給現實深情擁抱，向產業洪流奔跑：華為雲AI的2020_風聞
脑极体-脑极体官方账号-从技术协同到产业革命，从智能密钥到已知尽头2021-01-18 19:30
時間回到2017年，在AlphaGO戰勝柯潔之後，AI技術到底能帶來哪些現實價值成為全球共同關注的重點。在密集的產業研討與調查報告之後，基於AI這門技術，產業及行業很快形成了一個共識：AI的價值在於與各行業、各企業結合，在產業層面廣泛激活生產力。
比如在當時，全球著名諮詢公司TCS發佈了《人工智能正在怎樣提升全球公司的表現》研究報告，報告認為全球84%的公司將AI視為競爭力的關鍵要素，並認為在2020年持續保持AI優勢對大部分公司非常重要。這項報告甚至在當年產出了一個金句：未來只有兩種公司，有人工智能的和不賺錢的。
雖然報告中預測的2020年已經過去，但我們身邊的企業應用AI程度顯然不如那些美好的預期。從理想到現實，AI翻躍產業化裂谷，擁抱現實之路並不是一帆風順。
幸運的是，同樣在2020年，我們看到AI技術落地產業體系，擁抱行業需求有了全新的進境。開發工具大規模升級、新的產業方向被提出和實現、大量行業踏出了產業智能化的第一步。在2020年這個不平凡年份中，AI落地給千行百業構築的世界增添了一份重要活力。
AI產業化與產業AI化的進程中，華為雲AI始終是一道不容忽視的風景。從率先提出企業智能方向，到推出一站式AI開發平台……與業界其他技術解決方案相比，華為雲AI所做的每一件事都緊緊圍繞着一個字——“用”。
而在2020年，華為雲AI的“用”得到了持續放大：工具能用，行業可用，技術方案被廣泛應用。回望2020，我們可以將華為雲AI想象成一個人，他的大腦中裝着AI核心技術，而雙手擁抱廣袤的現實世界，雙腳朝向產業智能化不停奔跑。
華為雲AI的2020，是這一年中產業智能化進程的代表，也是智能世界與現實交融的縮影。
三年一個目標：讓AI落進現實
18世紀中期，歐洲各國舉辦了大量的機械博覽。但這些博覽會更像是名流與學者的社交工具，而不是各行業中真實存在的生產力。隨着機械生產能力的提升，零件標準化、規模化開始推進，工業機械的成本降低，機械逐漸走向了工廠、碼頭、礦山，工業革命才真正崛起。
如今的AI技術也面臨着同樣需要從“博覽會”走向“工廠”的問題。2018年，世界經濟論壇主席施瓦格教授提出人類第四次科技革命會是以人工智能、清潔能源、機器人技術為主的全新技術革命。這個宏大目標下，AI不會自己從實驗室跳到工廠去，而是需要一條清晰明確的AI通向企業、走向行業之路。
華為雲AI就誕生在這樣的產業洞察下——AI技術的落地，主要需解決三個問題：商業成本可控、能夠大規模複製、行業的差異化需求可以被滿足。
在2018全聯接大會上，華為正式發佈了全棧全場景AI解決方案，打造了從底層AI芯片、AI框架到應用使能的能力。而基於此面向政府、企業與開發者的輸出提供的全棧AI解決方案，就是華為雲AI。
發佈三年以來，華為雲AI始終堅持三個原則向前推進：
1、 打造高度自動化、智能化、能滿足產業需求的工具平台；
2、 與行業特性、行業需求深度結合，提供真實有用的AI解決方案；
3、 關注AI與企業結合的可持續發展性，確保用户長期構築AI優勢。
來到2020年，圍繞AI落地的核心目標，EI來到了第三年的關鍵變革期。這一年裏，華為雲AI為產業帶來了兩個核心變化的同時，在基礎技術與產業實踐上不斷推進。
這就是我們所説的，華為雲AI的2020，是一次擁抱和堅持奔跑。
左手支撐開發：ModelArts，工具升維
無論是AI擁抱企業，還是企業擁抱智能化，都離不開基礎開發工具的支撐。在深度學習興起階段，開發框架是主要的開發工具。而在產業AI開啓時，僅僅依靠框架的侷限性突顯了出來。於是，產業對產業化、一站式開發工具的期待開始出現。
基於此，華為雲在2018年發佈了一站式AI開發平台ModelArts，以此應對大規模AI開發中出現的模型開發週期長、數據預處理成本高等問題，創新實現了全生命週期加速與智能化的模型預處理。
而在2020年的新產業階段，AI落地出現了與行業需求深度結合、能夠實現更高階工業級AI模型開發的全新需求，對自動化與智能化AI開發工具的呼喚全面升級。
面向這一趨勢，華為雲AI在2020年擁抱AI產業化的左手，就是接連升級了ModelArts平台，實現了AI產業化開發的全面工具升維。
2020年3月，在華為開發者大會2020（Cloud）期間，華為雲正式發佈全球首款企業級AI應用開發專業套件ModelArts Pro，通過預先了解和內化行業需求、行業知識形成垂直工具流的方式，全面加速了具體行業的AI開發進度，實現了AI開發的高度集成化與前置化。
根據IDC發佈《中國AI雲服務市場（2020上半年）跟蹤》報告，華為雲ModelArts位居機器學習公有云服務中國市場份額第一位。報告分析認為，華為雲一站式AI開發平台ModelArts在行業用户中的主動提及率非常高；而根據Forrester發佈的《The Forrester Wave™: Predictive Analytics And Machine Learning In China, Q4 2020》報告，華為雲憑藉領先的技術實力和產品性能、前瞻性戰略位列報告“領導者(Leaders)”象限。Forrester評價稱，華為雲提供全棧預測分析和機器學習（PAML）解決方案，是企業在公有云、本地、邊緣複雜部署場景下的理想選擇。
至此，AI開發工具完成了從框架走向應用的第二次關鍵蜕變，從應用型走向了強應用、產業級的全新時代。而在AI開發工具不斷升級的同時，華為雲AI也在讓AI基礎技術更好的融入行業。
右手擁抱行業：知識計算，技術落地
通往第三代人工智能之路是將知識驅動與數據驅動相結合的全新路徑，利用知識、數據、算法和算力四大核心要素，構造更強大的 AI。因此AI在持續與行業深度融合的同時，正逐漸形成一種以行業知識體系為底座，以AI應用為目的的全新技術方法。這就是華為雲AI在2020年推動的另一項關鍵變革：知識計算。
在現實的生產與商業運作中，各個行業都凝結了大量專屬知識。知識計算通過一系列AI技術對這些知識進行抽取與再表達，然後協同行業數據進行計算，以此產生精度更高、行業應用性更強的AI模型。這種方式跨越了以往的技術體系，實現了AI從行業中來，再回到行業中去，是一種既要懂AI，又必須瞭解行業，知識驅動與數據驅動的融合技術路徑構建。
華為雲AI推動的知識計算變革，回答了AI產業化中的核心問題：行業學習AI的同時，AI有沒有可能瞭解行業，再給出可複製，可規模化應用的產業路徑？
2020，是知識計算作為一個新物種的興起之年，也是AI擁抱行業的全新拐點。
向強應用型AI奔跑：基礎技術與產業實踐交織
從ModelArts的升級與知識計算的發佈，不難看出華為雲AI在2020年啓動的核心變局，在於將三年來的應用性AI路線升級，實現AI與行業深度結合、支撐產業級開發部署的強應用型AI。而在兩大關鍵變革之外，華為雲AI還在源源不斷實踐着向強應用的奔跑。這條路上，基礎技術研究與產業實踐進展就是華為雲AI的雙腳。
2020年，華為雲AI在基礎研究領域更加堅定有序，面向產業化AI的方向更加集中；而產業實踐在廣泛拓展，完成了大量超越過往邊界的行業合作。基礎技術有目的性的縱深發展，產業實踐無區隔的廣泛佈局，構成了華為雲AI 2020的獨特足跡。
2020年3月，IEEE Fellow田奇開始擔任華為雲人工智能領域首席科學家，主導華為雲人工智能領域技術規劃和提供技術支撐。田奇教授的到來，將華為雲的AI基礎技術研究能力持續加強。在基礎技術方向上，華為雲AI框定了計算機視覺、決策優化、語音語義，三條與現實應用最強相關的路作為研究方向。可以看到，華為計算視覺團隊近兩年發表的計算機視覺三大頂會CVPR、ICCV、ECCV論文數量進入世界第一梯隊，為華為雲AI在AI計算機視覺方向提供了國際領先的技術支持。
此外，華為雲語音語義Lab和華為雲EI創新孵化Lab等也在語音語義、知識計算、醫療AI等領域持續創新，推動研究成果技術落地。
基於華為雲AI工業智能體，智能配煤方案將配煤工藝機理模型+AI數據驅動的方法結合，得以搜索更優化的配煤方案。目前該解決方案可以幫助石橫特鋼實現焦炭質量預測準確率超過97%，達成每噸焦炭生產用煤成本降低15元左右。
杭雲深處科技有限公司應用華為雲ModelArts給“絕影”系列機器狗帶來了更強的AI能力。可以實現機器狗實時感知現場環境，具備複雜的行進路徑規劃和動作能力，守護工廠園區的安全。
而在生物工程領域，華為雲與中科院北京基因組所韓大力教授團隊合作，通過知識計算，將DNA羥甲基數據和經過大量研究實驗積累的基因知識圖譜進行整合計算，更加準確地識別出血液中的關鍵生物標記物，將早期診斷的準確性提升了9個百分點，有助於對食道癌患者的早期發現。
通觀2020年，華為雲AI集成了三年來AI落地的核心目標，持續推進基礎技術研究與產業實踐雙底座發展。同時又在大量合作經驗、產業洞察、基礎儲備的基礎上，將產業AI應用推向了全新階段，讓AI深度擁抱現實。
知識計算新路徑的打開與ModelArts 3.0的升級，推動了AI與核心生產部門、深度行業需求的融合，AI的強應用時代由此拉開了帷幕。
2021年，會是AI產業化與產業AI化的融合之年，AI技術正在成為雲計算市場上的核心決定力量。AI的技術涓滴正在變成產業洪流，鉅變將啓，百業同鳴。