基础、数据、开发、部署，AI 时代企业的全方位升级

 

 

当“AI+”的趋势无可回避，企业领导者们需要比过往更认真地思考，如何适应全新的AI时代和其所代表的未来发展趋势。

 

头图来源 | 视觉中国

 

当AI成为基础设施

眼下，已经没有企业的领导者会将AI排除在企业未来长期的发展规划之外。

要求快速接纳创新技术的压力一方面来自于企业运营逻辑的根本变化，在数据重要性显著提升的当下，数据可收集、可寻址与可分析的现状让企业的所有部门都成为了效率部门，背负在各大部门上的ROI压力使它们必须密切关注人工智能技术的发展；另一方面，在经过数十年的稳健发展后，人工智能已经从实验室走向大部分的商业实务场景，落地决策场景带来的显著效率提升，也让企业高层们难以回避“AI+”的趋势。当然，除了这些核心因素之外，政府、新闻媒体与社会舆论对人工智能的追捧也成为了这一进程的催化剂。

AI成为了引导整个社会正常运行的基础设施，这句话可能是形容当前情况的合适注脚。但是，人工智能近年来的快速发展也让企业不能只限于喊喊口号这么简单，让人工智能真正赋能公司的全链实际上关乎着企业的未来想象空间。

 

对于任何一家企业而言，要想实现“AI+”的远景大概能够分出四个步骤：基础、数据、开发与部署。首先，在基础层面要确保企业的整体文化足以接纳AI的技术演进理念，并在人才团队组建等方面为后续技术的发展提供支持；其次，对于数据这一信息时代的石油来说，它的获取、存储、处理和管理成为公司眼前亟需解决的问题；随后，基于数据的建模与算法开发能力决定了人工智能对公司未来助益的大小；最后，对算力、算法与数据进行合理且高效地部署，将与公司的长远发展密切相关。

简单来说，现实境况迫使着企业必须迈入AI旅程，但这个过程注定不会轻松。事实上，如果我们回望历史，就会发现几次工业革命在让一些公司脱颖而出的同时、也令其他公司黯然退出商业舞台。这中间的决定因素首先在于企业的领导者是否提前感知到变化即将发生，其次在于他们是否能够采取正确的步骤开启企业的变革之路。

 

从基础到数据，夯实基础

越来越多的观察者们开始发现，虽然AI对整个社会的重要性愈益提升，但它在不同行业中的发展进程却不同频。例如互联网金融、广告营销等行业中的人工智能技术应用就已成熟，而这源于这些领域为AI提供了厚实的基础，譬如潜藏着大量的商业利益、规模十分庞大的数据量以及能够实现的即时结果反馈。

对于企业高管来说，在部署AI技术之前，首先需要考虑的问题就是“基础”二字，其主要体现在两个层面：第一，我是否在企业文化和架构上做好了应对AI时代的准备；第二，我是否为AI时代的到来贮备了丰富的“燃料”。

企业在作为商业组织之前，首先它是一个“组织”，组织本身就意味着一群人要在同一目标的感召下具有凝聚力地完成目标。因此，在发展人工智能技术之前首先确保获得每个人的支持对于取得长远成功至关重要，而在企业内部培养数据驱动型文化成为了获得支持的有力手段。

当企业内部明确目标并在此基础上构建起合适的方法之后，数据这个“燃料”就显得至关重要。在数据获取阶段，针对不同的场景搭配不同的解决方案成为常态，例如对于需要分布式计算与内存的场景（如网络安全监控）就需要低功耗、高性能的方案，这时轻型英特尔锐炬显卡就能够满足所需；而在数据量不断增长的情况下，出色的可扩展性就成为就成为企业的需求，选择至强可扩展处理器和傲腾数据中心级固态盘就相对明智。

在随后的数据准备、分析和行动阶段，类似这样根据场景的差异性选择不同解决方案，同样应该成为企业高层采取行动的标准。比如在数据分析上，英特尔的数据平面开发套件能够帮助企业加速数据包的处理，OpenVINO可以助益人眼视觉的应用，数学核心函数库（MKL）则能针对未来的英特尔处理器事半功倍地优化代码。相较于其他的技术解决方案供应商，Intel多年深耕AI+商业落地场景所积累的经验，帮助其拥有更多的技术储备实力，从而能够更好地解决企业AI转型的问题。

 

当面对场景丰富、规模不小的技术工具时，企业“选购”和搭配组合更具针对性的解决方案成为必需。

以中通快递为例，不计其数的包裹、22000个服务网点和68个分拣中心都将产生大量数据，规划合适的物流路线势必需要存储和调取量级庞大的数据。这时，第二代英特尔至强可扩展处理器和英特尔傲腾数据中心级持久内存成为了中通的选择。对于中通而言，选择一个更加可靠的合作伙伴显然至关重要，毕竟当AI技术日益重要，企业对其的投资即是长期投资。如果无法确保稳定的合作关系和技术支撑，那对处于转型期的企业而言无疑意味着风险。在这一解决方案的加持下，中通建立起了足以应对复杂情况的高度敏捷且响应迅速的技术基础设施。

 

从开发到部署，提升实力

在拥有良好的企业文化和流畅的数据流通管道之后，建模与算法则决定了后续AI是否能够帮助企业切实解决实际的商业问题。

对于寻求在现有基础设施上开发全栈分析或深度学习解决方案的数据科学家，英特尔提供了大量优化后的框架、工具与服务来协助他们简化开发流程，并且更快满足有关性能和准确度的要求。其中就包括了前述OpenVINO、数学核心函数库以及TensorFlow开源深度学习框架等，这些工具的提供帮助企业节省了从头开始研发AI技术所必需付出的团队建设成本和时间消耗，让企业有条件快速实现向“AI+”的转型。

 

而在最后，企业还不得不考虑有关部署的问题，这个问题尤其在5G时代来临的情况下将变得更为关键。5G所具有的高传输速率和低时延特点，将让物联网（IoT）时代真正到来，部分联网的边缘设备将面临着分布式数据存储与分析的需求。这时，通过怎样的部署形式使得人工智能所带来的效率提升最大化，便成为企业与英特尔这样的技术供应商协力合作的领域。

例如如果计划在边缘运行人工智能来分析视频素材，这时就需要优先考虑低延迟、高性能计算和专为边缘提供支持的大容量持久内存；另外，如果在云中训练算法，而后在本地运行迭代，这时也需要配置兼容的环境让必要的程序在平台间实现无缝切换。

总而言之，伴随着本地、私有云和公有云中的数据库和应用激增，企业在拥有更多选择的同时，也要对自身最终的选择小心翼翼。选择怎样的硬件和软件解决方案，直接关乎着AI技术在不同场景下的延展与持续应用的能力。

事实上，当人工智能技术的发展不断深化，这时企业转型“AI+”时就需要考虑更多的实务操作问题。其中不仅包括如何构建合理的数据驱动型文化加速变革，也涵盖强大技术基础设施的配合与支撑。

 

在这一进程中，英特尔既在软件层面上推出了以Analytics Zoo等为代表的软件工具，也提供了类似第二代至强可扩展处理器这样的硬件设备——据估算，借助英特尔的深度学习加速技术，人工智能的推理速度可提高至30倍之多。考虑到人工智能长期持续的自我学习能力，眼下推理速度上呈现的30倍提升，对于企业未来的AI转型意义重大。借助英特尔在AI技术上的持续精进，企业便能有能力始终站在技术和业务发展的前沿。

换言之，当“AI+”的趋势无可回避，企业领导者们需要比过往更认真地思考，如何适应全新的AI时代和其所代表的未来发展趋势。这时，英特尔提供的多样化解决方案或许就成为了帮助企业迅速完成转型的利器之一。