(百度BML功能架构)
(AI开发&支撑平台对比)
AI开发平台即然是服务于AI模型生命周期的工具,自然也离不开以上这些模块。所谓平台代理,可以只针对某一个环节,比如数据收集 标注环节,或者模型部署环节,也可以针对整个生命周期,这就解释了为什么同是AI平台,有大有小。
四、一点思考
1. 为什么需要AI平台?
从用户的角度看:用户需要的是以尽可能低的成本(时间及费用)获取代理所需的AI能力。AI平台提供的开发工具、预置模型都可以减小用户获取AI能力的投入。
从AI平台公司的角度看:AI平台提供的是一套标准化的工具/流程,80%的需求可以由标准化的产品来满足,而非每个需求都单独定制解决方案。通过AI平台这样的标准化产品来提升ROI,从而实现盈利。
不论是从用户角度,还是从提供AI平台的公司公司角度,其实AI平台的存在都是为了提升投入产出比。
慧但个人感觉,目前AI平台公司对AI平台的需求是要大于用户的,这就造成了产品多用户少的囧境。用户对AI平台的不认可,一方面可能是对AI能力带记账来的收益的不确定;另一方电话面可能是对AI平台提高ROI的不确定(有可能使用了AI平台但还是无法节约人力投入)。所以如何让用户发现A怎么样I能力的价值,进而发现AI平台的价值还是个值公司得思考的问题。
2. 如何做到AI平台的差异化?
市面上那么多AI平台,如何做到让用户选择你的产品呢?差异化。
怎么做慧到差异化呢?不同用户对AI能力或应用的需求侧重算账各不相同,但是无外乎数据、算力、模型三要素。
1)数据入手徐州的差异化
当前很多行业还是存在缺乏数据积累的事实的,所以数据对于这部分公司来说就是最大的痛点。从数据角度入手的AI平台,最直接的是可以主记账打提供行业数据。如果数据不可获取,可以退一步和大数据平台结合提供数据采集、清洗、标注(自动、人工)等功能,解决用户数据方面的痛点。
前边提到的basicFinder,就是由标注平台逐步发展出来的AI平台。
2)算力入手的差异化
不论是训练阶段还是推理阶段,AI模型对算力都是强依赖的,因此从算力入手的AI平台也是发展最早的一种算账,一般都和云平台紧密结合,最后的收益落脚点都是云资源。
随着AI芯片发展,以嵌入式设备为载体的边端智能也越来越多,所以算力入手也可以指嵌入式算力。华为算是以算力为核心的代表公司。
3)模型入怎么样手的差异化
虽然大多AI算法都有开源的版本,但开源模型往往是通用模型,没有针对特定场景优化,没有一般没法直接应用。比如图像识别在医学领域和在自动驾驶领域可能用同样的算法,但需要喂不同的数据,进行不同的参数优化,最后得到适用于不同场景的模型。比如face 就对人脸识别相关的各类模型都做了优化。
一个热门方向AI电话 行业,就是在数据和模型角度都针对本行业进行差异化的设计。比如针对医药领域的医渡云,针对税务领域的慧算账等等。
3. 如果要做AI平台,怎么入手?
个人感觉现在做AI平台是件很难的事情了,本身这类产品就已经有点供大于求了,做差异化也需要结合已有的积累(无论是数据、算力还是模型),所以从头做一个成功的AI平台真的非常困难,留给AI平台的机会可能只有 行徐州业了。
大胆开麦:短期之内做AI支撑平台的难度远小于AI开发平台,而成功率应该是要高于AI开发平台的。与其做一个大而全却没有明确目标用户的AI开发平台,不如围绕一个点做一个真正有人用的AI支撑平台。