在《人工智能支撑平台（上）》中提到，人工智能未来发展的重要趋势是出现智能算法的支撑平台。今天智能算法研究中心的黄翰教授将带大家从人工智能（Artificial Intelligence, AI）应用平台的发展现状与痛点来分析AI发展的趋势。
图1 Google Cloud平台logo
目前，人工智能支撑平台在国内外都有不少发展成果。放眼国际，首先不得不提及谷歌旗下的Google Cloud平台。这是一个面向即插即用的AI组件平台，主要提供企业级的共享功能，使用户能以私密的云服务方式来托管AI内容。其中，AI Hub功能可以发现产品结合AI的创新价值，指引产业中各角色进行线上协作，并为新创企业提供不同阶段的辅导，应用十分广泛。虽然Google Cloud已在全球多家企业中落地应用，但类似的服务在国内还未被人们所熟知。
图2 Google Cloud官网（部分）
其次，2014年1月9日，IBM斥资10亿美元组建新部门Watson，而后构建了一个面向商业领域且基于大数据和机器学习的技术平台IBM Watson。该技术平台包含信息分析、自然语言处理和机器学习领域的大量创新技术，能够助力决策者从大量非结构化数据中提取所需信息。如今，IBM Watson已经被超过35个国家和17个产业领域所运用。
图3 2011年IBM Watson 轻松击败两名智力竞赛节目“Jeopardy!”的前冠军
此外，微软公司借助全世界数以亿计用户的Windows桌面和浏览器，通过互联网架构打造了一个新型的云计算平台Microsoft Azure，让Windows实现了由个人电脑（Personal Computer, PC）端到云领域的转型。由于在转型过程中加入了很多与AI相关的元素，因此Azure平台在本质上是一种以Windows终端为支撑的AI支撑平台。
图4 Microsoft Azure平台logo
除了以上由巨头公司开创的AI平台，麻省理工学院计算机科学与人工智能实验室（MIT’s Computer Science and Artificial Intelligence Laboratory, MIT CSAIL）的MIT平台也广为人知，因其以科研为主的特点而在研究人员中广受欢迎。MIT平台不仅涵盖人工智能、机器学习、计算生物学等方向的理论内容，还提供了许多支撑算法接口，以供全世界的科研人员使用。
最后，让我们将目光转向国际组织和不同国家。2013年，欧盟投入10亿美元启动人脑工程（Human Brain Project, HBP）。该项目宣布向用户开放六大信息与通信领域的平台，希望借助计算、神经信息学和人工智能的先进方法研究大脑及其疾病，进而推动类脑计算和神经机器人等领域的创新。2019年，“欧洲联盟人工智能”（AI4EU）项目正式启动，旨在建立欧洲首个人工智能平台并构建欧洲人工智能共同体。但至今为止，这个项目的影响力低于预期，在世界范围内发声不多，网上只能查询到2019年及之前有关项目筹建的信息。
图5 HBP发展计划
德国建立的人工智能支撑平台是一个顶级的人工智能研究机构——德国人工智能研究中心（Deutsches Forschungszentrum für Künstliche Intelligenz GmbH, DFKI）。DFKI的研究主题覆盖了智能工厂、智能生产以及智能物流三个领域，符合“工业4.0”的五大特点——互联、数据、集成、创新、转型。DFKI也为“工业4.0”提供了人工智能的算法支撑。
图6 德国人工智能研究中心（DFKI）logo
日本的Brains Technology公司也提供了一个基于机器学习的实时大数据分析平台，它主要提供对实时数据进行特征分析、算法选择、参数调整等功能，例如分析交通数据、医学数据、日常行为数据、穿戴数据等。如果你开发了一套穿戴式设备，需要对其收集的信息做数据分析，那你可以直接调用该大数据分析平台的服务而不需要自己做新的开发了。
以上介绍的都是国外的AI支撑平台，接下来谈谈国内的AI支撑平台：
（1）华为以云计算为基础，融合新信息与通信技术（Information and Communications Technology, ICT），打造了一个数据与业务协同的敏捷创新平台。华为一直都在构建它的AI生态，同时注重ICT发展，目前在很多地方都建立了集成电路电脑（Integrated Circuit Computer, ICC）研发基地。华为希望该平台以云基础融合ICT，使AI与其主营业务通讯联系起来，并以云服务为基础作为应用的支撑。
图7 华为以云服务为基础实现运营商三类业务的云化
（2）腾讯依托旗下的腾讯AI Lab、腾讯优图开放平台、微信AI等团队把100多项AI功能以API和SDK的方案开放给行业有偿使用。因此，腾讯的AI支撑平台对于行业的支撑是一种商业行为，这是一种永长的支撑。就像阿里云提出的ET大脑，这个产业AI融合了阿里的尖端算法和突破性技术，它先在电子商务领域取得了一些成功经验，然后被推广到其他行业。
图8 阿里云ET城市大脑
（3）百度在2015年以前就已陆续推出AI支撑平台的业务，例如百度大脑、PaddlePaddle深度学习平台等。百度AI开放平台提供大量算法，用户可以下载、购买甚至定制。
图9 百度大脑发布会
（4）科大讯飞主要围绕语音识别、人机交互等功能研发AI开放平台，它的强项是提供开发接口，并把接口覆盖到各个领域。科大讯飞在2018年左右积极进行行业推广，寻找合作伙伴，目前已经基本构建了长期共赢的合作伙伴生态圈。
图10 讯飞开放平台
（5）海康威视的AI开放平台依托大量的图像处理技术，包含视频分析、图像识别等主要功能，可以为用户提供算法定制、数据挖掘等服务。
图11 海康威视AI开放平台
（6）商汤打造了以图像识别视觉为主的AI开放平台，并承担了科技部主导的智能视觉国家新一代人工智能开放创新平台建设任务，这是继百度、阿里云、腾讯、科大讯飞公司之后的第五个国家人工智能开放创新平台。
图12 商汤AI开放平台
通过了解以上国内外AI支撑平台，我们可以发现它们具备一些共同的特点。首先，大多数平台提供的AI支撑都是通过互联网调用在线算法实现的。在上述平台中，除了谷歌提供的Google Cloud有对调用时将对用户的个人业务信息进行加密的描述，其他平台并没有公开说明这一点。虽然现在对业务信息进行加密是一个很常见的技术，但有些用户仍不太放心，还是希望平台能够提供一些局域网或本地的算法服务。
图13 谷歌相册文件加密功能
然而，如果要开展本地算法服务，那么算法对运行环境要求可能过高，同时还有行业的入侵风险。比方说，如果把腾讯、IBM或者微软引进到某个行业，这些公司有可能出现以算法的方式渗透这个行业，产生占用资源的行为。假设某公司用算法来收集数据，公司方可以将这个算法作为一种投资资源渗透到这个领域。因此，一些垂直领域的企业可能会考虑这方面的问题。
此外，算法定制费用昂贵。众所周知，算法是一种高级的软件工具，定制一个特殊软件的费用比较高，如果某个领域需要进行算法定制的场景繁多，费用将更加高昂，不一定所有企业都能承担这笔费用。所以，在行业支撑方面，目前只有一些大型的、资金充足的企业有能力购买定制版的AI服务，很多中小企业都无力承担这笔费用，但仅使用通用版又不一定能满足企业的需求。
因此，依据现有AI支撑平台的特点，黄老师认为这些平台可能面临以下技术难点：
第一，需要具备AI落地方面的丰富经验；
第二，需要具备一些优质的训练数据；
第三，需要具备强大的数据消化力；
第四，需要具备针对不同场景的解决方案。
如果要实现更高质量的AI支撑平台，就必须解决这些技术难点，那么在这个过程中将会有什么样的痛点？首先，AI算法工程师的薪资比较高，一般是普通程序员的两倍以上。例如，前几年一个深度学习的算法工程师在上海平均收入超过20k，一个Java算法工程师的平均收入超过9k，这还是业内偏低的收入，甚至可以说是“白菜价”了！以同增同长的角度看，现在企业聘请AI算法工程师需要增加更多投入，这并非是每个企业都能够承担的。如果你想吃一顿西北菜，但又不想特意去请一个薪资高昂的厨师，那么你可以选择下馆子。同理，当各领域从业人员想开发某个产品却又不想付出较大代价去定制算法时，如果有个平台能够方便地调用、部署或应用算法，并且价格又比较合适，那么业务人员可能很难
心动，由此AI支撑平台也可以对各领域的发展起到一个推动作用。
此外，尽管部分现存的AI支撑平台技术水平较高，但它们的商业化成熟程度并不高，因为整个行业缺少标准。目前AI支撑平台在金融、电商、安防等通用行业应用效果很好，但在体育、陶瓷、珠宝等较为特殊的行业发展比较缓慢。因为通用行业与大多数人的切身利益相关，人们在研发上投入的人力资源和物力资源都较多，而一些特殊行业因为较为小众，没有足够的市场来支撑AI昂贵的研发成本。近年来，一些网红餐厅之所以能快速红遍大江南北，是因为这个产业具备一整套形式化标准，规范融资、上市、加盟等机制，让经营者更加容易实现其目标。如果没有行业标准，让经营者四处搜集厨师以定制每一道菜，那么餐厅是很难做大做强的。发展AI和开餐厅有异曲同工之妙，缺少行业标准是目前AI支撑平台的痛点所在。
最后，由于让消费者接触AI还要考虑场景，一旦场景特殊，就需要培养具备更多领域专业知识的人才，这样的人才在短期内难以得到有效补充，因此AI人才招聘也是一个难题。
总编：黄翰
责任编辑：袁中锦
文字：黄翰、李加利
图片：李加利、袁中锦
校稿：何莉怡
时间：2022年4月23日
