從來沒有一個時代,像今天這樣對人工智能的未來充滿樂觀。
在新近的報告中,Gartner預(yù)測到2022年,企業(yè)應(yīng)用AI的平均數(shù)量相對2019年將增長9倍,而到2022年,AI商業(yè)價值將達到3.9萬億美元;Forrester則更為樂觀,其綜合各種市場調(diào)查分析后認(rèn)為到2025年,所有企業(yè)都將使用AI。
可以說,Al項目將在不久的將來蓬勃發(fā)展。
但是,這是針對于AI業(yè)界宏觀趨勢的判斷,對那些真正需要用到AI的企業(yè)來說,選擇什么樣的方式、什么樣的服務(wù)商來獲得AI能力,仍然是一個必須考慮的問題。這其中,對于很多體量較大的企業(yè)而言,自建AI而非購買現(xiàn)成AI服務(wù)成為首要選擇,給從事相關(guān)領(lǐng)域的AI技術(shù)服務(wù)商打開了龐大的商業(yè)空間,而由于涉及數(shù)字化轉(zhuǎn)型升級的戰(zhàn)略動作,牽一發(fā)而動全身,這些企業(yè)選擇服務(wù)商也會更為謹(jǐn)慎。
這時候,一些權(quán)威行業(yè)報告的價值就體現(xiàn)出來。
不久前,F(xiàn)orrester發(fā)布“The Forrester Wave?:Predictive Analytics And Machine Learning In China,Q4 2020”報告,對中國PAML(預(yù)測分析與機器學(xué)習(xí))廠商進行了年度評估。AI主要由機器學(xué)習(xí)(ML)模型組成,這個報告既可以看作行業(yè)層面的盤點,更給予希望選擇正確的PAML解決方案自建AI、提升AI生產(chǎn)力的企業(yè)以權(quán)威的參考。
從這個報告,我們可以看到巨頭競逐下PAML市場行業(yè)格局的巨大變化,以及自建AI龐大的商業(yè)機會背后的獨特挑戰(zhàn)。
自建AI的PAML成為大勢所趨 低門檻、規(guī)?;?、算力優(yōu)化成為三大能力
從玩家分布的格局來看,2020年,服務(wù)自建AI的PAML呈現(xiàn)三大技術(shù)巨頭+一個獨角獸企業(yè)領(lǐng)銜的市場格局,阿里云、華為云、第四范式、百度智能云位居Leaders象限,顯示它們在幫助企業(yè)自建AI這件事上取得了先機:
值得一提的是,這個象限圖的取得,建立在Forrester一整套成熟的指標(biāo)體系基礎(chǔ)之上。
例如,縱軸代表當(dāng)前產(chǎn)品的優(yōu)勢,包括數(shù)據(jù)、建模、協(xié)作、模型評估、模型運營、方法和算法以及平臺基礎(chǔ)設(shè)施等;橫軸則代表面向未來的戰(zhàn)略優(yōu)勢,包括執(zhí)行能力、解決方案路線圖、實施、合作伙伴、價格策略和社區(qū)等;圓圈大小則表示市場地位,其結(jié)果由客戶認(rèn)可度、產(chǎn)品收益評估值及市場認(rèn)知度三大維度得出。
正是由于復(fù)雜、嚴(yán)密的指標(biāo)庫,讓Forrester的各類分析報告得到市場廣泛認(rèn)可。
同時,報告中指出,中國數(shù)字經(jīng)濟正在蓬勃發(fā)展,企業(yè)選擇正確的PAML產(chǎn)品可幫助企業(yè)快速、規(guī)?;瘶?gòu)建AI應(yīng)用,提高企業(yè)生產(chǎn)力。
因此,F(xiàn)orrester報告中,也著重總結(jié)了PAML產(chǎn)品所應(yīng)具備的三大能力:
1、可為不同的團隊簡化模型開發(fā)
隨著企業(yè)業(yè)務(wù)的不斷發(fā)展,AI應(yīng)用場景也將從幾個擴展至數(shù)千個。為此,PAML產(chǎn)品應(yīng)當(dāng)具備適合不同團隊和角色的模型開發(fā)能力。PAML需要友好的可視化界面來開發(fā)AI模型;側(cè)重代碼的數(shù)據(jù)科學(xué)團隊需要可覆蓋整個模型開發(fā)生命周期的完整、集成的獨立開發(fā)環(huán)境;不具備深厚ML知識的商業(yè)用戶則需要特性齊全的自動機器學(xué)習(xí)(AutoML)能力來提高ML生產(chǎn)效率。
2、可快速大規(guī)模地部署機器學(xué)習(xí)模型
構(gòu)建ML模型只是起點,為實現(xiàn)業(yè)務(wù)效益,公司必須將模型部署到生產(chǎn)應(yīng)用中,并對其進行監(jiān)督管理。PAML需要具備從開發(fā)系統(tǒng)到生產(chǎn)系統(tǒng)的模型部署能力,以業(yè)務(wù)友好的方式監(jiān)督ML模型性能,管理ML模型并確保部門間協(xié)同合作,使用新數(shù)據(jù)對在線ML模型進行再訓(xùn)練以防性能下降。
3、可利用分布式和混合架構(gòu)加速訓(xùn)練和推理
在模型訓(xùn)練過程中,會涉及大量參數(shù)運算,從而加重計算基礎(chǔ)設(shè)施的負(fù)擔(dān)。PAML應(yīng)幫助企業(yè)有效地將訓(xùn)練工作量分配到分布式架構(gòu)中,以減少開發(fā)人員的等待時間。此外,模型推理會直接決定客戶體驗,為滿足推理需求并符合隱私規(guī)定,PAML應(yīng)提供混合架構(gòu),便于跨云、數(shù)據(jù)中心和邊緣部署模型。
搶占企業(yè)自建AI的藍海,PAML玩家還面臨三大挑戰(zhàn)
藍海的風(fēng)浪不來自于同行的競爭,客戶的需求決定著玩家能否走得更穩(wěn)、更遠(yuǎn),當(dāng)下的自建AI市場也是如此。
從客戶需求的角度出發(fā),結(jié)合Forrester報告的一些洞察,我們能得到當(dāng)下PAML賽道上的玩家面臨的三大挑戰(zhàn),這些挑戰(zhàn),是后進者必須思考的問題。反過來看,也正是有效應(yīng)對了這些挑戰(zhàn),阿里云、華為云、第四范式、百度智能云才能位居Leaders象限,或者,從另一個角度看,第四范式這個獨角獸才能與巨頭們坐在一起。
1、技術(shù)層面,能力無限高,但門檻要無限低
企業(yè)對AI技術(shù)發(fā)揮的價值的索取肯定是沒有上限的,AI建模必須足夠優(yōu)質(zhì),因此自建AI是一件十分需要“技術(shù)含量”的事,如果拋開外部的服務(wù)平臺,它們自己來做一般需要由AI專家來完成,在AI人才緊缺的大背景下,這是一件非常昂貴的事,有著很高的資源投入門檻。
因此,作為外部技術(shù)服務(wù)商,PAML玩家進場賦能,既需要提供足夠的技術(shù)能力,也不能讓自建AI這件事變得很高門檻。按Forrester在報告中的表述,具備優(yōu)勢的企業(yè)必須“可為不同的團隊簡化模型開發(fā)”、“賦予數(shù)據(jù)工程師、科學(xué)家、商務(wù)人士和應(yīng)用程序開發(fā)人員更多的能力”——這本身也是AI大范圍在企業(yè)普及的一種必然和必要。
這方面,頭部象限的阿里云等玩家都為客戶提供了系統(tǒng)化的工具平臺,在保證技術(shù)深度的同時降低門檻如何讓業(yè)務(wù)人員達到AI專家的能力呢?Forrester在報告中提到,自動機器學(xué)習(xí)(AutoML)應(yīng)該是破局之道。AutoML簡單來說,是一種讓AI建模自動化的過程,因此大幅降低了AI應(yīng)用門檻。目前,各大廠商都在PAML廠商中加入了AutoML能力。但第四范式的AutoML因為在縮短數(shù)據(jù)準(zhǔn)備周期、通過超高維算法提高模型性能、持續(xù)優(yōu)化模型等技術(shù)、功能上的簡化,受到了Forrester以及第四范式客戶等多方的青睞。在報告中,第四范式的受訪客戶表示,AutoML在某些場景中,可以和數(shù)據(jù)科學(xué)家一樣出色,同時也對第四范式ML項目管理和安全特性感到滿意。
用AI造AI專家,或是下一步自建AI的玩法之一,但它本身對技術(shù)的需求又高了一個層級。
2、應(yīng)用層面,深入場景的落地性才能讓自建AI的價值成立
企業(yè)自建AI的最終目的是為了提升業(yè)務(wù)表現(xiàn),無論什么樣超前的技術(shù)、精細(xì)化的建模,都需要落地到場景方案當(dāng)中去。
一個優(yōu)質(zhì)的、得到市場廣泛認(rèn)可的PAML廠商,肯定都手握了大量場景實踐,這些落地是它們技術(shù)服務(wù)能力的唯一最終衡量標(biāo)準(zhǔn)。
阿里云、華為云、百度云憑借云計算的市場表現(xiàn),以及AI上云的趨勢,在自建AI領(lǐng)域有著天然的實踐落地優(yōu)勢,它們一旦上線PAML就能馬上得到客戶認(rèn)可并不意外。而第四范式這個早在2014年就創(chuàng)立、普通人很少聽過名字的AI平臺與技術(shù)服務(wù)提供商,它能在PAML領(lǐng)域獲得的認(rèn)可,與推動企業(yè)自建AI落地到廣泛的場景實踐有直接關(guān)系。
中國90%的持卡人背后享受的交易智能化保護,都有第四范式服務(wù)的影子,其服務(wù)的金融機構(gòu)資產(chǎn)總規(guī)模超過50萬億;此外,肯德基每一筆訂單背后的智能計算(智能推薦等),也源自第四范式的服務(wù);疫情期間CDC與工信部的AI抗疫方案,也是這家公司在背后提供支持。
大眾市場對To B技術(shù)服務(wù)商的陌生是正常的,阿里云、華為云、第四范式、百度智能云等等在服務(wù)企業(yè)AI能力這件事上已經(jīng)有著廣泛的布局,這本身即是自建AI的競爭壁壘,根據(jù)公開資料顯示,即便“不太為人所知”的第四范式,也已經(jīng)在金融、零售、制造、醫(yī)療、能源、互聯(lián)網(wǎng)等領(lǐng)域成功落地上萬個AI應(yīng)用,頭部客戶包括工商銀行、交通銀行、招商銀行、中石油、華油能源、百勝中國、永輝超市、百威、來伊份、美素佳兒、人民日報、瑞金醫(yī)院等等。
3、統(tǒng)合推進層面,自建AI不只有技術(shù)服務(wù)更需要系統(tǒng)化提升
在To B服務(wù)領(lǐng)域,一個趨勢越來越明顯,即服務(wù)方不再僅限于提供某一個模塊的技術(shù)服務(wù),而轉(zhuǎn)向整體提升客戶企業(yè)的業(yè)務(wù)能力。除了商業(yè)機會的考慮,核心服務(wù)內(nèi)容必須依賴企業(yè)其他配套能力的提升才能實現(xiàn)更好的落地。
服務(wù)自建AI也是如此,PAML供應(yīng)商即便提供了高技術(shù)水準(zhǔn)、低門檻、擁有廣泛場景實踐支撐的解決方案,也需要客戶企業(yè)在業(yè)務(wù)條線、數(shù)據(jù)邏輯、系統(tǒng)整合、人才培養(yǎng)等方面進行適配,才能讓自建AI更好地產(chǎn)生應(yīng)用、創(chuàng)造場景落地價值。
按Forrester報告中的說法,這是大規(guī)模部署層面“從開發(fā)系統(tǒng)到生產(chǎn)系統(tǒng)的模型部署管道,以業(yè)務(wù)友好的方式監(jiān)督ML模型性能,管理ML模型并確保部門間AI團隊能協(xié)同合作”。
最后,回過頭來看,盡管頭部象限的幾個玩家應(yīng)對這些挑戰(zhàn)都做得還不錯,但挑戰(zhàn)并沒有結(jié)束,它們將是一個持續(xù)的過程,誰能最終獲得客戶更多的認(rèn)可、獲得市場的青睞,還需要更多時間的驗證。。
自建AI一片向好 但市場紛爭仍充滿未知
在Forrester的另一份相關(guān)領(lǐng)域的報告中,可以發(fā)現(xiàn)越來越多的企業(yè)開始重視自建AI能力,受訪企業(yè)意愿比例從25%提升到了42%:
與此對應(yīng)的是,一些可以幫助企業(yè)自建AI能力的核心AI技術(shù),如在通用性上占有優(yōu)勢的平臺型AI技術(shù)、可降低自建AI門檻的自動化機器學(xué)習(xí)(AutoML),成為企業(yè)優(yōu)先投資的技術(shù)點:
這個趨勢在中國企業(yè)身上也有具體體現(xiàn),第四范式就透露其重要客戶某頭部金融機構(gòu)未來兩年計劃將AI機器學(xué)習(xí)項目增加5倍。
市場越大,就意味著競爭越慘烈。
可以發(fā)現(xiàn),在2020年的Forrester象限圖中,一個巨頭的表現(xiàn)似乎并不佳——騰訊云“屈居”第二象限,且市場表現(xiàn)較為一般。
是騰訊云真的不行嗎?事實上,騰訊云剛剛發(fā)力PAML的時間并不久,到報告調(diào)研截止時間前,市場還沒有給予這個快速發(fā)展的云計算巨頭充分的展示機會。
這提醒我們,既然從2018年到2020年,PAML市場格局可以發(fā)生如此大的變化,那么2020年的市場格局也必然不是“穩(wěn)態(tài)”的,它也只是快速發(fā)展過程中的一個截面罷了。
未來,像騰訊云這樣的玩家會走向何方,誰也不知道,這也是自建AI領(lǐng)域有充分的市場活力的表現(xiàn)——每一個玩家面臨的都是一個不確定性的未來。
但是,這種不確定性中,有一點是可以確定的,能夠更好地應(yīng)對技術(shù)、應(yīng)用到統(tǒng)合推進三個維度的挑戰(zhàn)的玩家,會占據(jù)優(yōu)勢。
而對于那些非頭部的PAML玩家,又該如何在未來的競爭中站穩(wěn)腳跟呢?
從2018年到2020年,F(xiàn)orrester的報告所采用的嚴(yán)密指標(biāo)體系也進行了一些適應(yīng)性調(diào)整,這種調(diào)整一定程度上代表著自建AI的一些細(xì)化的趨勢變化。
例如,強調(diào)了推理優(yōu)化、邊緣計算支持等,顯示物聯(lián)網(wǎng)邊緣計算在自建AI能力中地位的提升;
增加了創(chuàng)建基于PAML模型的應(yīng)用、利用PAML模型創(chuàng)建業(yè)務(wù)工作流的評價等,表達自建AI落地性需求的增加;
建議數(shù)據(jù)關(guān)系、自動數(shù)據(jù)統(tǒng)計分析指標(biāo),反映“決策型AI”成為自建AI的重要趨勢;
強化模型驗證以及解釋評價,表明很多企業(yè)開始關(guān)注自建AI過程中模型的可解釋性問題,這可能主要發(fā)生在金融領(lǐng)域?qū)弦?guī)的需求上……
在更明顯的意愿面前,自建AI的需求開始往深度走,除了帶動市場格局的顛覆式變化,也催生出一系列具體的細(xì)化趨勢,而對這些“小趨勢”的契合未來或成為客戶是否會選擇某家PAML平臺的重要因素。
責(zé)任編輯:PSY
-
AI
+關(guān)注
關(guān)注
87文章
28876瀏覽量
266218 -
人工智能
+關(guān)注
關(guān)注
1787文章
46061瀏覽量
234985 -
能力
+關(guān)注
關(guān)注
0文章
5瀏覽量
14659 -
規(guī)模
+關(guān)注
關(guān)注
0文章
2瀏覽量
1424
發(fā)布評論請先 登錄
相關(guān)推薦
評論