（百度BML功能信息架构）

（AI开发&支撑平台对比企业）

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。所信息谓平台，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平同城台？

从用户的角度看：用户需要的是以类信息尽可能低类信息的成本（时间及费用）获取所需的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能力的企业产投入。

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平台的公司角度，其实AI平台的存在都是为了提升投入产出比。

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能力带来的收益的不确定；另一方面可能是对AI平台提高ROI的不确定（有可能使用了AI平台但还是无法平台节免费发布约人力投入）。所以如何让用户发现AI能力的价值，进而发现AI平台的价值还是个值得思考的问题。

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。

怎么做到差异化呢？不同用户对AI能力或应用的需求侧重各不相同，但是无外乎数据、算力、模型三要素。

1）数据入手的差异化

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，最直接的是可以主产品打提供行业数据。如果数据不可获取，可以退一步和大数企业据平台结合提供数据采集、清洗、标注（自动、人工）等功能，解决用户数分据方面的痛点。

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，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。华为算是以算免费发布力为核心的代表公司。

3）模型入手的差异化

虽然大多AI算法都有开源的版本，但开源模型往往是通用平台模型，没有针对特定场景优化，没有一般没法直接应用。比如图像产品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，进行不同的参数企业产优化，最后得同城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 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、算力还是分模型），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。