模型|AI开发到底要怎么做？AI云化、云AI化( 三 ) 云计算|国家电网|百度

“云智一体”的“全栈”模式，才是AI开发的主流形态产业智能化大潮已起，AI与产业快速、广泛、深入地融合。企业如何构建面向未来的AI开发平台？在AI开发时要关注什么？百度智能云日前发布《“云智一体”技术与应用解析系列白皮书-企业开发篇》（以下简称《“云智一体”白皮书》），其在报告中建议：企业在选择并建设适应未来发展趋势的AI开发平台时，要关注“场景先行、自主创新、效能为要”三个关键要素，进行统一规划和建设。

文章插图
具体来说，“全栈式AI开发平台”，是企业AI开发的最优解。
首先，企业AI开发呈现出“定制化”趋势。
不同企业的业务场景极度复杂，就像前文的例子，国家电网要将AI应用到发电、输变电、配用电、电网安全与控制、企业经营管理、政府社会服务等诸多场景，涉及到自然语言处理、深度学习、机器视觉、智能语音、知识图谱等不同AI技术，通用模型不可能满足其AI开发需求。
有定制化AI需求的不只是国家电网。根据2018年百度与波士顿咨询公司的联合调研，市场上86%的需求为定制AI需求，2017年到2020年定制AI模型激增6倍多。

文章插图
要满足企业定制化AI需求，AI开发平台就要具有通用性的基础能力，且可被轻松解耦、嵌入、移植与迭代。据《“云智一体”白皮书》介绍，百度智能云AI基础架构分为底层（AI基础设施）、中层（AI开发双平台：零门槛AI开发平台EasyDL和全功能AI开发平台BML）和上层（面向行业的解决方案），形成全栈AI产品架构，可以满足任何企业任意场景下的AI定制需求。

文章插图
“全栈”意味着“大而全”，对企业AI开发来说意味着复杂度高，因此百度智能云将AI能力集成到“AI中台”，通过AI能力引擎与AI开发平台，给企业提供数据管理、服务管理、全线资源运维管理体系，实现集约化AI能力管理、统筹式的智能化升级。

文章插图
简单地说：百度智能云拥有全栈AI能力，企业可按需使用与拼装自己的AI开发平台，通过“AI中台”，企业AI模型定制、管理和运维的复杂度被大幅降低。
国家电网不同子公司、业务部门都要定制各种AI应用，其基于百度AI中台定制了国网人工智能中台，集成基础AI能力、自动化和可视化工具，沉淀了一些共性的模型服务，支持上层复杂AI应用。有了人工智能中台，国网的模型开发人员、应用开发人员、业务应用人员均可轻松使用基础AI能力、开发工具和各种接口服务开发AI应用。

文章插图
基于AI中台、使用全栈AI能力的开发模式，可满足所有企业的定制化AI开发需求。
其次，企业AI开发对效能越来越敏感。
随着AI在更多场景深度应用，AI要处理的数据越来越多、模型越来越大、定制越来越深，因此算力需求越来越高：计算量越来越大、精度要求越来越高、处理时效要求越来越高。结果就是算力成本越来越高。
与此同时，AI开发涉及到数据收集、数据预处理、数据标注、模型训练、模型评估和模型部署等系列任务，流程长、复杂度高、工序多，每一步都可能成为效能瓶颈，都可能增加AI开发的成本。

文章插图
在成本可控的前提下实现效能最大化，是AI开发要着重考虑的问题，成本包括算力成本与开发成本，效能则包括数据质量、模型精度、处理效果、结果精准度等。因此，《“云智一体”白皮书》认为，适应未来的AI开发平台要具有如下三个能力：

在算力资源方面，要对接和管理好性能、高利用率、高性价比的AI算力资源；
在研发效率方面，要提供全流程的优化和开发效率的调优；
针对企业的实际业务场景和定制需求，提供整体的解决方案。

文章插图
百度智能云“云智一体AI开发全栈模式”，正好可以满足以上需求。百度既有AI技术优势，也有云原生能力，从基础硬件、存储、容器、开发平台到上层AI模型和应用的每个环节均融入 “云智一体”理念，具有低成本高效率的优势。
比如“百度AI开发基础设施”即AI定义的云，百度智能云在业内率先提出的AI原生云计算架构，搭建AI计算集群、AI 芯片等基础设施，对服务器等基础设施针对AI加速、AI优化、AI存储、AI容器等进行专门调优，具有更高性能（训练速度、精确度、模型效果）、更高利用率，更低成本。