从数据中台到AI中台（干货）

企业对数据的利用有三个阶段：响应运营，响应业务，创造业务。数据中台解决的是响应业务的问题，第三阶段“创造业务”，则需要AI中台。

数据中台的意义

数据中台对一个企业，起着至关重要的作用。在数据中台这个称谓成型之前，各个企业也都在用不同的方式来尽可能地利用数据产生价值。只是在这个过程中，也不得不处理着数据带来的各种问题，比如各个业务系统经年累月以烟囱架构形式存在而导致的数据孤岛、数据隔离、数据不一致等等。因为这些问题实在是过于繁杂，企业开始建立数据团队，或者数据部分开始继续数据整顿工作，因此数据仓库、数据湖、主数据治理等一系列的工作职能应运而生。

人们常说：大中台，小前台。在这种模式下，频繁出现的字眼是：共享。那么，到底共享的是什么？答案便是数据的服务。中台战略，并不是搭建一个数据平台，但是中台的大部分服务都是围绕数据而生，更加巧妙的地方是中台战略让数据在数据平台和业务系统之间形成了一个良性的闭环。于是，数据和业务系统融为了一体。

（图1 数据中台所解决的问题）

过去，数据依赖于手工进行，没有软件；有了数据中台，以功能驱动，固定的数据输入，得到固定的数据输出，构建出能用的服务变得更快速、更加的标准化，解决了业务侧的“能用”问题。但是，如何以固定的输入，以产生更灵活多变的输出，提供比如个性化的服务，做到“好用”，数据中台并没有给出答案。

在建立了数据中台架构之后，我们逐步认识到，原来数据的价值并不只是个运营出个参考的分析报表，做一系列的预算。数据中台为大型企业数据利用最大化提供了一个初始的参照方向。当我们发现，深度学习、机器学习等等一系列技术开始在这个平台下施展拳脚的时候，我们可能已经清晰地认识到：中台并不是数据分析利用的终点。

企业利用数据的三个发展阶段

如果回顾数据分析的历程，可以归纳发现数据利用大概有如下三个阶段：

响应运营

响应业务

创造业务

（图2 企业对数据的利用，有三个发展阶段）

第一阶段：响应运营

第二阶段：响应业务

第三阶段：创造业务

（图3 创造业务阶段，数据中台面临的挑战）

从数据中台到AI中台

什么是AI中台？

数据中台本身还是围绕数据服务来进行的，而非围绕智能服务来进行的。未来的操作系统，一定会越来越个性化，甚至每一个人看到的登录界面都不一样，系统可以根据对应的终端用户自行呈现符合该用户习惯的系统界面。那么对于这样的场景和服务，我们需要怎样的平台？整个软件开发架构和流程是否也都会相应重造？

回到创造业务的需求。以简单的销售业务为例，数据中台提供的服务本质如下图所示：

（图4 软件平台的业务模式）

这是目前最常见的软件平台的运作方式，开发人员开发出了对应的软件服务后，提供给终端用户使用，虽然会有销售售卖该服务。这种方式，好比是拿着一个锤子找钉子，而不是给钉子快速制作一把合适的锤子再去售卖。

能不能这样：将整个软件组装出来的服务，包装成个性化的产品一样去售卖，提供量身定做的服务？那么整个运营模式就变成：平台提供了一种快速构建智能服务的过程，服务售卖者利用这个平台，自己动手构建出服务，拿出去售卖，类似一个提供“智能业务服务的PaaS”。

（图5 引入AI中台的软件平台业务模式）

其次，对于中台使用者来说，将烟囱式模型构建过程改造为可复用的模型构建过程

目前基于数据中台的一个智能服务模型开发来说，流程如下：

（图6 烟囱式模型构建过程）

（图7 可复用的模型构建过程）

首先需要从基础设施层面进行集成。常规的数据中台依赖于大量的CPU和内存，相反，机器学习模型对GPU的依赖反而更高，但是又不能脱离数据中台，因为它依旧需要利用数据中台的存储和计算能力来处理大量的数据。所以如何通过一个接口、一个调度器、一个管道pipeline来集成整个工作流，就成了需要考量的事情了。

AI中台至少应该分为以下几个层级：

（图8 AI中台的架构层次）

在数据中台的基础上，扩展对GPU级别资源的管理和整合能力，调度层提供统一的任务、服务、智能CI/CD等服务，来实现AI中台。这样以来，就可以达到：

结语

数据中台提供的是存储和计算的能力，基于不同的业务场景，构建出了用来支撑不同业务的数据服务，依托于强大的计算力，可以快速缩短获得结果的周期。而AI中台则是将算法模型融入进来构建为服务，让构建算法模型服务，更加快速高效，以更加面向业务。但无论是数据中台还是AI中台，都是一层基础设施，做好基础设施只是第一步，如何让它的价值最大化，还要依托于AI中台不断结合业务来持续优化，做到“持续智能”。

互联互通社区

互联互通社区专注于IT互联网交流与学习，关注公众号：互联互通社区，每日获取最新报告并附带专题内容辅助学习。方案打造与宣讲、架构设计与执行、技术攻坚与培训、数据中台等技术咨询与服务合作请+微信：hulianhutongshequ