毫不客气地说，人工智能（AI）和机器学习（ML）已然“渗透”到了各行各业，企业们期待通过机器学习基础架构平台，以推动人工智能在业务中的利用。在机器学习加快推进的过程中，却是有喜也有忧。
近日，国际数据公司（IDC）发布了《中国人工智能软件及应用（2019下半年）跟踪》报告。据该报告显示，中国机器学习开发平台市场2019年市场规模达2．05亿美元。
机器学习开发平台的部署，包括数据获取、数据准备、模型训练、应用程序集成、模型运维、生产监控以及有明确KPI的业务治理过程。在这个过程中，由框架、算法模型、开发语言等各种工具赋能，由数据科学家、业务分析师、数据架构师和专业人员协作，基于数据建模，不断的进行概念验证，将好的模型部署到生产环境，协作以管理模型运维的全生命周期。
算力不断提升、算法模型创新、开源技术发展、厂商加大投入，已经成为了机器学习产业实现快速发展的重要驱动力。其中，算力的提升，对于AI技术的进步与成熟、相关智能产业的应用模式创新等，无疑提供了强大的支撑。
受益于加速计算技术的不断突破，机器学习、深度学习模型训练和推理速度持续提升，加快推动了AI应用产业化的进程。从厂商情况来看，2020年GTC、英伟达发布了将算力再度提升数十倍的安培架构的A100 GPU。此外，Intel华为昇腾系列，Xilinx Alveo系列、寒武纪等也在特定领域为AI负载提供加速能力。
单就商业化机器学习开发平台而言，2018年包括硬软服在内的中国机器学习市场达到10亿元人民币，预计2018－2023年五年复合增长率将达到62．0％。当前的机器学习开发平台基本可以提供30种以上的经典机器学习算法，且基本已支持TensorFlow、PyTorch、Caffe等主流框架。不仅是深度学习、机器学习，图算法也开始走向市场，现阶段应用十分普及的是经典机器学习。
从市场空间来看，对于还没有成熟的AI软件产品的领域，机器学习、深度学习开发平台建设将成为一大趋势，相关头部厂商将借助已有的软件、硬件、系统等技术优势，致力于为行业系统性机器学习体系的完善与健全贡献更大力量。
虽然机器学习是“显学”，但其发展还是存在不少阻力，其一，人工智能、机器学习等知识相对高深，相应的，掌握这些知识的人也就比较少，因此，各行业发展对于机器学习、图像识别等的人才十分迫切。
此外，机器学习的部署实施其实是一项非常复杂的工作。例如，对数据进行可视化、转换和预处理，算法的优化、模型的训练，而所有这些工作都需要大量的专业知识，并耗费庞大的算力、数据存储和时间成本。在较短的时间内，要达到相当的机器学习部署和推进能力实属不易。
机器学习平台底层，可以简单地理解成是把数据治理、算法与算力合在一起，第四范式叫之为先知平台。它既是一种科技平台，也是产品研发系统。它的目标是能够有更好的企业级适配效果，更大的延展性和更强的计算水平。在先知平台获得突破，已经成为许多企业的目标。
（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。 ）
