ai普及化技术展示（AI颠覆生产力谁来颠覆AI）

2020年8月，来自远方的朋友蒙古国向中国送来了30000只羊，新闻一出，立上热搜，与之一同上热搜的还有阿里云的“数羊”算法，他们表示，愿意提供“通道数羊”和“大栏数羊”两种AI算法来解决羊儿们数量清点的老大难题。

异曲同工的是，近期，某农场的奶牛们也体验了一把来自人工智能开发服务商“共达地”AI算法的服务。

该农场通过共达地搭建的AI视觉算法快速成功实现对奶牛的整体养殖状况的高效监管。这时，人们发现，一些AI算法应用于养殖业、畜牧业的新闻报道也频繁地出现在他们手机的资讯栏中。

AI的应用落地变得更接地气了。

是什么造就了这一改变，让AI颠覆生产力的变革力量开始真正落到千行百业？

《大学》有言：“物有本末，事有始终。知所先后，则近道矣”，AI行业生产力的爆发，或许要从溯源其初——算法的变革开始。

01

一场奶牛的AI精细化管理体验课背后

算法的变革指什么？简言之，就是将算法的产出者由“人”向“机器”转移，这也是共达地正在做的事情。

他们是怎么做的？

我们或许可以从奶牛AI精细化管理体验课中一探究竟。

在这场课堂中，共达地发现，他们服务的畜牧企业在全国拥有上千处牧场，每个牧场都有大量的牛棚需要进行检测管理，而管理手段主要依赖于人力巡查，为了提升牧场的管理效率和质量、监管奶牛的整体养殖状况，这家企业将希望寄托在了AI视觉算法。

但在耗费大量时间寻找相适用的算法过程中，他们发现，智慧牧场场景仅归属于AI算法应用的一小细分垂直领域，很难有直接“拿即可用”的算法匹配；而如若提出“定制化需求”，让厂商组织人力研发适配AI算法，又则需要较长的周期，成本也将一路攀升，最后的效果亦无法预知。

对于共达地而言，他们恰有能力解开上述的困境，有别于传统厂商先有算法，再去与客户碎片化的场景需求进行艰难配适的“AI ”模式，共达地采用了依托于核心AutoML技术的自动化训练平台，可根据具体需求定制相关算法的“ AI”模式，能以极短周期满足企业丰富多样的个性化算法需求，节省企业相关时间与成本。

在牧场这一垂直场景中，通过快速运用AutoML自动化训练平台，接通牧场的监控录像进行数据提取和标注，共达地仅用3天时间便完成了基础数据采集和标注工作，随后又在数小时内便完成AI能力的建构，并颇有成效。

共达地开发的算法在牧场的应用

通过精确监控、精准喷淋和上报草垛问题，针对性地满足了该牧场所有细节上的需求，减少重复繁杂的每日巡视检测与管理流程。

而这一切的背后，离不开AutoML技术。

如何理解AutoML技术？

从字面意思来看，AutoML，即Automated Machine Learning，是自动化 机器学习的结合体，换言之AutoML想要做到的，就是让AI去学习AI，从而减少人工的参与，让机器完成更复杂繁琐的工作。

打一个比喻，如果说软件行业是软件吞噬世界、无代码吞噬软件，那么对于AI来说便是，AI颠覆世界，AutoML颠覆AI。

追溯其发展，谷歌于2017年的I/O大会上首次公布了名为 “AutoML” 的项目，他们将 AutoML 应用到了深度学习的图像识别和语言建模两大板块，旨在自动化设计深度学习软件最难的部分之一——为神经网络选择正确的架构将，之后，机器学习自动化的产品浪潮愈演愈烈，17年底，微软也发布了CustomVision.AI，涵盖图像、视频、文本和语音等各个领域；2018年，国内也出现了不少相关产品，如百度的EasyDL等。

随后，2020年，带着“让每一家公司都能成为AI公司”的愿景，望通过依托于核心AutoML技术的自动化训练平台与千行百业拉开AI大规模商用落地的帷幕，共达地成立。

为何要做这件事情？

02

AI 3.0时代，用AI生产AI

共达地VP张任奇告诉朋湖，AI概念自提出后的一段漫长的时期内都处于完成AI工程化的1.0时代，这时的AI渗透率极低，行业从业者多以AI相关的高学历研究人员为主，研究的AI落地场景也较为单一，算法数量更是屈指可数并且交付周期往往以年为单位，周期长成本亦十分高昂，往往在千万级别。

在前几年，AI进入了“AI方案化”的2.0时代，AI应用场景变得丰富起来，越来越多的AI企业能提出具体场景的完整解决方案，AI算法数量亦得到飞跃发展，交付周期也缩短至以季度为单位，同时，单个模型的应用成本下降至十万至百万级别，商用性大大提升。

他讲道，现阶段AI正迎来3.0时代，这一时代阶段的特点是AI的产品化，AI算法的生产将迎来由“人”向“AI”转移的大变革，即基于AutoML技术打造的一个可视化的“无代码”开放平台，让没有AI技术背景的产品经理、业务人员等企业角色，能够以零代码的方式生产AI算法，从而让算法的生产效率大幅提升以应对超大规模应用场景中数以十万计的算法需求，并实现以周为单位的快速交付。

共达地完成AI开发流程的简化与全自动化

被誉为“二战后最具影响力的一位以英文写作的哲学家”托马斯·库恩曾在《科学革命的结构》(The Structure of Scientific Revolutions)（1962）中提出“范式”的概念。

张任奇强调，对于AI算法领域而言亦需要这么一场“范式”转变：让算法的生产者交于AI，解放AI算法工程师生产力，走向AI算法端到端的全流程自动化开发。

他表示，这一“范式”转变的背后来自现实行业需求。

回顾历史，经历了三次寒冬的AI当下已走过市场教育阶段，人们对AI解放生产力，赋能千行百业的变革力量已具有清醒认知，但现实中，认知并不约同于感知，在很长的一段时间里，“AI的落地需要精力更需要财力”才是数千万企业的深刻感受。

中小企业更是在AI的采用上有更多的顾虑，持以观望的态度，顾虑的背后成本、技术、人才无一不是限制AI技术应用落地的考量因素。据了解，据今年2月人社部发布的《新职业——人工智能工程技术人员就业景气现状分析报告》测算，我国人工智能人才目前缺口超500万，与之相对应的是市场上“AI人才高薪抢夺战”：AI算法工程师平均起薪超过3.2万元，开发工程师平均起薪达到3.2万。

还有这么一组数据，工业和信息化部数据显示，截至2021年末，全国企业的数量达到4842万户，增长1.7倍，其中99%以上都是中小企业。

可以说，只有让这99%以上的中小企业都能用得起AI算法，AI才能够实现真正的大规模落地。

此外，这亦是面向超大规模精细化的未来AI需求必须要做的事情。张任奇讲道，就拿计算机视觉领域而言，90%的市场增长来源于人脸识别、非机动车识别、OCR识别这三大领域。而在这TOP3领域外的其余计算机视觉算法与市场需求，尚处于待开发的状态。

但是，一个成熟算法的生产需要耗费一支15人算法团队数月时间，成本高、周期长，这导致目前AI市场上，算法生产能力无法适应日益规模化、多元化、碎片化的AI算法市场需求。

于是，解放AI算法工程师的生产力、低成本且高效率的AI算法生成成为了关键，这也是共达地正在做的事情：让AI技术真正“飞入寻常百姓家”，不再是镜花水月一场空。

据朋湖了解，共达地自主打造的“AutoML自动化AI训练平台”目前已在三四百个场景中实现应用落地，此外，视觉领域99%的算法需求，其都可以在一周内完成商用交付。

此外，经过2年的迭代打磨，共达地的自动化训练平台当下也走到了3.0版本。

本月初，作为业界首个商用AutoML自动化AI训练平台“GDDi自动化AI训练平台3.0”在2022世界人工智能大会（WAIC）上首次亮相，吸引了不少观众驻留体验，朋湖记者也在现场实地操作了一番。

在现场，张任奇告诉朋湖，这是一个可供“小白”使用的专业AI算法训练平台，能以0代码的方式，供非专业人员在数小时内，通过简单三个步骤，从0到1完成一个可商用的算法的训练，此外，能够一键部署，实时互动，检验算法精度，从而助力人工智能技术的大规模、工程化落地。

2022年8月12日，科技部等6部门印发《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》。3天后，科技部发布《关于支持建设新一代人工智能示范应用场景的通知》，启动支持建设新一代人工智能示范应用场景，发布了智慧农场、智能港口、智能矿山、智能工厂等首批支持的10大应用场景。

AI的大规模应用落地已势在必行，张任奇强调，共达地的定位便是做AI产业的“加速器”，让“AI技术赋能千行百业”不再是空中楼阁，变得触手可及。

当然，这一目标的实现并非一蹴而就，他表示，当下整个市场仍处于市场教育阶段，就共达地自身而言，自2020年成立以来，前两年是处于打磨产品、市场验证的阶段，今年开始则是着力于行业生态的构建，通过面向行业上下游提供底层能力，达成“一百万家企业都成为AI服务商”的愿景，他期待坚信，整个行业也将迎来大规模爆发的阶段。

,