AI如何落地企业？UCloud三步走战略：Build,Train,Deploy

【AI科技大本营导读】AI 在经历了一波浪潮之后，走到了最重要的一个环节：落地。传统企业如何搭上 AI 的顺风车，助力企业升级呢？UCloud 实验室研发总监叶理灯认为人工智能落地主要分为三个步骤：一个是 Build搭建，一个是 Train训练，一个是 Deploy部署。

AI火爆原因

2017年人工智能非常火，到底原因是什么呢？UCloud 实验室研发总监叶理灯在一次小型媒体见面会上发表了自己的看法。

第一，AI火爆有一定的前奏，首先是技术上的进步，深度神经网络的提出和计算能力发展带来AI的爆发。

第二，开源框架降低了学习和应用的门槛，例如 TensorFlow 等。

第三，媒体的宣传。2016 年AlphaGO 带来一些平民化的认知，这是人工智能的第三波浪潮。第一波，第二波是 20 世纪 50 年代，70 年代，一波一波地持续推进AI科技发展的进程。

为什么这次AI的话题爆发会这么持久？或者说它的应用离普通百姓比较近呢？叶理灯认为，这一波主要基于深度学习，深度神经网络的发展。

第一，算法的发展。

第二，计算能力提高。云计算，以及芯片硬件的发展，给计算能力提供很好的支持，因此落地比较容易。

第三，资源支持。很多大厂，像谷歌会提出一些开发的框架，比如说 TensorFlow，将人工智能机器学习的门槛降低，使得本次浪潮中在AI实用性上做得比较好。

第四，计算机视觉的成熟。人脸识别，包括 iPhone Face ID等人工智能技术在图像识别上最成熟的应用。

在叶理灯看来，人工智能的发展主要依赖于三个要素：数据；算法；计算能力。

首先是数据。有一个说法叫有多少个人工就有多少个智能。在一波机器学习的浪潮中，从机器学习分类可分为监督学习和非监督学习，90% 有实用意义的机器学习都是监督学习，监督学习意味着训练模型，事先给数据打标签，打标签是一个体力活，数据量越大，数据出来的精度就越高，所以为什么说有多少人工就有多少智能。举个例子来说，鉴黄，假设你要做一个鉴黄模型，鉴别这张图片是黄色的还是性感的还是普通的，需要找很多图，并且一张一张进行人工的标记。

接下来是算法和大量的计算能力。有一个理论叫“火箭理论”，如果把人工智能当火箭的话，那么数据是火箭的原料，计算能力就是引擎，算法就是引擎的控制器。

AI与云计算的关系

为什么说云计算跟人工智能的落地有很大的关系？

首先，随着云计算的发展，很多互联网企业的创业基本上都是在云计算上，因此越来越多的数据是在云计算上产生的，数据的生产和消费都在云计算上。因此，在云计算上做机器学习的训练和 Inference 是非常自然的一件事情。

另外一点，在观察了很多家 AI 公司之后，叶理灯称明确感觉到 AI 分为两波浪潮：上下半场。上半场是很多初创型企业借人工智能浪潮去创业。下半场从去年下半年开始，很多传统行业觉得人工智能对提高生产效率有很大的帮助，他们开始建专门的团队，或者引进有AI能力的公司来帮他们去提高生产效率。举个例子：传统的纺织行业，以前去判断布是否合格，是人工去看的，现在会有专门的算法公司给他们做算法，通过计算机视觉，通过图片去判断布织的是否合格，这明显就提高了效率，降低了人力成本。

同时人工智能跟目前的区块链有点类似，它只是一门技术，它不是一个行业，也就是说这个东西要落地的话，一定要跟行业结合起来，渗透到行业里面去，这才是人工智能的价值所在。

例如，金融领域的算法做的是 Case by Case，这个领域的公司多数不会选择做一个通用的 AI ，因为他们觉得当前这个阶段做通用的AI价值不大，一是每个行业面临的问题是不一样的，没有一套通用的解决方案，第二，他们觉得人工智能一定要从炒概念这一点跳出来，结合行业具体的问题去通过 AI 的算法去解决。

AI落地三步骤

人工智能落地有三个步骤，一个是 Build搭建，一个是 Train训练，一个是 Deploy部署。

Build，是指根据目前遇到的问题去找对应的算法或者定义对应的算法，将算法用到自己的数据中列一个模型出来，这个模型要变成在线服务才能产生价值。比如刚才提到的鉴黄模型，总得放在线上，拿一张新的图片的时候，它变成一个服务，才能去鉴定这个图片到底是色情的还是普通的。

AI落地除了以上三个步骤外，还有很重要的一点，就是AI的系统。企业要把AI落地，其实是要搭建一套AI的系统。每个行业的IT水平参差不齐，有些公司可能去买一些硬件和计算机自己搭一套。对于没有能力自己搭建AI系统的公司，云计算是一个很好的辅助手段。云计算在这方面已经很成熟了，包括基础设施的建设，包括软件架构的建设，可以帮企业去落地。

叶理灯介绍 UCloud 是一个中立的平台，企业宗旨是上不碰应用，下不碰数据。UCloud 专门提供一些易用的 AI 平台，把上述提到的 AI 落地三步骤的后两个步骤包含进来，包括 AI 训练，模型推理。

在合作伙伴合作方面，UCloud与英特尔进行了深度的合作。UCloud采用英特尔至强系列处理器，利用英特尔提供的CPU能力、虚拟化能力、Caffe、针对AVX指令集的优化和针对机器学习的库等等。同时，UCloud和英特尔已经联手提供了很多定制化方案，让用户能够享受到强大性能的产品和高效率服务。

除此之外，UCloud还会去引入 AI 算法公司。目前 UCloud 平台上有8万多家企业，这些企业可能需要 AI 的能力，他们自己没有能力建设的时候，会有专门的 AI 公司提供相应的 AI 能力。这些AI能力中包括OCR 识别（Optical Character Recognition，光学字符识别），比如目前一些快递公司会拍一张快递单，直接把地址抽出来就是 OCR 。

在“ AI 训练”和 “AI 在线推理”上，叶理灯举例称，例如互联网金融P2P行业，为了加快客户的放贷速度，客户会在网站上提供个人资料，包括身份证、以前的信贷记录，此前靠人工去判断。现在UCloud会做一个算法，去识别图片里的文字，再做语义识别，判断这个人的信用到底怎么样。一些拥有自己的算法和模型的AI 公司，可以方便地把AI 模型搬到 UAI-Inference 这个产品上，这样相当于把这个模型变成一个在线服务， UCloud 对外提供接口，系统直接把UCloud的接口迁入他们的系统里面去，加快P2P行业公司的放贷速度。

UCloud服务某“在线论坛”公司。UCloud的AI在线服务给他们做什么呢？UCloud训练模型，这个模型用来识别这个论坛上的用户头像，甄别这个头像到底是不是一个人，如果没有头像会提醒他做什么，有头像的话会识别头像里面的内容，然后给他们推荐相关内容和服务。

叶理灯还在媒体见面会上介绍 UCloud 优势：海量的计算资源，基于英特尔处理器搭建。英特尔产品成本很低，性能很高，同时英特尔也做了很多软件优化工作，包括基于机器学习的特点框架，利用英特尔 Caffe，专门用于计算机视觉的框架，根据他们的指令集做了优化。

举个例子，在识别图片里面文字的时候，如果用未经框架优化的普通的CPU来识别，时间应该是几十秒，但是经过英特尔Caffe框架优化完成之后，变成一秒钟，这个提升是非常大的。