGE19資源靈活運(yùn)用，模型敏捷開發(fā)，應(yīng)用高效部署我們著眼于企業(yè)在云上進(jìn)行AI開發(fā)的各個(gè)主要環(huán)節(jié)，可以發(fā)現(xiàn)這一過程也符合著名的“2-8法則”，在AI應(yīng)用中模型設(shè)計(jì)和算法精度才是決定其應(yīng)用價(jià)值的核心關(guān)鍵，但企業(yè)和開發(fā)者實(shí)際上將大部分的時(shí)間和精力投入了平臺(tái)搭建、系統(tǒng)調(diào)試、團(tuán)隊(duì)磨合、監(jiān)控運(yùn)維等“非核心”的工作中，云原生與AI開發(fā)平臺(tái)的結(jié)合幫助開發(fā)者減少對(duì)基礎(chǔ)IT資源的關(guān)注，并通過底層技術(shù)復(fù)用、開發(fā)流程可視化等方式提高開發(fā)效率，因而在IT基礎(chǔ)設(shè)施調(diào)用、模型編寫和測(cè)試優(yōu)化、模型和應(yīng)用封裝、應(yīng)用交付及運(yùn)維等領(lǐng)域更具備成本效率優(yōu)勢(shì)。80 企業(yè)應(yīng)用云原生80 隨著數(shù)據(jù)量的增大和應(yīng)用規(guī)模的橫向拓展，人工智能在運(yùn)行過程中易遇 成本高、可用性不足等問題運(yùn)行維護(hù)/交付鏡像倉(cāng)庫(kù)模型測(cè)試優(yōu)化敏捷化模型編寫IT基礎(chǔ)設(shè)施調(diào)用

隨著系統(tǒng)的復(fù)雜化，各類系統(tǒng)故障也易發(fā)生，通過日志分析、云原生智能運(yùn)維等，能夠更快定位問題，快速恢復(fù)服務(wù)通過藍(lán)綠部署、灰度發(fā)布等功能，云原生組件幫助企業(yè)在進(jìn)行人工智能應(yīng)用發(fā)布時(shí)更加靈活和敏捷，幫助企業(yè)在時(shí)刻變化的市場(chǎng)環(huán)境中快速應(yīng)對(duì)，縮短應(yīng)對(duì)的窗口期容器鏡像用于保存程序代碼及運(yùn)行環(huán)境，與人工智能算法融合用于封裝AI算法和應(yīng)用，便于模型的部署交付以及版本更迭，也便于通過云原生技術(shù)社區(qū)進(jìn)行交流學(xué)習(xí)人工智能模型訓(xùn)練需要對(duì)模型進(jìn)行反復(fù)運(yùn)行、評(píng)估、修正，通過pipeline等云原生帶來的自動(dòng)化流程組件，能夠提高參數(shù)選擇、超參調(diào)優(yōu)等過程的自動(dòng)化水平，提升模型產(chǎn)出速度人工智能開發(fā)框架為開發(fā)者提供可視化、可拖拽的編程模型，使開發(fā)者能夠?qū)崟r(shí)對(duì)模型運(yùn)行過程進(jìn)行把握，提高模型質(zhì)量，節(jié)約開發(fā)時(shí)間微服務(wù)架構(gòu)配合DevOps開發(fā)工具，使得開發(fā)團(tuán)隊(duì)能以敏捷的方式進(jìn)行復(fù)雜人工智能應(yīng)用的協(xié)同開發(fā)，提升企業(yè)IT效率和市場(chǎng)競(jìng)爭(zhēng)力由于數(shù)據(jù)資產(chǎn)的隱私性，實(shí)踐中AI開發(fā)平臺(tái)多以公有/私有化部署結(jié)合的形式存在，容器及容器編排組件能幫助企業(yè)更高效地利用各類基礎(chǔ)設(shè)施性能結(jié)合Serverless無服務(wù)器架構(gòu)，能夠免去企業(yè)開發(fā)者用于配置平臺(tái)的繁瑣工作，提升企業(yè)創(chuàng)造力

20人工智能應(yīng)用開發(fā)也遵循普遍的“2-8法則”，通常認(rèn)為最有價(jià)值的部分是模型設(shè)計(jì)及算法精度，但實(shí)際工作中大量的成本被用于平臺(tái)搭建、系統(tǒng)調(diào)試等，云原生組件在這一領(lǐng)域幫助企業(yè)和開發(fā)者節(jié)省大量的時(shí)間和精力。核心技術(shù)優(yōu)勢(shì)：模型敏捷開發(fā)核心技術(shù)優(yōu)勢(shì)：模型敏捷開發(fā)\h PAGE\h PAGE20多種開發(fā)模式，賦能人工智能低門檻、高效能開發(fā)云原生AI開發(fā)平臺(tái)配備多種人工智能模型開發(fā)模式，其中較為典型的是可視化建模和編程式建模。前者利用JavaScript腳本等組件對(duì)算法進(jìn)行封裝，使得用戶能夠通過拖拽等圖型界面進(jìn)行模型開發(fā)，幫助對(duì)編程語(yǔ)言不熟悉的甲方企業(yè)的開發(fā)者乃至業(yè)務(wù)部門進(jìn)行定制化開發(fā)；另一方面，編程式建模一般基于Tensorflow、PyTorch、Caffe等AI開發(fā)框架，利用Python等通用編程語(yǔ)言進(jìn)行模型開發(fā)，由于上述開源框架普遍具備完備的功能，能夠賦予開發(fā)者更多的開發(fā)選項(xiàng)和進(jìn)行編程優(yōu)化的空間。云原生組件如容器和微服務(wù)框架也能夠從底層架構(gòu)方面對(duì)編程、測(cè)試等過程進(jìn)行支持，進(jìn)一步提升開發(fā)者的開發(fā)效率?？梢暬?編程式建模為開發(fā)者提供多種AI開發(fā)方式 可視化建模視圖 可視化建模視圖 利用JavaScript腳本等組件對(duì)算法和計(jì)算過程進(jìn)行封裝，讓使用者能夠通過圖型界面進(jìn)行人工智能算法的開發(fā)降低了AI尤其適合甲方企業(yè)內(nèi)部、對(duì)AI開發(fā)框架熟悉度較低的開發(fā)者乃至業(yè)務(wù)人員通過軟件開發(fā)者熟悉的Python等通用編程語(yǔ)言進(jìn)行人工智能模型的開發(fā)，融合Tensorflow、PyTorch、Caffe等人工智能開發(fā)框架等能夠調(diào)用人工智能開發(fā)框架成熟的底層能力，擁有 編程式建模視圖 Worker:replicas:3restartPolicy:OnFailuretemplate:metadata:annotations:sidecar.istio.io/inject:"false"spec:containers:name:tensorflowimage:gcr.io/your-imagecommand:python-mtrainer.task--batch_size=32--training_steps=1000……來源：Kubeflow，艾瑞咨詢研究院根據(jù)公開資料研究及繪制。核心技術(shù)優(yōu)勢(shì)：云原生部署核心技術(shù)優(yōu)勢(shì)：云原生部署\h PAGE21\h PAGE21云原生發(fā)布、部署、運(yùn)維組件提供便捷的AI應(yīng)用管理渠道除人工智能算法編寫開發(fā)之外，云原生AI開發(fā)平臺(tái)利用豐富的云原生組件賦能企業(yè)更好地對(duì)AI應(yīng)用進(jìn)行發(fā)布、部署、運(yùn)維等方面的高效管理。除前文所提及的藍(lán)綠部署、灰度發(fā)布和DevOps運(yùn)維等功能之外，云原生環(huán)境中常用的API接口和網(wǎng)關(guān)、便捷移植和擴(kuò)容、邊緣側(cè)部署功能均對(duì)人工智能的規(guī)模應(yīng)用形成支撐，幫助企業(yè)提升用戶的使用體驗(yàn)，并降低企業(yè)的IT經(jīng)營(yíng)成本。云原生在AI應(yīng)用部署及運(yùn)維管理方面的優(yōu)勢(shì)接口API接口和網(wǎng)關(guān)傳統(tǒng)是用在云原生環(huán)境中，可以用于實(shí)現(xiàn)大量微服務(wù)組件的集中管理、示例變更、負(fù)載均衡等功能

移植/擴(kuò)容

云原生AI應(yīng)用部署&運(yùn)維管理對(duì)于AI應(yīng)用而言，云原生理念和組件在應(yīng)用部署管理方面的功用相較于在開發(fā)側(cè)或更加顯著

敏捷迭代

運(yùn)維云原生提供了便捷的日志工具以及如DevOps一類的運(yùn)維環(huán)境，便捷復(fù)雜AI應(yīng)用的維護(hù)，提高應(yīng)用的效率底層資源的成本

為了適應(yīng)市場(chǎng)需求變化與生產(chǎn)環(huán)境中數(shù)據(jù)質(zhì)量與維度的改變，企業(yè)對(duì)尤其是人工智能應(yīng)用設(shè)計(jì)和算法模型的迭代更新頻率較高，云原生更新組件幫助企業(yè)提升迭代效率、降低迭代摩擦產(chǎn)品應(yīng)用價(jià)值產(chǎn)品應(yīng)用價(jià)值\h PAGE\h PAGE22經(jīng)橫向?qū)Ρ?，云原生AI開發(fā)平臺(tái)更具成本效用優(yōu)勢(shì)甲方企業(yè)獲得AI能力有多種渠道和方式，其中，從零開始進(jìn)行自主研究能夠最大程度貼合企業(yè)自身需求，但考慮到一般甲方企業(yè)的AI人才有限，此方法無論是從IT成本角度還是從最終應(yīng)用水平角度上看都不合算，如果直接購(gòu)買產(chǎn)品化的軟件，雖免去了開發(fā)流程，但未必能夠完全滿足企業(yè)自身的特殊需求。目前，通過AI開發(fā)平臺(tái)進(jìn)行自主訂制化開發(fā)是企業(yè)常規(guī)的選擇，在此基礎(chǔ)上考慮各類基礎(chǔ)資源服務(wù)平臺(tái)，則基于云原生架構(gòu)的AI開發(fā)平臺(tái)在IT成本優(yōu)化、開發(fā)和部署效率、運(yùn)維效果等方面具備較好的表現(xiàn)。尤其對(duì)于中小企業(yè)而言，云原生AI開發(fā)能夠幫助企業(yè)在更大程度上彌補(bǔ)由資金和人才短缺帶來的技術(shù)水平限制，利于企業(yè)平衡AI成本收益，打造符合企業(yè)需求的AI產(chǎn)品。甲方企業(yè)AI開發(fā)模式效果對(duì)比AI開發(fā)模式IT成本優(yōu)化客制化開發(fā)/部署效率運(yùn)維效果AI性能完全自主研究購(gòu)買商業(yè)化軟件--基于AI開發(fā)平臺(tái)進(jìn)行研發(fā)開源平臺(tái)純公有化商業(yè)平臺(tái)純私有化商業(yè)平臺(tái)云原生商業(yè)平臺(tái)注釋：1.本對(duì)比不代表具體產(chǎn)品性能及特點(diǎn)，僅代表行業(yè)一般水平；2.圖中開源平臺(tái)的部署模式考慮為私有化/非云部署。行業(yè)背景與產(chǎn)品綜述1行業(yè)背景與產(chǎn)品綜述1云原生AI開發(fā)場(chǎng)景與實(shí)踐2云原生AI開發(fā)場(chǎng)景與實(shí)踐2云原生AI開發(fā)平臺(tái)發(fā)展展望323互聯(lián)網(wǎng)娛樂場(chǎng)景的互聯(lián)網(wǎng)娛樂場(chǎng)景的AI需求分析\h PAGE\h PAGE24AI提升用戶體驗(yàn)，并幫助企業(yè)實(shí)現(xiàn)精準(zhǔn)營(yíng)銷互聯(lián)網(wǎng)娛樂行業(yè)的成長(zhǎng)植根于各類前沿IT技術(shù)，其產(chǎn)品服務(wù)和商業(yè)模式的演進(jìn)與IT技術(shù)的發(fā)展緊密相關(guān)。近年來隨著人工智能技術(shù)的進(jìn)步，互聯(lián)網(wǎng)娛樂產(chǎn)品的形式和內(nèi)容也在不斷迎來創(chuàng)新，互聯(lián)網(wǎng)企業(yè)運(yùn)用各類智能組件為用戶帶來了更強(qiáng)的沉浸感、交互感和趣味性，同時(shí)也利用用戶畫像和智能營(yíng)銷系統(tǒng)充實(shí)客戶群體、提高用戶粘性?？偟膩碚f，人工智能在互聯(lián)網(wǎng)娛樂領(lǐng)域的應(yīng)用非常廣泛，同時(shí)，互娛企業(yè)在應(yīng)用人工智能的同時(shí)也面臨著設(shè)備、用戶體驗(yàn)、推薦模型精度等方面的不足，仍有較大的改進(jìn)空間。人工智能在互聯(lián)網(wǎng)娛樂場(chǎng)景的應(yīng)用需求和難點(diǎn)互聯(lián)網(wǎng)娛樂主要場(chǎng)景中的AI應(yīng)用需求影視+直播領(lǐng)域音樂領(lǐng)域游戲領(lǐng)域通用智能特效美顏/濾鏡智能音效真人K歌防沉迷系統(tǒng)反作弊系統(tǒng)用戶畫像關(guān)聯(lián)交友低時(shí)延交互高并發(fā)訪問風(fēng)格識(shí)別平滑切換低時(shí)延交互高并發(fā)訪問個(gè)性化推薦語(yǔ)音交互畫質(zhì)重塑自動(dòng)標(biāo)簽智能創(chuàng)作聽歌識(shí)曲AR/VR動(dòng)作捕捉內(nèi)容分發(fā)負(fù)載均衡音質(zhì)優(yōu)化視頻摘要外語(yǔ)轉(zhuǎn)譯音樂鑒權(quán)操作評(píng)估機(jī)器人玩家智能運(yùn)維智能客服無論是直播互動(dòng)、音視頻增強(qiáng)還是機(jī)器人玩家，在互娛場(chǎng)景，AI應(yīng)用始終需要關(guān)注的是用戶體驗(yàn)，目前許多領(lǐng)域的AI應(yīng)用仿真度、實(shí)時(shí)性等并不能讓用戶完全滿意，還有很大提升空間?；ヂ?lián)網(wǎng)娛樂行業(yè)對(duì)流量邏輯有著較強(qiáng)依賴，利用AI進(jìn)行精準(zhǔn)用戶畫像和智能營(yíng)銷已成為企業(yè)重要的獲客手段，然而目前這一領(lǐng)域的算法精度還有待提高。精度體驗(yàn)包括互聯(lián)網(wǎng)廠商的服務(wù)器、網(wǎng)絡(luò)基礎(chǔ)設(shè)施、用戶使用的終端在內(nèi)，設(shè)備本身的性能限制了包括AI在內(nèi)的應(yīng)用的性能，對(duì)于游戲、超高清視頻應(yīng)用尤其如此。設(shè)備 應(yīng)用難點(diǎn)無論是直播互動(dòng)、音視頻增強(qiáng)還是機(jī)器人玩家，在互娛場(chǎng)景，AI應(yīng)用始終需要關(guān)注的是用戶體驗(yàn)，目前許多領(lǐng)域的AI應(yīng)用仿真度、實(shí)時(shí)性等并不能讓用戶完全滿意，還有很大提升空間?；ヂ?lián)網(wǎng)娛樂行業(yè)對(duì)流量邏輯有著較強(qiáng)依賴，利用AI進(jìn)行精準(zhǔn)用戶畫像和智能營(yíng)銷已成為企業(yè)重要的獲客手段，然而目前這一領(lǐng)域的算法精度還有待提高。精度體驗(yàn)包括互聯(lián)網(wǎng)廠商的服務(wù)器、網(wǎng)絡(luò)基礎(chǔ)設(shè)施、用戶使用的終端在內(nèi)，設(shè)備本身的性能限制了包括AI在內(nèi)的應(yīng)用的性能，對(duì)于游戲、超高清視頻應(yīng)用尤其如此。設(shè)備互聯(lián)網(wǎng)娛樂場(chǎng)景應(yīng)用案例：南瓜電影互聯(lián)網(wǎng)娛樂場(chǎng)景應(yīng)用案例：南瓜電影\h PAGE\h PAGE25智能推薦助力打造私人定制影院，提升差異化服務(wù)體驗(yàn)?zāi)瞎想娪笆菍Ｗ⒂谟耙暰坊\(yùn)營(yíng)的垂直類視頻產(chǎn)品，通過移動(dòng)互聯(lián)網(wǎng)、OTT等客戶端提供精品化、差異化的內(nèi)容運(yùn)營(yíng)服務(wù)。隨著互聯(lián)網(wǎng)娛樂行業(yè)對(duì)用戶時(shí)間和關(guān)注度的持續(xù)爭(zhēng)奪，通過智能算法對(duì)用戶進(jìn)行精準(zhǔn)畫像并提供內(nèi)容推薦成為行業(yè)趨勢(shì)，但在實(shí)踐中存在推薦精度不足、算法參數(shù)復(fù)雜等問題?；诎⒗镌频闹悄芡扑]方案為南瓜電影APP提供了“南瓜為你推薦”、“根據(jù)您看過的《XX》推薦”、“類似影視”板塊的推薦服務(wù)，結(jié)合電影語(yǔ)義分析、內(nèi)容關(guān)聯(lián)以及用戶行為分析，融合多目標(biāo)優(yōu)化，包括停留時(shí)長(zhǎng)、點(diǎn)擊率、消費(fèi)等指標(biāo)，可根據(jù)不同用戶的習(xí)慣智能生成用戶畫像、結(jié)合用戶長(zhǎng)短期興趣喜好進(jìn)行個(gè)性化推薦。南瓜電影×阿里云：長(zhǎng)/短視頻智能推薦服務(wù)業(yè)務(wù)難點(diǎn) 解決方案&產(chǎn)品價(jià)值業(yè)務(wù)難點(diǎn)解決方案&產(chǎn)品價(jià)值長(zhǎng)視頻推薦需兼顧多目標(biāo)：電影、連續(xù)劇作推薦具備時(shí)長(zhǎng)、集數(shù)等概念，需要兼顧點(diǎn)擊率、停留時(shí)長(zhǎng)、播放數(shù)量等目標(biāo)和參數(shù)推薦精準(zhǔn)度要求高：需要結(jié)合電影的素材、主題、核心內(nèi)容、片段內(nèi)容等包含語(yǔ)義理解、深度解讀等特征來豐富物料畫像曝光過濾設(shè)置：有時(shí)用戶缺少完整的時(shí)間段來完成一次長(zhǎng)視頻觀看，平臺(tái)需考慮用戶的重復(fù)觸達(dá)需求，設(shè)置合理的曝光過濾時(shí)間長(zhǎng)短視頻的多樣性結(jié)合：頻板塊將電影中的精彩畫面集中呈現(xiàn)，為用戶帶來獨(dú)特的觀影體驗(yàn)，推薦需要根據(jù)用戶的需求、習(xí)慣，融合不同視頻類型的特點(diǎn)、目標(biāo)，多方位激發(fā)用戶興趣，增強(qiáng)用戶粘性，增加用戶停留時(shí)長(zhǎng)

豐富的電影標(biāo)簽：影評(píng)等內(nèi)容，通過語(yǔ)義分析和自動(dòng)打標(biāo)來豐富電影標(biāo)簽，并通過專業(yè)的運(yùn)營(yíng)、剪輯團(tuán)隊(duì)，將這些標(biāo)簽作為物料的重要特征輸入到推薦系統(tǒng)中，提高推薦的精準(zhǔn)度實(shí)驗(yàn)與效果實(shí)驗(yàn)與效果預(yù)測(cè)監(jiān)控開發(fā)者業(yè)務(wù)多目標(biāo)預(yù)測(cè)單目標(biāo)阿里云智能推薦產(chǎn)品架構(gòu)開發(fā)者運(yùn)營(yíng)需求開發(fā)自有數(shù)據(jù)庫(kù)推薦模型和處理控制中心業(yè)務(wù)配置用戶類數(shù)據(jù)物品類數(shù)據(jù)行為類數(shù)據(jù)業(yè)務(wù)邏輯處理及實(shí)時(shí)計(jì)算在線計(jì)算離線計(jì)算行業(yè) 場(chǎng)景數(shù)據(jù)管理高級(jí)配置歷史召回冷啟動(dòng)打造短視頻專區(qū)：南瓜電影為用戶打造了電影片段（短視頻）既能為用戶的碎片時(shí)間提供別致的觀影體驗(yàn)，又能將電影精彩片段快捷呈用戶習(xí)慣全方位打通：金融場(chǎng)景的金融場(chǎng)景的AI需求分析\h PAGE\h PAGE26AI貫穿金融機(jī)構(gòu)運(yùn)營(yíng)多個(gè)流程，提升機(jī)構(gòu)經(jīng)營(yíng)質(zhì)量金融行業(yè)的運(yùn)行無處不與數(shù)字打交道，這一特性決定了金融業(yè)務(wù)與大數(shù)據(jù)和人工智能應(yīng)用有著天然的契合性，加之金融機(jī)構(gòu)普遍資金充足、信息化水平相對(duì)較高，因此對(duì)人工智能的投入度較高，與IT企業(yè)的合作開發(fā)也較多。具體來看，人工智能在金融機(jī)構(gòu)的營(yíng)銷決策、智能門店建設(shè)、在線服務(wù)、風(fēng)控合規(guī)等領(lǐng)域都有較多的應(yīng)用，與低代碼、等效率工具配合，能夠替代金融機(jī)構(gòu)員工完成大量重復(fù)性高且復(fù)雜的工作，提升機(jī)構(gòu)運(yùn)營(yíng)的效率，并避免人工操作帶來的疏漏。另一方面，金融機(jī)構(gòu)客戶群體較大，需要實(shí)時(shí)處理海量數(shù)據(jù)，且金融服務(wù)對(duì)交易數(shù)據(jù)實(shí)時(shí)性和同步要求超過其他任何行業(yè)，更需要人工智能在滿足客戶和機(jī)構(gòu)需求的同時(shí)不能夠?qū)ο到y(tǒng)性能造成顯著影響。金融業(yè)務(wù)場(chǎng)景放中的AI開發(fā)需求與難點(diǎn)精準(zhǔn)營(yíng)銷營(yíng)銷運(yùn)營(yíng)精準(zhǔn)營(yíng)銷客戶畫像客戶畫像資金追蹤資金追蹤量化投資產(chǎn)品推薦 信用評(píng)量化投資

應(yīng)用難點(diǎn)海量數(shù)據(jù) 超低時(shí)延 數(shù)據(jù)時(shí)效性 異構(gòu)性 系統(tǒng)環(huán)境差機(jī)構(gòu)復(fù)雜 市場(chǎng)噪音 隱私保護(hù)

風(fēng)控合規(guī)身份認(rèn)證 反洗錢違約風(fēng)險(xiǎn) 逾期風(fēng)險(xiǎn) 智能預(yù)警資本充足監(jiān)控

智能門店機(jī)器大堂經(jīng)理

遠(yuǎn)程服務(wù)政策文本分析風(fēng)險(xiǎn)偏好評(píng)估政策文本分析網(wǎng)點(diǎn)布局語(yǔ)音交互安防攝像

證件識(shí)別人臉識(shí)別智能門鎖

智能客服智能理賠圖文識(shí)別

身份認(rèn)證智能投顧保險(xiǎn)認(rèn)定金融場(chǎng)景解決方案：金融量化科學(xué)金融場(chǎng)景解決方案：金融量化科學(xué)\h PAGE\h PAGE27集成科學(xué)計(jì)算引擎Mars，高效利用計(jì)算資源賦能業(yè)務(wù)量化金融是大數(shù)據(jù)時(shí)代金融行業(yè)的發(fā)展方向之一，金融量化科學(xué)計(jì)算大量依賴NumPy、pandas等庫(kù)來處理數(shù)據(jù)，這些工具運(yùn)用符合直覺的處理方式來分析數(shù)據(jù)和提煉有用信息，然而，金融量化數(shù)據(jù)具備數(shù)據(jù)計(jì)算量大、性能要求高、開發(fā)資源不夠集中等特點(diǎn)。阿里云自研的科學(xué)計(jì)算引擎Mars與NumPy和pandasAPI兼容，能夠利用分布式和GPU硬件提升計(jì)算框架的性能，并與PAI-DSW深度集成，使得用戶能夠在PAI-DSW中直接使用Mars。用戶通過阿里云PAI進(jìn)行金融量化計(jì)算，能夠充分實(shí)現(xiàn)計(jì)算環(huán)境容器化、計(jì)算資源彈性化、離線任務(wù)工程化，幫助解決環(huán)境管理困難、資源分配復(fù)雜、策略回測(cè)難度大等量化計(jì)算的關(guān)鍵問題。阿里云：金融量化科學(xué)計(jì)算方案離線數(shù)倉(cāng)MaxCompute文件存儲(chǔ)NAS對(duì)象存儲(chǔ)OSS日志存儲(chǔ)SLS業(yè)務(wù)數(shù)據(jù)庫(kù)SQL/NoSQL數(shù)據(jù)讀寫數(shù)據(jù)讀寫推送鏡像數(shù)據(jù)讀寫數(shù)據(jù)讀寫推送鏡像拉取鏡像提交離線任務(wù)模型服務(wù)調(diào)用提交定時(shí)調(diào)度 定時(shí)調(diào)度開發(fā)者DataWroks調(diào)度中心業(yè)務(wù)場(chǎng)景PAI-EAS模型在線服務(wù)PAI-DLC云原生AI基礎(chǔ)平臺(tái)ACR容器鏡像服務(wù)PAI-DSW云原生交互式建模解決問題：環(huán)境管理困難本地化自建策略研發(fā)平臺(tái)容易導(dǎo)致環(huán)境不一致資源分配復(fù)雜任務(wù)資源分配不均導(dǎo)致資源搶占策略回測(cè)麻煩數(shù)據(jù)量大、算法版本不一致導(dǎo)致策略測(cè)試?yán)щy場(chǎng)景及方案介紹：金融量化數(shù)據(jù)在大規(guī)模計(jì)算上常常遇到性能瓶頸。PAI平臺(tái)金融量化科學(xué)技術(shù)實(shí)踐為客戶帶來基于PAI-DSW、Mars和PAI-EFLOPS進(jìn)行大規(guī)?？茖W(xué)計(jì)算的加速方案自動(dòng)駕駛場(chǎng)景的自動(dòng)駕駛場(chǎng)景的AI需求分析\h PAGE\h PAGE28AI為實(shí)現(xiàn)自動(dòng)駕駛的核心技術(shù)，準(zhǔn)度和性能要求極高在智能化、網(wǎng)聯(lián)化、電動(dòng)化、共享化的背景下，自動(dòng)駕駛成為智能網(wǎng)聯(lián)汽車行業(yè)發(fā)展的重點(diǎn)，也成為了下一代汽車企業(yè)轉(zhuǎn)型升級(jí)的技術(shù)高地。自動(dòng)駕駛對(duì)算力、實(shí)時(shí)性、安全性等系統(tǒng)性能的要求極高，且自動(dòng)駕駛的工作環(huán)境復(fù)雜多變又涉及公共交通安全，要求計(jì)算機(jī)在極短時(shí)間做出正確的判斷，因此需要以強(qiáng)大的算力、算法和數(shù)據(jù)傳輸能力作為支撐。在自動(dòng)駕駛實(shí)現(xiàn)過程中，人工智能算法承接傳感器接收的實(shí)時(shí)信息并進(jìn)行數(shù)字化處理和分析，經(jīng)過決策算法對(duì)周圍環(huán)境進(jìn)行的判斷和預(yù)測(cè)，并對(duì)駕駛操作進(jìn)行調(diào)整。自動(dòng)駕駛場(chǎng)景中的人工智能應(yīng)用需求及難點(diǎn)其他傳感器

目標(biāo)檢測(cè)與識(shí)別感知算法 決策算法 目標(biāo)檢測(cè)與識(shí)別目標(biāo)跟蹤傳感器融合 避障路徑規(guī)劃目標(biāo)跟蹤傳感器融合避障路徑規(guī)劃

車身控制 自動(dòng)駕駛?cè)斯ぶ悄苡?jì)算控制平臺(tái) 感知 自動(dòng)駕駛?cè)斯ぶ悄苡?jì)算控制平臺(tái) 感知 計(jì)算處理 決策規(guī)劃 控制 雷達(dá)攝像頭動(dòng)力控制安全模組網(wǎng)絡(luò)通信行為規(guī)劃車輛操控系統(tǒng)通過總線與決策系統(tǒng)行為規(guī)劃感知算法負(fù)責(zé)綜合各傳感器的反饋內(nèi)容確定數(shù)字圖像中物體的類別和位置，并對(duì)后續(xù)幀中的目標(biāo)的大小和位置進(jìn)行預(yù)測(cè)

決策算法基于感知層提供的信息預(yù)測(cè)道路、行人、車輛情況的變化，做出進(jìn)一步的駕駛決策

相連接，并按照決策系統(tǒng)發(fā)出的總線指令精確地控制加速程度、制動(dòng)程度及轉(zhuǎn)向幅度等駕駛動(dòng)作在實(shí)際應(yīng)用中的道路、行人、汽車狀況紛繁復(fù)雜，計(jì)算機(jī)需要在極短的時(shí)間內(nèi)處理海量異構(gòu)數(shù)據(jù)并以超低時(shí)延的方式傳達(dá)給汽車控制終端，從而對(duì)網(wǎng)絡(luò)、算力和算法都提出了極高要求。同時(shí)，自動(dòng)駕駛過程所涉深度學(xué)習(xí)模型復(fù)雜，模型可見度低，在出錯(cuò)后難以進(jìn)行溯源和改進(jìn)在實(shí)際應(yīng)用中的道路、行人、汽車狀況紛繁復(fù)雜，計(jì)算機(jī)需要在極短的時(shí)間內(nèi)處理海量異構(gòu)數(shù)據(jù)并以超低時(shí)延的方式傳達(dá)給汽車控制終端，從而對(duì)網(wǎng)絡(luò)、算力和算法都提出了極高要求。同時(shí)，自動(dòng)駕駛過程所涉深度學(xué)習(xí)模型復(fù)雜，模型可見度低，在出錯(cuò)后難以進(jìn)行溯源和改進(jìn)難點(diǎn)來源：《2018-2019年中國(guó)自動(dòng)駕駛產(chǎn)業(yè)發(fā)展藍(lán)皮書》，艾瑞咨詢研究院根據(jù)公開資料研究及繪制。自動(dòng)駕駛場(chǎng)景解決方案：數(shù)據(jù)訓(xùn)練自動(dòng)駕駛場(chǎng)景解決方案：數(shù)據(jù)訓(xùn)練\h PAGE\h PAGE29融合AI開發(fā)、存儲(chǔ)及專網(wǎng)服務(wù)，提供高性能數(shù)據(jù)訓(xùn)練服務(wù)為了應(yīng)對(duì)復(fù)雜的自動(dòng)駕駛實(shí)際環(huán)境，一方面需要后臺(tái)的自動(dòng)駕駛算法盡可能做到精確，另一方面也需要人工智能應(yīng)用通過高效的部署模式來提高運(yùn)行效果，才能夠最大程度保障行車安全。阿里云自動(dòng)駕駛解決方案以飛天AI加速工具PAI-DLC為核心，一方面借助網(wǎng)絡(luò)專線、對(duì)象存儲(chǔ)等功能收集行車數(shù)據(jù)進(jìn)行清洗標(biāo)注和模型訓(xùn)練，另一方面利用云原生工具進(jìn)行應(yīng)用部署和任務(wù)分發(fā)，更好地調(diào)用GPU、裸金屬服務(wù)器、神龍等底層算力設(shè)施的能力。整體來看，該解決方案面向自動(dòng)駕駛場(chǎng)景中的諸多難點(diǎn)，全方位融合了AI開發(fā)、存儲(chǔ)及專網(wǎng)服務(wù)，打造一體化的數(shù)據(jù)服務(wù)能力。數(shù)據(jù)采集清洗標(biāo)注模型訓(xùn)練模型部署與推理無人車/車載設(shè)備數(shù)據(jù)源清洗標(biāo)注集群飛天AI加速工具PAI-DLCACK聚群管理&任務(wù)分發(fā)層數(shù)據(jù)采集清洗標(biāo)注模型訓(xùn)練模型部署與推理無人車/車載設(shè)備數(shù)據(jù)源清洗標(biāo)注集群飛天AI加速工具PAI-DLCACK聚群管理&任務(wù)分發(fā)層車載閃電立方GPU云服務(wù)器50Gb/sRDMA裸金屬實(shí)例50Gb/sRDMA神龍GPU實(shí)例阿里云ECC網(wǎng)絡(luò)專線1-10GOSS對(duì)象存儲(chǔ)海量數(shù)據(jù)存儲(chǔ)//NAS/CPFS并行文件存儲(chǔ)自動(dòng)駕駛數(shù)據(jù)訓(xùn)練方案應(yīng)用價(jià)值自動(dòng)駕駛數(shù)據(jù)訓(xùn)練方案應(yīng)用價(jià)值借助PAI平臺(tái)豐富的模型積累和友好的開發(fā)工具，提升模型訓(xùn)練效率，降低開發(fā)工作難度利用云原生架構(gòu)統(tǒng)籌諸多云基礎(chǔ)設(shè)施，提升計(jì)算效能和訓(xùn)練精準(zhǔn)度通過阿里云存儲(chǔ)、網(wǎng)絡(luò)等基礎(chǔ)設(shè)施提升數(shù)據(jù)運(yùn)營(yíng)效率、保障隱私數(shù)據(jù)安全，提升應(yīng)用穩(wěn)定性制造業(yè)場(chǎng)景制造業(yè)場(chǎng)景AI需求分析\h PAGE30\h PAGE30供應(yīng)鏈管理產(chǎn)品設(shè)計(jì)通過高效自動(dòng)化和智能決策，幫助企業(yè)實(shí)現(xiàn)降本增效供應(yīng)鏈管理產(chǎn)品設(shè)計(jì)以人工智能應(yīng)用賦能制造業(yè)發(fā)展是我國(guó)進(jìn)行制造業(yè)產(chǎn)業(yè)升級(jí)、建設(shè)工業(yè)互聯(lián)網(wǎng)平臺(tái)的關(guān)鍵。當(dāng)前人工智能主要通過三種模式融入工業(yè)互聯(lián)網(wǎng)：第一，將AI模型嵌入工業(yè)互聯(lián)網(wǎng)平臺(tái)層，提升平臺(tái)層數(shù)據(jù)分析能力；第二，提供工業(yè)AI軟件系統(tǒng)，并通過云端部署形成工業(yè)互聯(lián)網(wǎng)SaaS層應(yīng)用；第三，提供工業(yè)互聯(lián)網(wǎng)框架下含軟件和邊緣側(cè)硬件的完整系統(tǒng)。具體到制造企業(yè)的生產(chǎn)流程中，上述應(yīng)用廣泛融入企業(yè)從產(chǎn)品設(shè)計(jì)、供應(yīng)鏈管理到生產(chǎn)制造和銷售運(yùn)營(yíng)的各個(gè)環(huán)節(jié)，能夠通過提升自動(dòng)化和決策智能化水平為企業(yè)帶來降本增效價(jià)值?？蛻舢嬒?客戶畫像 產(chǎn)品定價(jià) 銷售策略 AR看貨 自動(dòng)送貨智能客服 故障識(shí)別維修方案 銷售分析電力控制 工業(yè)機(jī)器人 數(shù)控流水線 產(chǎn)品質(zhì)檢 設(shè)備維護(hù)質(zhì)量追蹤員工管理事故預(yù)警智能安防需求預(yù)測(cè) 價(jià)格預(yù)測(cè) 自動(dòng)駕駛 貨物質(zhì)檢 自動(dòng)堆垛無人巡檢 流水出貨事故預(yù)警 智能安防需求分析 產(chǎn)品策略 文字識(shí)別 圖片識(shí)別 智能繪圖生產(chǎn)銷售運(yùn)營(yíng)效能人工智能幫助制造業(yè)企業(yè)提升自動(dòng)化程度和數(shù)字化程度，更好地利用數(shù)據(jù)實(shí)現(xiàn)企業(yè)經(jīng)營(yíng)的降本增效應(yīng)用難點(diǎn)IT基礎(chǔ)差：企業(yè)尤其是工廠往往地處較偏遠(yuǎn)位置，網(wǎng)絡(luò)、算力等基礎(chǔ)能力較差；部分經(jīng)過早期數(shù)字化升級(jí)的工廠采用的數(shù)據(jù)標(biāo)準(zhǔn)、通信協(xié)議不統(tǒng)一，造成數(shù)據(jù)孤島問題，需進(jìn)行改造AI成本較高也相對(duì)較高工控要求高制造類應(yīng)用，要求IT系統(tǒng)提別和控制性能制造場(chǎng)景解決方案：線路安全檢測(cè)制造場(chǎng)景解決方案：線路安全檢測(cè)\h PAGE31\h PAGE31智能監(jiān)控高壓線路狀況，降低生產(chǎn)安全隱患在制造場(chǎng)景的諸多人工智能應(yīng)用中，電源線路檢查屬于最基本的需求之一，不僅關(guān)系到最核心的人身和財(cái)產(chǎn)安全性問題，在生產(chǎn)場(chǎng)景中的部署密度也較高。一般而言，生產(chǎn)場(chǎng)景中的電源線路可能面臨的安全隱患包括線路自然老化、交通工具擦云高壓線路安全檢測(cè)方案依托云原生機(jī)械學(xué)習(xí)平臺(tái)，以計(jì)算機(jī)視覺為基礎(chǔ)，配合豐富的圖像數(shù)據(jù)庫(kù)和精準(zhǔn)的模型算法，再輔以分布式部署的線上模型推斷服務(wù)，幫助制造企業(yè)以更高效、高精準(zhǔn)度和低成本的方式進(jìn)行線路檢查，保護(hù)企業(yè)的經(jīng)營(yíng)安全。阿里云：高壓線路安全生產(chǎn)檢測(cè)方案圖像打標(biāo)已標(biāo)注數(shù)據(jù)集OSS/NAS圖像打標(biāo)已標(biāo)注數(shù)據(jù)集OSS/NAS靈活的模型訓(xùn)練方式數(shù)據(jù)科學(xué)家/開發(fā)人員自定義復(fù)用已有模型訓(xùn)練RestAPI調(diào)用線上模型服務(wù)部署模型 檢測(cè)分類模型阿里云云原生機(jī)器學(xué)習(xí)平臺(tái)PAI人工智能線路安全檢查難點(diǎn)高壓線路可能面臨自然老化、交通工具擦掛、異物附著、煙火點(diǎn)燃、其他施工機(jī)械等安全隱患高壓線路如果發(fā)生意外，對(duì)人身和生產(chǎn)安全的危害極大，安全檢測(cè)能力須達(dá)到極高要求解決方案綜述該解決方案結(jié)合物聯(lián)網(wǎng)設(shè)備采集和系統(tǒng)圖庫(kù)進(jìn)行圖像打標(biāo)，依托阿里云PAI豐富的模型訓(xùn)練框架進(jìn)行圖架構(gòu)進(jìn)行靈活的邊緣側(cè)應(yīng)用部署，提高AI計(jì)算機(jī) 監(jiān)控其他場(chǎng)景應(yīng)用案例：極光其他場(chǎng)景應(yīng)用案例：極光\h PAGE\h PAGE32算法與IT基礎(chǔ)能力共同提升，顯著優(yōu)化關(guān)鍵業(yè)務(wù)ROI極光（AuroraMobile）成立于2012年，專注于為開發(fā)者提供穩(wěn)定高效的消息推送、一鍵認(rèn)證以及流量變現(xiàn)等服務(wù)，助力開發(fā)者的運(yùn)營(yíng)、增長(zhǎng)與變現(xiàn)，在市場(chǎng)洞察、金融風(fēng)控與商業(yè)地理服務(wù)等場(chǎng)景中都有應(yīng)用。企業(yè)希望優(yōu)化基礎(chǔ)資源能力和算法能力以提升消息推送效率，最終提升用戶粘性和活躍度。通過與阿里云PAI的合作，企業(yè)將FM模型轉(zhuǎn)化成DeepFM模型并將線下的Angel模型轉(zhuǎn)化成PAI-TF，實(shí)現(xiàn)了算法模型指標(biāo)的提升；同時(shí)，企業(yè)利用線上的模型訓(xùn)練環(huán)境大幅增加了模型訓(xùn)練的迭代次數(shù)，擺脫了此前線下IT基礎(chǔ)設(shè)施的限制，最終實(shí)現(xiàn)了AUC、上線后點(diǎn)擊率等相關(guān)業(yè)務(wù)指標(biāo)的顯著提高。企業(yè)需求為了幫助開發(fā)者增加其APP的用戶粘性、提升活躍度、盡可能喚醒APP沉默用戶，極光需要根據(jù)標(biāo)簽來決定推送哪類App的信息，所以需要用到CTR預(yù)估的相關(guān)推薦技術(shù)?？蛻羰芟抻诰€下原有技術(shù)架構(gòu)，算法模型，以及算力規(guī)模，期望借助云計(jì)算廠商的能力提升ROI。 極光SDK管理控制臺(tái)解決方案與實(shí)施一期升級(jí)借助PAI-Studio幫助客戶從基于機(jī)器學(xué)習(xí)FM模型升級(jí)到基于深度學(xué)習(xí)的DeepFM，將線下的訓(xùn)練轉(zhuǎn)化為云上的訓(xùn)練；二期升級(jí)將客戶的線下離線推理也轉(zhuǎn)化成PAI-EAS在線推理，進(jìn)一步提升應(yīng)用效能。研發(fā)管理缺陷跟蹤C(jī)I/CD企業(yè)需求為了幫助開發(fā)者增加其APP的用戶粘性、提升活躍度、盡可能喚醒APP沉默用戶，極光需要根據(jù)標(biāo)簽來決定推送哪類App的信息，所以需要用到CTR預(yù)估的相關(guān)推薦技術(shù)?？蛻羰芟抻诰€下原有技術(shù)架構(gòu)，算法模型，以及算力規(guī)模，期望借助云計(jì)算廠商的能力提升ROI。 極光SDK管理控制臺(tái)解決方案與實(shí)施一期升級(jí)借助PAI-Studio幫助客戶從基于機(jī)器學(xué)習(xí)FM模型升級(jí)到基于深度學(xué)習(xí)的DeepFM，將線下的訓(xùn)練轉(zhuǎn)化為云上的訓(xùn)練；二期升級(jí)將客戶的線下離線推理也轉(zhuǎn)化成PAI-EAS在線推理，進(jìn)一步提升應(yīng)用效能。研發(fā)管理缺陷跟蹤C(jī)I/CD版本管理運(yùn)營(yíng)監(jiān)控監(jiān)控大屏告警管理調(diào)度切流開發(fā)者業(yè)務(wù)JPush JMessage JShare（推送） （IM） 分享 JMlink （調(diào)用鏈）短信&認(rèn)證TCPHTTPSRestAPI解決方案 線下IDC 公共云平臺(tái) 大數(shù)據(jù)系統(tǒng)日志系統(tǒng)調(diào)度系統(tǒng)數(shù)據(jù)服務(wù)營(yíng)銷平臺(tái)SSP城市規(guī)劃風(fēng)控建模JIOT(IOTSAAS)設(shè)備接入設(shè)備影子設(shè)備管理設(shè)備日志 統(tǒng)計(jì)服務(wù) 政企客戶第三方App業(yè)務(wù)系統(tǒng)行業(yè)背景與產(chǎn)品綜述1行業(yè)背景與產(chǎn)品綜述1云原生AI開發(fā)場(chǎng)景與實(shí)踐2云原生AI開發(fā)場(chǎng)景與實(shí)踐2云原生AI開發(fā)平臺(tái)發(fā)展展望333行業(yè)趨勢(shì)綜述行業(yè)趨勢(shì)綜述\h PAGE\h PAGE34產(chǎn)品易用性、綜合性不斷提升，幫助企業(yè)形成AI規(guī)模經(jīng)濟(jì)企業(yè)進(jìn)行人工智能應(yīng)用開發(fā)的核心資源大致經(jīng)歷了三個(gè)發(fā)展階段：在雛形期，應(yīng)用開發(fā)主要依靠開源模型或開發(fā)者自發(fā)分享的代碼進(jìn)行；隨著AI技術(shù)發(fā)展和需求激增，開源框架陸續(xù)出現(xiàn)，助力開發(fā)人員快速生成及訓(xùn)練模型，開源框架也成為了眾多AI開發(fā)平臺(tái)的基礎(chǔ)；后續(xù)AI產(chǎn)業(yè)化進(jìn)程加速，為滿足智能化轉(zhuǎn)型需求方對(duì)多層次資源的多樣性需求，專業(yè)化的商用的AI開發(fā)平臺(tái)出現(xiàn)，致力于為甲方提供一站式的AI模型生產(chǎn)服務(wù)。為了進(jìn)一步滿足企業(yè)運(yùn)用人工智能過程中全方位的需求，AI開發(fā)平臺(tái)還將朝著易用性、專業(yè)化、綜合性、產(chǎn)用協(xié)同等方向發(fā)展，在這一過程中，在底層技術(shù)、IT資源、人才和經(jīng)驗(yàn)等方面具備優(yōu)勢(shì)的頭部平臺(tái)產(chǎn)品將能夠更好地協(xié)助企業(yè)形成人工智能應(yīng)用的規(guī)模經(jīng)濟(jì)。人工智能開發(fā)的核心資源演化以及未來發(fā)展趨勢(shì)專業(yè)化商用AI開發(fā)平臺(tái)易用性受到更多關(guān)注：隨著模型庫(kù)完善和獲取渠道的增加，企業(yè)用戶將更加關(guān)注人工智能在應(yīng)用層面的便捷性和實(shí)用性，產(chǎn)品設(shè)計(jì)和包裝的重要性加強(qiáng)。專業(yè)化商用AI開發(fā)平臺(tái)探索期算法庫(kù)雛形期驅(qū)動(dòng)需求：處于AI應(yīng)用的初級(jí)階段，更關(guān)注算法層面的資源易得性。驅(qū)動(dòng)需求：企業(yè)不再滿足于多渠道采購(gòu)單點(diǎn)式工具資源的方式，希望有滿足覆蓋數(shù)據(jù)治理、算法模型開發(fā)、算力調(diào)用等的一站式、全流程效率化生產(chǎn)工具。借助平臺(tái)化的開發(fā)工具集合，突破算法訓(xùn)練、模型評(píng)估及部署等阻礙AI模型生產(chǎn)應(yīng)用的瓶頸，幫助企業(yè)建立自身的AI能力，實(shí)現(xiàn)AI能力的快速迭代生產(chǎn)。

規(guī)模化生產(chǎn)初期

垂直場(chǎng)景專業(yè)化加強(qiáng)：現(xiàn)階段人工智能算法和應(yīng)用的通用性較強(qiáng)，由于缺乏行業(yè)實(shí)際經(jīng)驗(yàn)和專業(yè)人才，大多行業(yè)性應(yīng)用也僅僅是對(duì)通用模型進(jìn)行微調(diào)，未來這一狀況有望得到改善。綜合性的人工智能服務(wù)平臺(tái)：企業(yè)需要的人工智能服務(wù)與大數(shù)據(jù)服務(wù)、云計(jì)算服務(wù)等將越來越緊密融合，綜合性的人工智能服務(wù)平臺(tái)將成為業(yè)界主流。產(chǎn)用協(xié)同的行業(yè)生態(tài)：人工智能的進(jìn)步將越來越多地依靠用戶側(cè)的自主模型優(yōu)化和自適應(yīng)調(diào)整，在這一過程中，開源社區(qū)和開放的AI交流平臺(tái)將發(fā)揮重要作用。頭部平臺(tái)將凝聚AI生產(chǎn)力：綜合考慮包括人才和經(jīng)驗(yàn)積累、IT基礎(chǔ)資源、研發(fā)投入以及社區(qū)交互等因素，結(jié)合全球AI產(chǎn)業(yè)經(jīng)驗(yàn)，頭部人工智能平臺(tái)將為企業(yè)在AI領(lǐng)域?qū)崿F(xiàn)規(guī)模效應(yīng)提供更強(qiáng)大助力。產(chǎn)品廣度（產(chǎn)品廣度（PAGE1/2）\h PAGE35\h PAGE35以數(shù)據(jù)資產(chǎn)為核心，數(shù)據(jù)智能/模型開發(fā)/數(shù)據(jù)應(yīng)用緊密協(xié)同現(xiàn)今大數(shù)據(jù)產(chǎn)業(yè)在獨(dú)立的領(lǐng)域如數(shù)據(jù)庫(kù)、智能搜索、數(shù)據(jù)可視化及人工智能領(lǐng)域均實(shí)現(xiàn)了一定突破，應(yīng)用價(jià)值得到了普遍的認(rèn)可。未來大數(shù)據(jù)相關(guān)產(chǎn)品將以數(shù)據(jù)資產(chǎn)為中心，實(shí)現(xiàn)進(jìn)一步整合和協(xié)同，最終形成商業(yè)數(shù)據(jù)智能、AI模型開發(fā)、數(shù)據(jù)應(yīng)用三大飛輪，為企業(yè)的數(shù)字化運(yùn)營(yíng)提供精準(zhǔn)決策、生產(chǎn)工具、經(jīng)營(yíng)管理方面的支持。同時(shí)，三個(gè)飛輪所代表的業(yè)務(wù)體系和流程將彼此融合、緊密關(guān)聯(lián)，對(duì)應(yīng)著一類鏈路更加復(fù)雜的工具，IT廠商或?qū)⒁袁F(xiàn)有的云原生AI開發(fā)平臺(tái)為基礎(chǔ)進(jìn)行服務(wù)擴(kuò)充和集成，而云原生組件則有望在這一高度集成的服務(wù)鏈中發(fā)揮服務(wù)編排作用。以數(shù)據(jù)為核心，融合AI與大數(shù)據(jù)分析的企業(yè)數(shù)據(jù)應(yīng)用飛輪生命周期管理

精準(zhǔn)營(yíng)銷

云原生發(fā)布

3數(shù)據(jù)應(yīng)用飛輪3數(shù)據(jù)應(yīng)用飛輪——以數(shù)據(jù)為核心的企業(yè)運(yùn)營(yíng)，形成產(chǎn)品創(chuàng)造數(shù)據(jù)、數(shù)據(jù)打磨產(chǎn)品循環(huán)AIOps/MLOps運(yùn)營(yíng)數(shù)據(jù)&報(bào)告

查詢&搜索可視化

數(shù)據(jù)資產(chǎn)

應(yīng)用創(chuàng)新智能標(biāo)注大數(shù)據(jù)分析

2AI模型開發(fā)飛輪——數(shù)據(jù)價(jià)值挖掘，提升自動(dòng)化水平，實(shí)現(xiàn)業(yè)務(wù)創(chuàng)新2AI模型開發(fā)飛輪——數(shù)據(jù)價(jià)值挖掘，提升自動(dòng)化水平，實(shí)現(xiàn)業(yè)務(wù)創(chuàng)新1商業(yè)數(shù)據(jù)智能飛輪——經(jīng)營(yíng)數(shù)據(jù)分