原标题：机器学习的产业化变革中，华为云ModelArts的新成绩单
如果说，企业应用人工智能是刀枪剑戟、马上步下的整套功夫，那么基础机器学习模型开发，可以说是最基本的扎马步。
基础不牢，地动山摇。AI模型开发是企业智能化的入门环节，却也在很大程度上决定了企业智能化水准的上限。根据IDC发布的《中国人工智能软件及应用跟踪》，中国机器学习开发平台市场在2019年达成了2.05亿美元的市场规模，并将在未来五年保持38%以上的年复合增长率。
机器学习平台的意义远不止于其市场规模本身，作为企业应用AI的基础，机器学习平台是开发与部署AI模型的基础，同时也是牵引云计算、大数据、机器视觉等技术的重要动能。
而机器学习平台在不断发展的过程里，本身也发生着巨大的变化。
刚刚，国际著名数据机构Forrester发布了《The Forrester Wave™: Predictive Analytics And Machine Learning Solutions In China, Q4 2020》报告，对中国市场的预测分析和机器学习解决方案厂商从战略、产品和市场表现三个维度进行了评估。报告显示，中国机器学习平台的市场空间中，一个很重要的变化是华为云进入了“领导者(Leaders)”象限。
如果你是开发者或者关注AI产业，一定会知道华为云在机器学习领域的差异化优势，一方面在于全栈全场景AI提供的云边端一体化能力；另一方面则是以ModelArts为代表的一站式AI开发平台，指向的产业化、智能化的AI应用能力。
华为云在机器学习平台的向上攀升，受到市场更广泛认可，其实可以作为一个标尺：机器学习平台的发展，正在从基础算法开发，走向产业化、落地能力为主导的强应用时代。
变化的时代，蕴育着变化的规则。从华为云在机器学习市场中的领导者表现，以及ModelArts 3.0的产业特性中，我们可以凝视一个正在变化的未来。
当AI时代，划过工业大门
Forrester在报告中对预测分析和机器学习平台进行考量时，综合了主流算法兼容程度、部署兼容性、AutoML能力几个主要维度。从中可以发现，业界对预测分析和机器学习（PAML）厂商的评价标准，已经逐步从“开发者能否用这个平台开发出算法”，变成了“开发者是否可以借助平台获得产业价值”。
通俗一点来讲，这个变化意味着机器学习的开发需求，已经从实验室、个人开发者代表的手工业时代，来到了各行业、各企业的工业化时代。而时代翻篇的最主要特征，就是机器学习开发能否满足工业化效率。
什么样的PAML厂商才能满足工业化效率下的AI落地需求？Forrester在报告中主要考虑了三个方面：
1、开发门槛是否足够低，能适应不同企业、不同部门的AI开发需求。
2、平台能否帮助用户快速完成应用部署，达成工业级的应用效率。
3、平台提供的分布式架构是否具备足够的兼容性，能够满足企业用户多元化的需求。
工业级的AI开发，需求开发效率、部署效率、运维效率都能达成生产成本与价值回馈的合理性，这就让机器学习平台的产业化需求满足能力成为了竞争主线。而就在这个思路下，华为云脱颖而出，走到了领导者象限当中。
ModelArts 3.0，象牙塔融于千家灯火
从Forrester的评价体系出发，我们可以发现大家已经非常熟悉的ModelArts平台具有鲜明的产业化特质。而与以往版本不同的是，ModelArts 3.0不仅展现出独特的产业工具与自动化平台特性，还将学术界先进的算法能力反向融合于AI开发，实现了产业工具的深度进化。
具体来看，ModelArts 3.0的主要升级特性，与今天大规模部署机器学习模型、行业AI应用广泛、企业在多场景部署AI等主流趋势相吻合，并且一一提出了具有技术创新性的应对方案。比如：
1、骨干模型让企业不必“重复发明轮子”，依靠行业经验提升竞争力。
ModelArts 3.0中，加入了华为云骨干工具链EI-Backbone技术。它可以整合模型高效、数据高效、算力高效、知识高效，全面提升行业AI落地能力。目前，EI-Backbone所整合的行业骨干模型已经在10余个行业成功验证，并且斩获10余个业界挑战赛冠军。
2、联邦学习技术加持，让AI开发可以横跨更多场景和业态，实现多种成本下降。
联邦学习近两年在AI行业非常火热，它可以有效解决机器学习中的数据孤岛困境。ModelArts 3.0中提供的联邦学习特性，可以实现数据不出户的联合建模。让用户各自利用本地数据训练，不交换数据本身，只用加密方式交换更新的模型参数，实现协同训练，最大化获取训练价值，实现综合数据训练成本下降。
3、模型诊断优化，实现企业级精细化开发，提高AI模型工业级精度。
对于企业级的AI模型开发来说，随时审视模型开发进度，调优模型精度是不可或缺的一部分。为此，ModelArts3.0提供了全面的可视化评估、智能化诊断功能，使开发者可以直观了解模型的各方面性能，有针对性进行部署工作，提升AI模型的工业精度。
4、高效算力让企业存算资源更加优化配比，完成高效率开发部署。
ModelArts 3.0进一步加强了计算资源的优化配置能力，其提供的性能模式让企业可以充分利用空闲资源加速训练作业，训练速度可提升10倍以上，并且不影响模型的收敛精度；而经济模式可以通过最大化资源利用率给开发者提供极致的性价比，在大多数典型场景下可以提升性价比30%以上。
在这些特性的加持下，ModelArts 3.0可以加速AI的行业落地，实现模型高效、数据高效、算力高效、知识高效。机器学习平台，可以借此成为AI落地效率提升的抓手。从这个角度看，ModelArts 3.0带给产业的改变，可能远远不止对具体开发问题的解决。
其更重要的价值指向在于，企业的机器学习能力上限又一次被打开。
大人，机器学习的规则变了
Forrester的评价称：“华为云提供全栈预测分析及机器学习服务，是企业在公有云、本地、边缘复杂部署场景下的理想选择。”
这个评价在某种程度上阐明了，企业在真正开发和使用AI时所需要的是什么：是企业能够借助机器学习平台，完成对复杂需求、复杂场景的适配，实现AI成为企业核心生产力的目标。
能够在不同环境、不同开发条件、不同产业合作方式的基础上完成AI开发，ModelArts 3.0通过创新的技术融入，将一站式、自动化AI开发向前推进到了新的阶段。在这个阶段，AI开发可以以目标为导向，反向推导企业需要做什么，而不是仅仅通过已有算法，来审视哪些AI能力能够帮助企业解决局部问题。
在这个核心规则的改变下，企业将可以应用机器学习能力，作为自身的产业保障和生产力突破方式，变成企业的核心竞争力。具体来看，有三种过去很难完成的挑战，可以在ModelArts 3.0的产业突破下变成现实：
1、复杂的智能化需求可以借助机器学习平台来完成。
传统意义上来说，机器学习平台只能支持特定算法下的模型开发，而不能以企业需求为导向，实现复杂、综合的模型加工。而在ModelArts 3.0与全栈全场景AI能力的加持下，这种情况已经得到了改变。比如杭州云深处科技有限公司，应用了华为ModelArts和Atlas 200DK开发了“绝影”系列机器狗的AI能力。“绝影”机器狗可以实现实时感知现场环境，通过知识图谱交互分析，强化学习动态决策，并具有复杂的行进路径规划和动作的能力。如此复杂的智能机体，也能够通过机器学习平台来实现。
2、创造性的工作可以基于机器学习平台来完成。
不久前，放射学领域的国际顶级期刊Radiology（《放射学》）在线发表了一项研究：华为云EI创新孵化Lab联合华中科技大学电信学院、华中科技大学同济医学院附属协和医院放射科运用华为云一站式AI开发平台ModelArts，开发了一套基于CTA影像的全自动化、高度敏感的脑动脉瘤检测算法。这套算法能够实现动脉瘤灵检测敏度97.5%，帮助医生临床诊断灵敏度提升约10%，漏诊率降低5%，同时有效缩短医生诊断时间。
在这套解决医疗健康重大问题的系统中，ModelArts平台提供数据预处理及半自动化标注、大规模分布式训练、自动化模型生成及端-边-云按需部署能力，为创造性的AI探索提供了基础。
3、低门槛机器学习成为日常。
在物流行业，单据录入是一个非常消耗时间、高度重复性的工作。盈智科技应用华为云ModelArts Pro文字识别开发套件，实施了各类国际物流单证识别接口的开发，能够实现高效率的单证信息自动化、结构化输出。在同等人力投入情况下，单据信息录入效率提升50倍，单证流程节省60%的人力成本。国际物流这样的实体行业，可以低门槛应用高度智能化、自动化的AI系统，解决企业中的重点问题，这是AI开发能力走向产业化的一个重要标志。
目前，华为云ModelArts平台已经在制造、零售、物流、能源、医疗、城市、钢铁、科研等多个领域应用，加速AI开发和行业AI落地。无论你是想要走到产业智能化的核心，还是想用AI探索一片未知领域，抑或想在一个看起来一点也不AI的企业应用AI，ModelArts 或许都可以帮助你完成愿望。
所以，或许抬头看看你会发现：大人啊，机器学习的时代变了。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
