云智一體的服務,既能節省在芯片、算法等層面的硬性投入,也將降低對專業人才的依賴,限制AI規模化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已經開始向社會的每一個角落滲透,被公認為經濟增長的新引擎。

作為十四五規劃的開局之年、新基建進入到行穩致遠階段的2021年,人工智能的行業走向照舊成了外界關注的焦點。

權威咨詢機構IDC也適時發布了2021年中國人工智能市場的十大預測,指出AI在醫療、金融等領域的滲透率將進一步提升,將有50%的組織接入智能外呼,45%的重復性工作交給AI,至少有65%的中國1000強企業將利用自然語言處理、機器學習和深度學習等技術優化工作內容．．．．．．

而當人工智能、云計算等與實體經濟深入融合的時候,也預示著產業鏈上游的云廠商們正在經歷新的賽點。

01

“算法+算力”的新時態

2020年以前的日子里,AI和算法幾乎是同義詞。

比如在智能手機的新品發布會上,主講人可能花上十幾分鐘的時間介紹自家的拍照技術,向場內外的觀眾科普計算攝影的概念,最終落腳點正是某個新算法的應用;在以人工智能為主題的技術沙龍中,分享的話題大多集中在算法模型,或是計算機視覺,或是自然語言處理,或是智能語音技術……

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,都要歸功于深度學習技術和一項項刷新了外界認知的算法模型。然而鮮有人注意到的是,深度學習飛速發展的同時,對算力的需求也在暴增。

根據Open AI在年度報告中披露的數據,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年的短暫時間里,對算力的需求足足增長了30萬倍。

于是在2019年的時候,人工智能進入了技術成熟度曲線的低谷期,技術炒作的泡沫開始破裂,一些人工智能企業的估值迅速縮水。之所以出現這樣的一幕,本質上還是算法在落地應用時的被動,倘若只有擁有足夠大的算力,才能推進人工智能的落地,技術和業務之間自然形成了一條難以逾越的鴻溝。相較于先進算法模型跑出的數據,行業注意力逐漸轉向如何在產業中落地。

到了2020年,算法和算力已經是一對孿生詞,人工智能不再是少數人的自嗨,進一步向產業化探索。

正是從這個時候開始,云和AI的捆綁也越來越密切。畢竟對于大多數深處產業賽道中的企業來說,云計算仍是獲取算力最為便捷的方式,可以隨時調度彈性的算力資源,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、云計算和大數據融合;阿里云在2018年的云棲大會上確定了云計算+IoT+人工智能的方向,并陸續推出了可供調用的API;華為云提出了“普惠AI”的概念,以云服務的形式輸出圖像識別、視頻分析等服務;騰訊云也適時提出了AI即服務的理念,同樣是將云計算和人工智能進行融合。

就當下的時態而言,人工智能已經從以單一的算法為核心,逐漸演變為算法+算力的雙核心,云和AI的融合已經是不可逆的趨勢。

02

產業落地的殘酷物語

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

一個普遍存在的問題:傳統企業往往沒有人工智能人才的儲備,缺少強大的技術應用落地能力,如果只是以云計算為載體輸出算法或者提供API調取服務,可能無法滿足傳統企業的最終需求。

就像過去兩年中云廠商們所熱衷的故事,自家年輕且高學歷的工程師們抱著電腦在田間地頭、生產一線等場景中敲代碼,幫助種植業、養殖業、制造業等進行智能化轉型。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地上規模的企業,倘若這樣的企業都需要工程師駐場才能推進項目,人工智能落地的窘境也就可想而知。

何況傳統企業的產業升級并不只是做完某個項目,還要保證業務系統的持續運營,項目制的落地形式終究只治標不治本。

是否還存在另外一種可能:云廠商將自身的AI能力進行封裝,向傳統產業的合作伙伴提供可以直接應用到業務系統的產品?或者借鑒互聯網上一度流行的中臺思維,將產業落地的工作集中在前端,降低整個業務流程對算法工程師的依賴。