數(shù)據(jù)處理的難點(diǎn)在哪里？

「真格老友記」是真格基金全新推出的對(duì)話系列欄目，邀請(qǐng)真格從天使輪開始陪伴成長(zhǎng)的“老朋友”分享他們的創(chuàng)業(yè)故事。

在「真格老友記」中，你將看到投資人與創(chuàng)業(yè)者的對(duì)話實(shí)錄，聽他們復(fù)盤從0到1的創(chuàng)業(yè)之路，探討?yīng)毜降男袠I(yè)見解，分享經(jīng)歷過的試煉與挑戰(zhàn)。

作為一家早期投資機(jī)構(gòu)，真格基金一直在尋找優(yōu)秀的創(chuàng)業(yè)團(tuán)隊(duì)，在這個(gè)過程中，我們參與并見證了許多初創(chuàng)項(xiàng)目的成長(zhǎng)和發(fā)展。故事千千萬(wàn)，雖然形式不斷變化，底層邏輯和方法論卻多有互通。我們需要探索的遠(yuǎn)遠(yuǎn)超出了我們的所見所聞。希望你能從對(duì)話中，找到自己的靈感繆斯。

毫無(wú)疑問，數(shù)據(jù)是這個(gè)時(shí)代的新能源。

數(shù)據(jù)提高預(yù)測(cè)的精準(zhǔn)度，決定了推薦機(jī)制，成為每個(gè)企業(yè)升級(jí)或調(diào)整戰(zhàn)略的基礎(chǔ)依據(jù)。

日常數(shù)據(jù)可分為由程序生成的結(jié)構(gòu)化數(shù)據(jù)，與視頻圖像文字等非結(jié)構(gòu)化數(shù)據(jù)。其中，非結(jié)構(gòu)化數(shù)據(jù)占九成企業(yè)全部數(shù)據(jù)量的 55% 以上，如何管理和使用好這些數(shù)據(jù)是所有企業(yè)面臨的挑戰(zhàn)。

結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)

這里存在一個(gè)引人深思的“倒掛”現(xiàn)象，人工智能工程師將近 90% 的時(shí)間和精力并不是在做真正的產(chǎn)品化業(yè)務(wù)，而是在做基本的數(shù)據(jù)挖掘、清洗標(biāo)注和管理工作。就像原油需要提煉和加工才能進(jìn)入工業(yè)生產(chǎn)流程，數(shù)據(jù)同樣需要一系列處理才能進(jìn)入人工智能生產(chǎn)流程。

Google Paper： Hidden Technical Debt in Machine Learning Systems

這正是 Graviti 想解決的問題。作為一家 AI 數(shù)據(jù) SaaS 提供商，Graviti 希望實(shí)現(xiàn)以數(shù)據(jù)管理為核心，服務(wù)于數(shù)據(jù)獲取、加工和使用的全數(shù)據(jù)旅程，通過提供更加高效、便捷和安全的軟件產(chǎn)品，幫助 AI 開發(fā)者和 AI 應(yīng)用公司更加專注于 AI 本身。公司成立后便獲得真格基金參與的種子輪投資。

創(chuàng)始人崔運(yùn)凱曾任 Uber 無(wú)人駕駛部門的 Tech Lead Manager，是該部門最早期一批員工。對(duì)科技的熱忱讓他相信，人工智能基礎(chǔ)軟件是構(gòu)建人工智能生態(tài)中，不可或缺的那一部分。

本期對(duì)話欄目中，真格基金投資總監(jiān)尹樂和 Graviti 創(chuàng)始人崔運(yùn)凱將討論以下話題：

- Uber 的工作經(jīng)歷，對(duì)創(chuàng)業(yè)有什么影響？從工程師到創(chuàng)業(yè)者，思考方式有哪些區(qū)別？

- 數(shù)據(jù)處理的難點(diǎn)在哪里？

- SaaS 服務(wù)和數(shù)據(jù)標(biāo)注的主要區(qū)別是什么？

- 如何讓 AI 變得觸手可及？

01

“Uber的工作經(jīng)歷

讓我提前5年看到AI落地痛點(diǎn)”

Uber 的文化強(qiáng)調(diào)要做規(guī)則挑戰(zhàn)者、顛覆者，從里面走出了不少優(yōu)秀的創(chuàng)業(yè)者。

作為 Uber 無(wú)人駕駛部門的早期員工，崔運(yùn)凱接觸了大量復(fù)雜的非結(jié)構(gòu)化數(shù)據(jù)處理問題。決定創(chuàng)業(yè)時(shí)，他很快地選擇了投身數(shù)據(jù) SaaS 軟件行業(yè)。

為什么是數(shù)據(jù) SaaS 軟件行業(yè)？從工程師到組織者，Uber 的經(jīng)歷對(duì)崔運(yùn)凱的創(chuàng)業(yè)有什么影響？

Graviti創(chuàng)始人 崔運(yùn)凱

尹樂：你最早在Uber負(fù)責(zé)的是無(wú)人駕駛業(yè)務(wù)，為什么決定從數(shù)據(jù)基礎(chǔ)軟件切入創(chuàng)業(yè)？

崔運(yùn)凱：我在 Uber 時(shí)主要做無(wú)人駕駛技術(shù)的研發(fā)，需要處理大量數(shù)據(jù)。在Uber，灌滿 100PB（1PB=1024TB）的數(shù)據(jù)池可能只需要幾個(gè)月的時(shí)間，這是硅谷其他以處理結(jié)構(gòu)化數(shù)據(jù)為主的公司不可能遇到的。所以相當(dāng)于提前 5-6 年看到了 AI 落地面臨的問題，這個(gè)認(rèn)知是遠(yuǎn)超其他企業(yè)的。

當(dāng)時(shí)，Uber 除了在印度有很大的數(shù)據(jù)生產(chǎn)團(tuán)隊(duì)外，還將部分?jǐn)?shù)據(jù)的需求外包給位于西雅圖的一家創(chuàng)業(yè)公司。除了要承受昂貴的價(jià)格（當(dāng)時(shí)的定價(jià)是 1 張圖片 5 美金），冗長(zhǎng)的等待時(shí)間（5000 張圖片大概需要做 4 個(gè)月），還要解決數(shù)據(jù)的對(duì)接、跨境分發(fā)、檢索、整理及真值數(shù)據(jù)的保存和使用等一系列難題。

但無(wú)人駕駛訓(xùn)練至少要億級(jí)圖片，相當(dāng)于把之前要解決的問題難度又放大了數(shù)萬(wàn)倍。

2018 年我離開 Uber 回國(guó)，加入了一家做高精度地圖的公司，為了高精度地圖的研發(fā)需要收集海量的數(shù)據(jù)和訓(xùn)練大量的模型。為了管理和使用這些數(shù)據(jù)，我們聊了七八家國(guó)內(nèi)知名的云服務(wù)商，沒有一家可以提供滿足我們需求的軟件平臺(tái)。

為了獲取真值，我們找了 12 家數(shù)據(jù)標(biāo)注公司，只有 2 家說(shuō)可以滿足我們的需求，最便宜的也要 12 元一張圖片，結(jié)果做出來(lái)一張能用的圖片都沒有。

這時(shí)我們就意識(shí)到，無(wú)論是國(guó)內(nèi)還是國(guó)外，人工智能的整個(gè)工具鏈都非常早期和不完善，仍然是大片的市場(chǎng)空白。如果我們?cè)僮鲆患胰斯ぶ悄芄?，還會(huì)遇到同樣的工具問題，還是得花很大代價(jià)把這些問題再解決一遍。與其這樣，我們不如專門做一家解決開發(fā)者痛點(diǎn)的公司，讓開發(fā)者能更好地把時(shí)間集中在解決業(yè)務(wù)問題上。

尹樂：剛剛你提到在 Uber 的工作經(jīng)歷， Uber 的文化強(qiáng)調(diào)要做規(guī)則挑戰(zhàn)者、顛覆者，里面也走出了不少優(yōu)秀的創(chuàng)業(yè)者。除了幫助你發(fā)現(xiàn)行業(yè)機(jī)會(huì)，Uber 對(duì)你這次創(chuàng)業(yè)還有其他影響嗎？

崔運(yùn)凱：還有兩個(gè)比較大的影響：

第一是怎么做一個(gè)由文化驅(qū)動(dòng)快速迭代的組織。

Uber 把文化深入到了組織架構(gòu)和激勵(lì)機(jī)制當(dāng)中。Graviti 在這點(diǎn)上和 Uber 很接近，我們特別希望把文化做成一種烙印。招聘時(shí)，Graviti 對(duì)于文化和技術(shù)的考察各占 50%，就是希望找到最契合的一群人共同成長(zhǎng)。

我認(rèn)為對(duì)于早期創(chuàng)業(yè)者，盡早確立公司文化，并以此為基礎(chǔ)花足夠的時(shí)間在招聘上是非常重要的。我們寧愿緩慢地?cái)U(kuò)張，去招到最有潛力、最合適的人，這樣的團(tuán)隊(duì)在跑起來(lái)后才沒有人會(huì)掉隊(duì)，不會(huì)出問題。

第二是讓我從一個(gè) Engineer 變成了 Engineering Manager。

Uber 對(duì)新晉升的管理人員提供了很多培訓(xùn)項(xiàng)目，讓第一次做管理者的人可以快速成長(zhǎng)為相應(yīng)領(lǐng)域的領(lǐng)袖。當(dāng)真正決定創(chuàng)辦一家公司的時(shí)候，容易產(chǎn)生對(duì)未知的恐懼，而管理者的思維方式和訓(xùn)練幫助我很好地適應(yīng)了角色的轉(zhuǎn)變。

這也是創(chuàng)業(yè)早期很關(guān)鍵的一點(diǎn)，不只盯著自己擅長(zhǎng)的部分，而是要從全盤考慮認(rèn)清自己的不足，根據(jù)不足去找最合適的人補(bǔ)齊短板。像我在銷售和產(chǎn)品上有知識(shí)性缺失，我就一定要找到最優(yōu)秀的產(chǎn)品負(fù)責(zé)人、銷售負(fù)責(zé)人，所有人長(zhǎng)板的集合才決定著公司發(fā)展的上限。

02

人工智能的核心是數(shù)據(jù)

由于人工智能應(yīng)用開發(fā)需要的數(shù)據(jù)體量龐大，這種對(duì)于系統(tǒng)設(shè)計(jì)的挑戰(zhàn)是前所未有的，如何高效調(diào)度大量的算力和存儲(chǔ)，利用大規(guī)模分布式并行化技術(shù)，將是支撐人工智能進(jìn)一步落地的核心。

很多人對(duì) Graviti 的產(chǎn)品和業(yè)務(wù)模式有誤解。實(shí)際上，數(shù)據(jù)標(biāo)注只是 Graviti 數(shù)據(jù)核心戰(zhàn)略的一部分。數(shù)據(jù)的痛點(diǎn)是連貫的，從獲取、管理、加工到使用的完整數(shù)據(jù)旅程需要突破性的創(chuàng)新方案來(lái)支撐，所以行業(yè)真正需要的是一站式的解決方案。

Graviti 對(duì)此是如何應(yīng)對(duì)的？疫情之下，公司的行業(yè)布局和戰(zhàn)略計(jì)劃有何調(diào)整？

尹樂：數(shù)據(jù)對(duì)于 AI 來(lái)講是一個(gè)非常核心的訓(xùn)練來(lái)源。大眾可能不太了解，數(shù)據(jù)的處理難度到底有多大？到底是難在哪里？

崔運(yùn)凱：最近我們內(nèi)部在講，設(shè)計(jì)產(chǎn)品的時(shí)候要有并行化思維的意識(shí)。

舉個(gè)例子，我們經(jīng)常處理的 Excel 表格大概為 100KB，你可以在你的個(gè)人電腦上打開處理。

但人工智能要處理的問題是什么樣的？人工智能就是剛剛我說(shuō)的問題乘以 100 萬(wàn)倍，甚至是 10 億倍。100KB 的數(shù)據(jù)乘以 100 萬(wàn)大概是 95GB，現(xiàn)在任何個(gè)人電腦都無(wú)法打開 95GB 的文件，因?yàn)橐话汶娔X的運(yùn)行內(nèi)存只有 8GB-16GB。

人工智能處理的實(shí)際上是億萬(wàn)量級(jí)的生活問題，走到這個(gè)數(shù)量級(jí)別上，許多問題都變得極具挑戰(zhàn)性。

比如像上面的問題，在一個(gè)機(jī)器上解決不了，怎樣才能用分布式的方法解決？你用 1000 臺(tái)機(jī)器去解決一個(gè)問題，機(jī)器一多，不同的機(jī)器就容易出現(xiàn)死機(jī)、斷電等不同的問題，怎么能讓軟件強(qiáng)大到可以處理這些不確定性還可以流暢地把問題解決掉？這是我們需要突破的難點(diǎn)，也是我們提供服務(wù)的價(jià)值所在。

尹樂：沒錯(cuò)，人工智能解決的是高數(shù)量級(jí)的問題，再小的差異也會(huì)被極度放大，這就更考驗(yàn)系統(tǒng)設(shè)計(jì)架構(gòu)的合理性。現(xiàn)在很多人提到 Graviti，可能下意識(shí)會(huì)覺得是一家數(shù)據(jù)標(biāo)注公司，對(duì)于這種說(shuō)法你怎么看？SaaS 服務(wù)和數(shù)據(jù)標(biāo)注的主要區(qū)別是什么？

崔運(yùn)凱：我能理解為什么別人容易把我們定義成標(biāo)注公司，因?yàn)槲覀冏龅氖欠墙Y(jié)構(gòu)化數(shù)據(jù)的基礎(chǔ)軟件，標(biāo)注是其中很重要又最容易理解的一個(gè)環(huán)節(jié)。但數(shù)據(jù)的痛點(diǎn)是連貫的，不僅僅是標(biāo)注問題，所以我們提供的是一站式的解決方案。

Graviti 的產(chǎn)品分為兩大部分，第一個(gè)部分是面向開發(fā)者和人工智能工程師的 SaaS 工具。

大家猜一猜，支持一個(gè) 10 人算法團(tuán)隊(duì)高效運(yùn)轉(zhuǎn)需要多少資源？

至少要三個(gè)軟件工程師提供工具開發(fā)和運(yùn)維服務(wù)，百萬(wàn)元左右的深度學(xué)習(xí)訓(xùn)練機(jī)器，百人左右的標(biāo)注團(tuán)隊(duì)，和上百 TB 到 PB 級(jí)的共享存儲(chǔ)空間。這些加起來(lái)往往需要企業(yè)千萬(wàn)級(jí)的前置成本和百萬(wàn)級(jí)的維護(hù)費(fèi)用。即便這些都具備了，算法工程師還是需要將大量的時(shí)間花在找數(shù)據(jù)，清洗數(shù)據(jù)，管理權(quán)限和可視化上。

而我們的 SaaS 工具就是通過軟件和云來(lái)解決這些痛點(diǎn)：從幫助獲取和管理數(shù)據(jù)，到最后輸出模型，以及過程中團(tuán)隊(duì)的協(xié)作?？梢宰尮?0 前置成本啟動(dòng)人工智能應(yīng)用開發(fā)，費(fèi)用跟隨團(tuán)隊(duì)的擴(kuò)張而增加、收縮而減少，還可以節(jié)省大量的算法工程師的時(shí)間，讓他們真正專注在重要的事情上。

我們發(fā)現(xiàn)整個(gè)人工智能開發(fā)的過程就是數(shù)據(jù)流轉(zhuǎn)的過程，非結(jié)構(gòu)化是其中的一個(gè)關(guān)鍵痛點(diǎn)，所以我們也提供標(biāo)注服務(wù)去解決非結(jié)構(gòu)化數(shù)據(jù)的問題。

和其他標(biāo)注公司不一樣的是，我們的數(shù)據(jù)標(biāo)注服務(wù)是一鍵式的。國(guó)內(nèi)的標(biāo)注公司通常是先聯(lián)系 BPO（商務(wù)流程外包Business Process Outsourcing），在線下的微信群里對(duì)接需求，發(fā)數(shù)據(jù)文檔，他再去聯(lián)系標(biāo)注員，而很多標(biāo)注員可能是第一次接觸這樣的任務(wù)，也沒有特別適用的工具。

但是在我們的體系里，所有對(duì)接都是在軟件中交互完成，分發(fā)程序有一套算法，會(huì)自動(dòng)找到最合適的標(biāo)注員，通過發(fā)現(xiàn)任務(wù)、自主登錄、接受培訓(xùn)考試去完成這樣的工作。整個(gè)過程都是自動(dòng)化的，效率和準(zhǔn)確率都有很大的提升。

尹樂：所以 Graviti 提供的數(shù)據(jù)軟件是真正切中開發(fā)者痛點(diǎn)的。說(shuō)到這里，現(xiàn)在 Graviti 內(nèi)部開始實(shí)施項(xiàng)目、人員、數(shù)據(jù)全面自動(dòng)化的管理，為什么？自動(dòng)化管理是 AI 行業(yè)里的普遍現(xiàn)象嗎？

崔運(yùn)凱：肯定不是普遍現(xiàn)象，其實(shí)是困擾大家很久的問題。自動(dòng)化過程涉及到各個(gè)任務(wù)節(jié)點(diǎn)的處理，并不是業(yè)界都有這樣的經(jīng)驗(yàn)或者業(yè)務(wù)需求。這對(duì)整個(gè)系統(tǒng)設(shè)計(jì)、架構(gòu)設(shè)計(jì)有很高的要求和挑戰(zhàn)，我們見過和了解這樣的系統(tǒng)，所以知道如何設(shè)計(jì)與使用是最好的。

Graviti 的特別之處在于，我們從一開始就用了大量的全自動(dòng)化工具，來(lái)實(shí)現(xiàn)輔助工作流程的進(jìn)行。

我們會(huì)利用開源工具進(jìn)行個(gè)性化改造，也會(huì)設(shè)計(jì)工作工具，通過不斷求最優(yōu)解優(yōu)化工作效率。正是因?yàn)檫@套工具，疫情對(duì)我們的工作效率幾乎沒有影響，因?yàn)橐磺卸际窃谙到y(tǒng)中進(jìn)行，溝通和協(xié)調(diào)成本是非常低的。

這個(gè)事情業(yè)界能做的人不多，所以我們也會(huì)逐步開源我們自己的工具，幫助更多的人。

尹樂：疫情有影響我們的行業(yè)布局和戰(zhàn)略調(diào)整嗎？我知道你們的業(yè)務(wù)領(lǐng)域最近從汽?拓展到了互聯(lián)?視頻、新零售、醫(yī)療健康、智能制造等，未來(lái)在布局上還會(huì)有什么嘗試？

崔運(yùn)凱：疫情驗(yàn)證了一些趨勢(shì)，讓我們看到物理世界的數(shù)字化和線上化，看到靈活用工、云服務(wù)的可接受度和現(xiàn)實(shí)效益，也看到了更多領(lǐng)域增長(zhǎng)的機(jī)會(huì)。

確實(shí)，我們?cè)瓉?lái)的一些工作計(jì)劃被打亂了，比如我們接觸比較多的汽車行業(yè)，客戶受到影響，預(yù)算肯定也會(huì)受到影響。但這反向也讓我們思考如何及時(shí)做出調(diào)整、適應(yīng)整個(gè)大方向的發(fā)展，在行業(yè)布局上我們已經(jīng)從汽車拓展到了很多其他的領(lǐng)域，包括視頻、零售、醫(yī)療。

Graviti 本身的技術(shù)能力就可以服務(wù)不同種類的客戶。我們會(huì)針對(duì)客戶的業(yè)務(wù)情況做咨詢，很多客戶是做不到明確架構(gòu)需求的，這時(shí)候就需要有人來(lái)從專業(yè)角度做梳理和設(shè)計(jì)，這也是我們服務(wù)的獨(dú)特性所在。

03

如何讓AI觸手可及？

任何技術(shù)都需要普及化才能造福大眾。人工智能新生態(tài)的形成同樣需要各個(gè)成員的參與，才能服務(wù)到每一個(gè)人。

尹樂：隨著人工智能行業(yè)的逐漸成熟，Graviti 的成長(zhǎng)與發(fā)展會(huì)越來(lái)越快。Graviti 的 slogan 是叫做“讓 AI 觸手可及”，你怎么理解這句話？在實(shí)際操作過程中，怎么去落地這句話呢？

崔運(yùn)凱：“讓 AI 觸手可及”是我們公司的愿景。希望通過我們提供的服務(wù)，讓開發(fā)者更快地完成AI應(yīng)用的開發(fā)。

只有更多的人進(jìn)入到這個(gè)領(lǐng)域，去解決不同的問題，有更多的活躍度，我們才能建立一個(gè)更好的社區(qū)，社區(qū)中的人都可以去做新的嘗試和應(yīng)用，然后幫助其他人。那時(shí)候， AI 就可以服務(wù)到每一個(gè)人。

在未來(lái)， AI 的各個(gè)工具一定是會(huì)對(duì)外開放的，我們也會(huì)在一定的時(shí)間點(diǎn)考慮開源部分我們的產(chǎn)品或去做開放平臺(tái)，通過 API 讓更多的人參與到產(chǎn)品的開發(fā)。我們是一個(gè)非常開放的心態(tài)，希望和合作伙伴朋友們一起去營(yíng)造新生態(tài)。

尹樂：沒錯(cuò)，我也會(huì)覺得開源已經(jīng)成為了一個(gè)新的趨勢(shì)，在未來(lái)帶來(lái)的益處肯定是無(wú)可估量的，也能更快地讓技術(shù)大眾化、普及化。最后請(qǐng)運(yùn)凱再分享下你眼中人工智能行業(yè)的未來(lái)會(huì)是什么樣的？

崔運(yùn)凱：實(shí)際上我一直認(rèn)為人工智能分為兩個(gè)部分。

第一個(gè)部分是對(duì)人類知識(shí)的積累，這是一個(gè)結(jié)構(gòu)化的過程，讓更多人把自己的知識(shí)體現(xiàn)出來(lái)。Graviti 是堅(jiān)信知識(shí)積累過程的一家企業(yè)，所以在做系統(tǒng)架構(gòu)的時(shí)候，也會(huì)充分考慮到主動(dòng)學(xué)習(xí)、遷移學(xué)習(xí)的價(jià)值，讓我們的系統(tǒng)變得越來(lái)越聰明。

第二個(gè)部分是用這些知識(shí)去解決一些實(shí)際的問題，比如怎么更好地組織知識(shí)，甚至以一些我們不理解的方式去學(xué)習(xí)這些知識(shí)，再把這些抽象的概念給解釋表達(dá)出來(lái)。

我相信人工智能永遠(yuǎn)是個(gè)工具，而工具是要解決實(shí)際問題的，所以不能本末倒置。
責(zé)任編輯:pj