AI工程化：各家的AI平台、AI中台架构图

中台的概念

AI 中台是用来构建大规模智能服务的基础设施，是一套完整的人工智能模型全生命周期管理平台和服务体系，提供模型设计训练、模型/算法库、复用标注管理、模型监控服务等能力支持。AI中台旨在让企业业务前台可以短兵作战、小步快跑、降低试错成本，更便捷地借助AI加速业务创新。

美军最小作战单位由二战的军进化到后来的营，再到阿富汗战争时，几人或十几人的极小班排就可以挺进前方一线，就是因为后方有非常强大的导弹指挥系统。这可能是对“大中台，小前台”最通俗的比喻。

AI中台意义

机器学习的工作流程异常复杂、耗时，这些流程包括数据准备、选择、优化机器学习框架和算法、设置训练环境、训练并调优模型、在部署和监控模型等等。
如果把算法工程师和数据科学家比作大厨，那么要做出一道美味的菜肴（一个能在企业生存环境中应用的算法模型），他们90%以上的时间都要花在“捡柴火、搭灶台、铸铁锅”这些自身并不擅长的工程搭建环节。
AI中台为开发者提供了一套完备的“中央厨房”，内置了丰富的各类厨具、设备和食材半成品（机器学习服务和预置的算法），开发者无需自己搭建厨房，只要自带食材（训练数据）就可以做菜（训练模型）了。

各平台共同的一些特点

• 强调数据安全，隔离
• 云、端、边都方便部署
• 对主流开源深度学习框架的支持和优化

阿里的飞天AI平台

从架构上来看，飞天平台从底层框架到解决方案层主要有三层：

• 云边端一体的高性能训练和推理引擎框架，包括 Alink、MNN、XDL、SQLFLOW、PAI TensorFlow、PAI Blade、Elastic DL等；
• PAI机器学习平台：包括轻量级 AI 开发平台、AI大数据系统协同开发平台、AI 推理服务平台；
• 解决方案层：面向智能语音、视觉图像、自然语言处理、自动驾驶等领域

百度EasyDL平台

EasyDL是百度大脑推出的定制化AI训练及服务平台，支持面向各行各业有定制AI需求的企业用户及开发者使用。支持从数据管理与数据标注、模型训练、模型部署一站式AI开发流程，通过原始图片、文本、音频、视频类数据经过EasyDL加工、学习、部署可发布为公有云API、设备端SDK、本地化部署及软硬一体产品。

Amazon SageMaker

Amazon SageMaker 是一项完全托管的服务，可以帮助开发人员和数据科学家快速构建、训练和部署机器学习 (ML) 模型。SageMaker 完全消除了机器学习过程中每个步骤的繁重工作，让开发高质量模型变得更加轻松。

极视角AI平台

特点：兼容各类AI框架/训练可视化/测试报告自动生成/开发与数据物理隔离/多租户资源共享/业务需求统一发布管理