在Gartner发布的《2021年重要战略科技趋势》中 ， “AI工程化”毫无意外地被列为了2021年九大重要战略科技趋势之一 。 半个世纪以来 ， AI技术从概念性地提出到蜻蜓点水般在千行百业中应用 ， 人工智能产业正经历前所未有的发展高峰期 。 但谈及真正意义上的“落地” ， “工程化”仍是绕不过的一项关键难题 。
在今年10月举办的云栖大会上 ， “阿里灵杰”横空出世 ， 犹如石投静水 ， 激起千层涟漪 ， 引发了行业内外的热议 。 12月3日 ， “阿里灵杰AI工程化峰会暨英特尔创新大师杯颁奖典礼”于线上成功举办 。 在本次峰会上 ， 阿里云面向开发者聚焦阿里灵杰平台层的能力 ， 从多维角度进行了深度解析 。
AI开发者的奇幻漂流：人工智能下半场 ， 来自开发者的呼声
阿里巴巴集团副总裁、阿里云计算平台事业部负责人、达摩院AI平台负责人贾扬清为参会者讲述了他作为一个AI开发者在人工智能技术起起伏伏发展历程中的所闻、所感与所想 。 在少年派的奇幻漂流故事中 ， 我们见证了大自然的波澜壮阔与信仰的力量；而在贾扬清的描述中 ， 我们领略到一个AI老兵 ， 虽不那么“奇幻” ， 但足够精彩的开发故事 。
文章图片
阿里巴巴集团副总裁、阿里云计算平台负责人、达摩院AI平台负责人贾扬清
在人工智能上半场中 ， AI开发者其实更多的扮演了一个拓荒者的角色 ， 他们身兼数职的同时不断尝试将AI算法与应用逐渐落地下去 。 从算法研究员到软件工程师 ， 从数据工程师再到系统工程师 ， AI老兵们不断重复扮演着不同的角色 ， 通过人拉肩扛的方式试图解决AI落地过程中产生的全链路问题 。
但是 ， 在如今这个时代 ， 这样的方式还是否适用？
答案是否定的 。
在AI应用愈发复杂的大趋势下 ， 今天的开发者需要应对来自数据、软件、模型三方面的挑战 。 数据层面 ， 需要解决从模型标注到AI应用数据回流全周期的数据问题；软件层面 ， 依然还有很多AI框架在不断重复着设计语言、搭建开发环境等基础性工作；模型层面 ， 无论是学术界的modelhub、工业界提供的各类AI服务、亦或是开发者本身拥有的各类模型 ， 都会面临部署、连接以及结合应用的功能实现问题 。 因此 ， AI开发者迫切地需要一个统一的空间来拉通算法迭代、数据管理、模型训练以及项目上线 ， 以便更好地管理资源 ， 实现更加高效地开发 。
面对这些痛点 ， 当下开发者与企业在推动AI项目落地中对于平台的需求也逐渐明了：
- 最底层基于云的基础设施有更灵活弹性的资源调配能力
推荐阅读
- IT|95306铁路货运电子商务平台升级上线 可24小时办理货运业务
- Intel|英特尔放出i9-12900K平台PCIe 5.0 SSD演示 突破13GB/s传输速率
- Intel|Intel在Alder Lake平台演示PM1743 PCIe Gen 5 SSD，带宽达14GB/s
- 科技创新平台|云南：打造世界一流食用菌科技创新平台
- 硬件|Intel 11代酷睿4核15瓦超迷你平台 仅有信用卡大小
- 平台|[原]蚂蚁集团SOFAStack：新一代分布式云PaaS平台，打造企业上云新体验
- 协作|微软发布了个“圈”，官方详解Microsoft Loop全新协作平台
- 审判|直接服务“三城一区”主平台，怀柔科学城知识产权巡回审判庭成立
- 相关|科大讯飞：虚拟人交互平台1.0在媒体等行业已形成标准产品和应用
- 平台|数梦工场助力北京市中小企业公共服务平台用数据驱动业务创新
-
