毫不客氣地說，人工智能（AI）和機器學習（ML）已然“滲透”到了各行各業(yè)，企業(yè)們期待通過機器學習基礎(chǔ)架構(gòu)平臺，以推動人工智能在業(yè)務(wù)中的利用。在機器學習加快推進的過程中，卻是有喜也有憂。

近日，國際數(shù)據(jù)公司（IDC）發(fā)布了《中國人工智能軟件及應(yīng)用（2019下半年）跟蹤》報告。據(jù)該報告顯示，中國機器學習開發(fā)平臺市場2019年市場規(guī)模達2.05億美元。

機器學習開發(fā)平臺的部署，包括數(shù)據(jù)獲取、數(shù)據(jù)準備、模型訓練、應(yīng)用程序集成、模型運維、生產(chǎn)監(jiān)控以及有明確KPI的業(yè)務(wù)治理過程。在這個過程中，由框架、算法模型、開發(fā)語言等各種工具賦能，由數(shù)據(jù)科學家、業(yè)務(wù)分析師、數(shù)據(jù)架構(gòu)師和專業(yè)人員協(xié)作，基于數(shù)據(jù)建模，不斷的進行概念驗證，將好的模型部署到生產(chǎn)環(huán)境，協(xié)作以管理模型運維的全生命周期。

算力不斷提升、算法模型創(chuàng)新、開源技術(shù)發(fā)展、廠商加大投入，已經(jīng)成為了機器學習產(chǎn)業(yè)實現(xiàn)快速發(fā)展的重要驅(qū)動力。其中，算力的提升，對于AI技術(shù)的進步與成熟、相關(guān)智能產(chǎn)業(yè)的應(yīng)用模式創(chuàng)新等，無疑提供了強大的支撐。

受益于加速計算技術(shù)的不斷突破，機器學習、深度學習模型訓練和推理速度持續(xù)提升，加快推動了AI應(yīng)用產(chǎn)業(yè)化的進程。從廠商情況來看，2020年GTC、英偉達發(fā)布了將算力再度提升數(shù)十倍的安培架構(gòu)的A100 GPU。此外，Intel華為昇騰系列，Xilinx Alveo系列、寒武紀等也在特定領(lǐng)域為AI負載提供加速能力。

單就商業(yè)化機器學習開發(fā)平臺而言，2018年包括硬軟服在內(nèi)的中國機器學習市場達到10億元人民幣，預(yù)計2018-2023年五年復(fù)合增長率將達到62.0%。當前的機器學習開發(fā)平臺基本可以提供30種以上的經(jīng)典機器學習算法，且基本已支持TensorFlow、PyTorch、Caffe等主流框架。不僅是深度學習、機器學習，圖算法也開始走向市場，現(xiàn)階段應(yīng)用十分普及的是經(jīng)典機器學習。

從市場空間來看，對于還沒有成熟的AI軟件產(chǎn)品的領(lǐng)域，機器學習、深度學習開發(fā)平臺建設(shè)將成為一大趨勢，相關(guān)頭部廠商將借助已有的軟件、硬件、系統(tǒng)等技術(shù)優(yōu)勢，致力于為行業(yè)系統(tǒng)性機器學習體系的完善與健全貢獻更大力量。

雖然機器學習是“顯學”，但其發(fā)展還是存在不少阻力，其一，人工智能、機器學習等知識相對高深，相應(yīng)的，掌握這些知識的人也就比較少，因此，各行業(yè)發(fā)展對于機器學習、圖像識別等的人才十分迫切。

此外，機器學習的部署實施其實是一項非常復(fù)雜的工作。例如，對數(shù)據(jù)進行可視化、轉(zhuǎn)換和預(yù)處理，算法的優(yōu)化、模型的訓練，而所有這些工作都需要大量的專業(yè)知識，并耗費龐大的算力、數(shù)據(jù)存儲和時間成本。在較短的時間內(nèi)，要達到相當?shù)臋C器學習部署和推進能力實屬不易。

機器學習平臺底層，可以簡單地理解成是把數(shù)據(jù)治理、算法與算力合在一起，第四范式叫之為先知平臺。它既是一種科技平臺，也是產(chǎn)品研發(fā)系統(tǒng)。它的目標是能夠有更好的企業(yè)級適配效果，更大的延展性和更強的計算水平。在先知平臺獲得突破，已經(jīng)成為許多企業(yè)的目標。