机器学习服务第一梯队都有谁？Forrester发布最新报告茕茕发自凹非寺量子位报道|公

茕茕发自凹非寺量子位报道 | 公众号 QbitAI
科技巨头的「云」竞争，如今最核心拼的刀刃就是人工智能。
无论是从不断扩大的云AI市场规模，还是从国内各大云厂商云+AI的标准配置上，都可见一斑。
那么，问题来了，机器学习解决方案，到底应该如何评估？
近日，国际权威研究机构Forrester就发布了一份相关报告，针对大家关心的“到底哪家强”的问题，瞄准中国市场的预测分析和机器学习解决方案主流厂商，进行了全方位的实力解析。
Forrester Research是一家独立的技术和市场调研公司，其发布的主题报告在中国乃至全球范围内具有很高的市场认可度。
文章插图
具体而言，报告的调研对象涵盖华为云、阿里云、百度云、腾讯云等等9家中国厂商。并从战略、产品和市场表现三个维度，将这些主流厂商分成了4个梯队：
领导者（Leaders）、卓越表现者（Strong Performers）、竞争者（Contenders）、挑战者（Challengers）。
还给出了详细的「挑选指南」。
具体亮点，一起来看。
如何评估机器学习厂商不少研究分析指出，当AI技术发展进入落地期， AI开始逐渐渗透到企业的核心业务当中，无论是互联网企业还是传统企业，拥抱AI成为了一种大趋势。这就进一步激发了企业上云的动力。
文章插图
在这份报告中， Forrester同样指出，在以人工智能为核心的「新基建」背景下，中国企业对于内部构建人工智能抱有极高的热情。
本质上，人工智能依赖于机器学习模型。因此，各大云厂商提供的预测分析和机器学习（PAML）解决方案，就将在整个AI落地应用的过程中发挥重要的降本增效的作用。
而围绕预测分析和机器学习（PAML）解决方案，最直接的产品形态，就是基于云的AI开发平台。
国内的各大云厂商，就已纷纷发力：华为云的ModelArts、阿里云的PAI、百度云的EasyDL、腾讯云的TI-ONE ……
那么，如此热烈的竞争之中，企业在选择解决方案时，究竟应该如何对其进行评估？
Forrester给出了三点标准。
其一：能简化模型开发，满足不同团队要求
为了强化AI能力，企业需要把机器学习模型规模从几个增加到数千个。
这也就意味着，云厂商提供的AI开发平台，其模型开发能力需要满足不同团队和人员的要求，不仅要覆盖对机器学习有深入了解的科学家、数据工程师、应用开发人员，也要赋能“零基础”的相关业务人员。
文章插图
基于此，解决方案团队应增强用户界面的可视化和使用体验，使用户能够顺畅构建模型开发流水线。
除此之外，对于以代码为核心的数据科学团队来说，覆盖开发全生命周期的IDE（集成开发环境）是必要的。
而缺乏深度机器学习知识的业务用户，则需要功能齐全的AutoML功能来提高机器学习生产力。
其二：能快速、大规模部署机器学习模型
构建模型代表着大规模AI应用的开始。
为了实现商业利益，公司必须将模型部署到应用上，并加以监控和管理。
其背后技术层面的挑战，对于从事数据科学、AI开发的工程师们来说，是不言自明的。而对于业务线领导者来说，也提出了新的管理挑战。
文章插图
因此，企业需要借助AI开发平台之力，组装从开发到生产系统的模型开发流程，监控机器学习模型的性能而不影响本身的业务，管理机器学习模型，实现跨AI智能团队的协作，并使用新数据重新训练在线机器学习模型，不断提升模型性能。
其三：使用分布式、混合架构加速训练推理
模型训练需要许多样本和参数，这会对普通计算基础设施造成很大负担。
AI开发平台供应商应帮助企业有效地将训练任务下发到分布式架构，以减少开发人员等待时间。
由于模型推理将直接影响用户体验， AI开发平台的客户们对于推理性能的要求极高。为了满足推理需求和隐私规范，供应商应支持混合模型部署架构，同时支持云上、数据中心、边缘的多种部署模式。
文章插图
简单总结一下，一个云AI开发平台，在提供从数据标注到模型部署全流程的AI应用开发服务的基础之上，还应当降低门槛，让开发者能低代码甚至0代码地管理AI项目。