百度智能云為何是“適合跑AI的雲”？_風聞

7月29日的智能經濟高峯論壇上，百度CTO王海峯在致辭中提到了這樣一個觀點：“百度智能雲的雲，不僅為數字化轉型提供安全穩定彈性靈活的雲計算服務，同時也是適合跑AI的雲。”

按照中國信通院在《中國數字經濟發展白皮書》中給出的數據，2020年中國的數字經濟規模達到39.2億元，佔GDP比重進一步提升至38.6％，同時數字經濟的年增速為9.7％，幾乎是GDP增速的3.2倍多。

宏觀經濟的增長態勢，預示着中國已經逐步進入智能經濟的時代，也在某種程度上解釋了百度對於智能經濟的“執念”。只是百度智能雲被貼上“適合跑AI”的標籤，所聚焦的恐怕不僅僅是智能經濟的大環境。

01 知易行難的智能化

智能經濟的誘人前景似乎已無需贅述，僅僅是在過去兩三年時間裏，交通、金融、工業、能源、媒體等行業頻頻和人工智能融合，給出了一個又一個行業智能化升級的新思路、新解法、新案例。

可將視角進一步深入到產業一線，看到的卻是另一幅景象：當前向智能化轉型的企業主要集中在行業裏的金字塔尖，大多數位於腰部和尾部的企業，對於智能化探索仍舊有些“畏手畏腳”。

箇中原因離不開新技術應用的一條鐵律，即產業化爆發需要滿足三個前提條件：為企業降低成本、為企業增加效益、為企業尋找創新的機會。然而現實中許多企業被擋在了智能化的初始階段，在智能應用的開發環節就被“勸退”。

首當其衝的是人工智能落地的場景化定製。

根據波士頓諮詢的調研報告顯示，市場上86%的需求為定製AI需求，很難靠通用的AI模型滿足所有企業的需求，也就需要企業根據自身的實際需求進行定製開發，涉及到數據採集、數據預處理、數據標註、模型訓練、模型評估、模型部署等一系列流程。在AI優秀人才相對匱乏，且對模型精度和開發效率的要求越來越高的局面下，模型開發業已成為亟待解決的棘手問題。

何況AI應用還是一個非常消耗資源的過程。

不管是模型的訓練還是推理，都需要大量的算力資源，以至於出現了兩個典型的算力瓶頸：一是算力的異構化，針對不同的計算場景需要CPU、GPU以及各種領域內的定製芯片；二是部署的分佈式，在落地過程中大量計算分佈在數據中心和邊緣端。結果就是，企業想要邁出智能化轉型的第一步，必須在算力資源上進行大量的基礎投入，並且隨着數據和模型不斷增加。

近乎苛刻的進入門檻，讓智能化轉型成了一項高成本、高消耗的工程，無形中將許多企業拒之門外。

鑑於智能化轉型知易行難的現狀，坊間也出現了不少解決思路。比如有人將AI落地細分為應用場景、資源與基礎設施、算法和模型、智能設備、數據等五個要素，提倡對五個要素進行解耦，讓一個要素相對其他幾個要素變得更加透明；Gartner將“AI工程化”列為2021年度九大重要戰略科技趨勢之一，以工程化的技術來解決模型開發、部署、管理、預測等AI應用落地的問題。

02 百度智能雲的打法

2020年末的百度雲智峯會上，百度CTO王海峯提出了“雲智一體”的戰略，也是“雲與AI”深度融合的思路在過去幾年中不斷被市場驗證後，百度智能雲力圖破解各行各業智能化轉型問題的新打法。

在國內第一梯隊的雲廠商中，百度智能雲有兩個相對特殊的背景：早在2010年前後，百度就開始圍繞人工智能佈局，彼時雲計算在國內還方興未艾；百度自身的智能化轉型也屬於場景先行，對人工智能在產業融合中存在的問題有着深刻的理解。

折射到雲計算的戰場上，百度智能雲摸索出的方向是“以雲計算為基礎，以人工智能為引擎，雲智一體賦能千行百業”，並在“雲智一體”的獨特優勢下，對“雲”和“智”進行了充分融合與特殊調優。

比如百度智能雲率先提出了AI原生的理念，將雲計算從傳統IT、雲原生帶入AI原生階段，在算力層面提供面向AI場景的彈性高性能的異構算力，在應用開發層面提供面向AI應用場景的一系列低門檻開發平台；同時將百度成熟的AI能力沉澱為AI中台、知識中台等智能化中台，實現了數據處理、模型建立、決策部署等流程的自動化……

剛剛結束的智能經濟高峯論壇上，百度智能雲從戰略，架構、產品和生態方面進行了四大升級，“雲智一體“正式進階到了2.0階段。其中最為矚目的莫過於AI異構計算平台百度百舸，在太行計算和滄海存儲的能力基礎上，構建了存算一體、軟硬一體、雲邊一體的AI開發基礎設施，包括AI計算、AI存儲、AI容器三層，在一些場景下訓練速度比傳統算力提升了4倍以上，推理效率也較傳統算力提升了數倍。

由於AI開發是一個系統性工程，百度智能雲的另一個重心在於AI開發平台。基於百度自研的產業級開源深度學習平台飛槳，百度智能雲推出了飛槳企業版，涵蓋針對AI應用開發者的零門檻AI開發平台EasyDL和麪向AI算法開發者的全功能AI開發平台BML，前者5分鐘即可上手，最快10分鐘完成模型訓練；後者提供了豐富的建模方式、預置模式方式、可視化建模等輔助工具。

做一個總結的話，百度智能雲的打法並不難理解，主要解決了企業智能化轉型中的兩個核心訴求：一個是高性能、高性價比、高利用率的“雲”，消除了企業的算力負擔；另一個是高質量、高精度、高易用的“智”，打破了企業的開發門檻。

03 被驗證的“雲智效應”

百度智能雲的打法像是一場開創性的化學實驗，通過算力和數據的原生化、開發和服務的普惠化，將“雲”和“智”從簡單的疊加，轉向AI作為“催化劑”的深度融合，進而上演了一場無限可能的“雲智效應”。

這個過程和計算機在上世紀90年代的進化非常相似：雲和智分離的AI開發等同於計算機的DOS時代，只有少數開發者才能操作；雲智一體就像是Windows系統的出現，普通用户藉助鍵盤和鼠標就能玩轉，專業開發者也能開發出更有趣的應用，可以説是人工智能進入大生產階段的必要一環。

市場上發生的一幕幕驗證了百度智能雲戰略的正確性，產業智能化的星星之火漸漸有了燎原之勢。

在工業領域，一家化纖企業藉助百度智能雲打造了AI全檢測樣機，檢測能力比原先的設備提升了50%；一家電力企業在百度智能雲的幫助下，用攝像頭和機器人替代了線路巡檢工人，變電站工作人員的巡視工作量下降了40%；

在金融領域，百度智能雲的“數字員工”陸續進入多家銀行，為客户提供7x24小時自動化、智能化、個性化的服務；同時人工智能還滲透到營銷環節中，憑藉智能化的分析和運營能力，打造了尋客-觸客-落客-留客的全鏈條服務；

在醫療領域，愛爾眼科接入了百度智能雲的圖像識別能力，可以自動識別20多種眼底疾病，準確率達90%；百度智能云為湖北省的基層醫院提供輔助診療服務，目前已經為4000種疾病診療提供輔助決策支持，準確率高達94%；

在體育領域，百度智能云為國家跳水隊研發了“3D+AI”跳水訓練系統，利用3D+AI技術對跳水運動員的訓練視頻進行分析摘要、動作提取、姿勢糾正等等，訓練效率提升了20%，指導效率提升了25%，為體育訓練帶來了新的可能……

其實類似的案例還有很多，目前百度智能雲已經對外開放了330多項AI能力，支持500多個應用場景，涵蓋40萬個AI模型，覆蓋了360萬開發者，培養了超過100萬AI人才，深度賦能13萬家企事業單位……通過“適合跑AI的雲”驅動人工智能在潛移默化中走進社會生產生活的方方面面。

而將這些案例做一個橫向比較的話，不難看到這樣一個趨勢：很多客户最初只是單點的智能化探索，嚐到了甜頭後逐步在一個業務場景中垂直深化，一些頭部企業甚至開始向多個業務場景、業務流程各個環節的全面升級，智能化升級的自然路徑已經被跑通。

04 結語

“適合跑AI的雲”既是百度智能雲的差異化戰略，也為人工智能的規模化應用落地給出了新的註解。

正如百度CTO王海峯在演講中提到的：“我們希望以百度智能云為紐帶，聯合技術和產業生態夥伴，通過開源開放平台降低AI 開發的門檻，加快人工智能在傳統產業融入的速度與效率，幫助越來越多行業大步快跑，加入產業智能化的大潮。”

雲計算作為人工智能輸出到千行萬業的最佳途徑，所肩負的不僅僅是算力的供給，還需要降低AI落地的門檻，降低客户和開發者的使用成本，提升人工智能的開發效率，為企業找到在“雲”上不斷生長的可能。

至少就這一點而言，“雲智一體”的百度智能雲已經給出了正確的示範。