订阅
纠错
加入自媒体

“AI后浪”愈涌愈烈 机器学习开发平台广阔蓝海待挖掘

2020-07-02 15:30
智能制造网
关注

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。

声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号