AI 进入工业化进程,百度要用这三大打法,加速智能革命-阿里云开发者社区

开发者社区> 开发者小助手-bz8> 正文

AI 进入工业化进程,百度要用这三大打法,加速智能革命

简介: 8 月 29 日,「ABC SUMMIT 2019 百度云智峰会」在北京国家会议中心举行。百度副总裁、智能云事业群组总经理尹世明一口气发布了 18 大智能计算新品及 7 大场景解决方案,讲述了 6 个典型客户案例,宣布成立了 1 个生态联盟。
+关注继续查看

微信图片_20211201212702.jpg

百度副总裁、智能云事业群组总经理尹世明


如果你认为这场发布会的意义仅限于百度智能云的新品发布和战果汇报,那你可能低估了它。


首先,举办这场发布会的背景不容忽视:第四次工业革命正在中国发生,根据尹世明的推断,这场智能革命正从基础建设阶段跃升到工业化阶段。他认为,在这个阶段,AI 应该走出实验室,大规模走向产业,去解决产业的问题。


作为最先确立 AI 云战略的云服务商,百度智能云希望主导并引领行业进入 AI 工业化新时代。


在百度智能云看来,人工智能的工业化进程需要解决生产力、自动化、协同共享三大难题,而智能计算、智能应用、智能生态是解决上述难题的三大关键元素。


因此,他们全面升级 ABC(AI、大数据、云计算)战略,首提「人工智能工业化公式」——人工智能工业化=(智能计算*智能应用)^智能生态。


微信图片_20211201212706.jpg


根据官方解读,这个公式表示,智能计算和智能应用相互交叉促进,再通过智能生态实现指数级的发展,将实现人工智能的工业化。


通俗一点的说法是,百度智能云要从计算、应用、生态三个维度出发,致力于推动 AI 的大规模、标准化落地/应用。


他们打算如何做到这一点?本文就为大家梳理他们的具体战略和打法。


战略核心:实现 AI 技术自身的工业化生产


在做出 AI 进入工业化阶段的预判后,百度智能云制定了这样的行动战略:「使百度智能云的所有产品和服务都能够帮助实现 AI 工业化规模的扩张和应用」。


尹世明说,战略核心是实现 AI 技术自身的工业化,希望做到工业规模的生产、提供工业化级别的成本、做到工业化规模的切换,进而加速各产业的人工智能化。

什么是 AI 工业化生产?可以理解为,能够在有限时间内完成批量化的生产,比如,几天之内完成几十万张的图片标注,又比如在帮 A 企业做了针对手机外壳的智能质检后,如何快速实现帮 B 企业做手机插头的智能质检。


尹世明坦言,要实现上述目标并不容易,无论是在数据层面、算法层面还是计算层面,都要做很多改进,他们已经着手建立数据体系,完善技术体系。


标注数据对算法的重要性,是不言而喻的。为了实现工业化的数据标注,百度在太原建立了一个数据标注中心,尹世明称,这个数据标注中心非常庞大,众包人员数量达几十万之众。


计算方面,百度智能云的智能计算全景图在发布会现场首次亮相:包含一个智能基础设施(智能计算平台)、六大工程平台(覆盖大数据工程、AI、物联网、云原生、视频云、区块链六大细分领域)及三套实践方法论(互联网架构、数据智能、模型工厂),为人工智能的工业化提供底层技术支撑。

 

微信图片_20211201212709.jpg

百度智能云首次亮相智能计算全景图

    

据介绍,整个智能计算全景图以 ABC(人工智能、大数据、云计算)+ X(如 5G、IoT、区块链等新技术)架构为核心。ABC+X 能够满足开发者们从资源到效率、从云端到边缘、从计算到智能的全栈需求,使开发者无需从零基础开始各种技术积累。

    

官方资料显示,六大工程平台不仅包含各种各样的通用化场景(如语音对话、图像识别)、行业化场景(如智能质检),还提供多形态、多样化的交付方式,提供各种预配置的数据模型和标签。这些平台和交付方式将让整个开发过程简单、易用、高效;其针对特定垂直领域的解决方案,能为企业解决技术环境、开发路径、资源需求等难题。


为了让智能计算平台做到更全场景覆盖,更高弹性算力支持、更高性价比、更安全合规、更易运维,此次发布会上又发布了 18 款新品。比如,针对云端场景发布的百度昆仑云服务器;针对边缘计算场景发布的边缘计算节点 BEC 和边缘 AI 服务器。


微信图片_20211201212712.jpgimage.gif


尹世明称,智能计算方面,他们能提供给行业用户的,除了这些基础设施,还有一系列「面向具体场景的、融合业界最佳业务实践」的六大工程化平台,覆盖大数据工程、AI、物联网、云原生、视频云、区块链六大细分领域,据介绍,这六大平台能为企业解决技术环境、开发路径、资源需求等难题。


官方资料显示,这六大工程平台包含各种各样的通用化场景(如语音对话、图像识别)、行业化场景(如智能质检),还提供多形态、多样化的交付方式,提供各种预配置的数据模型和标签。这些平台和交付方式将让整个开发过程简单、易用、高效。


算法模型层面,百度有深度学习平台飞桨(PaddlePaddle),提供 70+官方模型,并推出全类型的高性能部署和集成方案供开发者使用。此外,尹世明称,他们已经总结出一整套智能化人工智能模型的生产和管理经验,希望把模型的生产和训练规模化、自动化,提高模型的可复用性,加速模型的训练和生产,实现模型全生命周期的系统化管理。


计算与应用相辅相成,智能质检已规模化落地


在百度智能云的设计中,智能计算是基础,智能应用是核心,二者相辅相成。


据称,百度智能云的三类智能应用——视觉智能、对话智能、数据智能——正在全面、规模化地走进产业,促进 AI 工业化。其中,智能质检已经规模化落地,广泛应用于钢铁、电子、汽车等行业。


发布会现场,尹世明连线了精研科技(一家从事精密零部件制造的企业,华为、三星、小米等是其客户),精研科技董事长王明喜展示了他们与百度智能云、微亿智造共同研发设计出的外观缺陷视觉检测设备,该设备应用于精研科技的智能质检车间。

微信图片_20211201212715.jpg

百度云智峰会现场连线精研科技工厂车间


从镜头中可以看到,该设备一闪一闪发着光,王明喜介绍,那是高速照相机在对传送带上的零部件进行拍照,拍完照后,机器会对照片进行识别,产品检测数量以及产品检测结果会实时显示在设备屏幕上,设备还能自动将有缺陷的零件挑出来。


王明喜表示,外观检测始终是中国乃至全球制造业的痛点,实现大规模生产,精准检测是绕不过去的「坎」,而这需要大量人力,并且人容易出错。而这个设备可以做到对每一个产品的 6 个零件面的 33 种缺陷进行检测,准确率高(百度提供数据:将漏检率控制在 0.1% 内),并且有利于减少人力成本。他称,这个设备一小时可以检测 3000 个零件,如果每个工人看三台设备,一小时就可以检验 9000 个零件,远远超过人工检测每小时 2000 个零件。


尹世明称,他曾就「AI 取代人力」与王明喜进行过交流,因为这一问题给工人带来了困扰(工人担心自己有失业风险),王明喜告诉他,大量劳动密集型的工厂正准备外迁至人力成本更低的东南亚国家(比如越南),如果中国制造不升级,就会面临跟东南亚国家的直接竞争。如果使用上 AI,工厂则不会选择外迁。


在尹世明看来,百度智能云的技术不仅帮企业降本增效,同时也防止了制造业产业链的对外转移,更好地保护国家制造产业,提升中国制造业的竞争力。


戴尔也在使用百度智能云的智能质检,戴尔全球供应链负责人黄畅唱表示,他们坚信,这方面的实践能够帮助他们在质量控制、预防性维护、减少上下游之间标准不统一带来的浪费,能够帮助他们的工厂和供应商提升盈利能力;百度智能云为戴尔打造的设备已经初步通过验收,「缺陷检出率和过筛率方面都实现了比较理想的效果」。


「智能质检,我们在制造业里很专业地做这个事儿,把它做到极致。」尹世明说。


紧接着,我抛了一个问题给他,我问他:与几家友商(如阿里云、腾讯云、华为云)的竞争,未来是否会出现各家云服务商在某些垂直领域形成山头的局势?


他表示,各有各的长处。云或者 AI 的市场很大,要说哪家会一家独大,不太现实。「我们也不太去想这些事儿,我们把自己的事儿做好之后就 OK 了。」


做好眼前的事,服务好眼前的客户,不失为一种解决之道。尤其是服务 B 端客户,对这些客户来说,试错成本较高,新技术要获得他们的认可,并不是一件容易的事。如果双方已经有过合作,并且效果不错,那么,再在其他方面展开合作,相对而言,就会更加容易。更何况,工业客户需求多元,AI 的机会很多。


同样的道理,也适用于一些 G 端客户。比如,重庆气象局先是与百度智能云联合打造了「智慧气象」系统,之后又使用百度智能云的技术,推进气候资源向经济资源的转化。


根据重庆气象局局长顾建峰介绍,他们将两小时内的灾害天气的预测准确率提升了 40%,2019 年夏天的灾害天气预警信息发送时间从原来的两小时提升到 9 分钟,帮助市民更早的躲避灾害。


他还称,他们使用百度智能云的技术,将重庆巫山脆李(特色农产品)的单价从 20 元/斤提升到 90 元/斤,以及正在挖掘重庆「养在深闺」的自然山水与三峡的历史文化,以打造三峡国家气象公园。


新的生态需要新的朋友


「新技术出现的时候,原有的生态体系一定需要发生变化,新的生态需要新的朋友一起奋斗。」尹世明表示。


微亿智造 CEO 潘正颐的看法与尹不谋而合,他称,技术本身是非常重要的,但是生态合作也是非常重要的,特别在智能制造这个领域里面,如果不能将 AI 的技术和制造业的行业经验融合在一起,把研发和产品开发融合在一起,项目就没有办法落地。


因此,百度宣布成立 AI 生态联盟——百度产业智能联盟,与合作伙伴共建 AI 落地的智能化生态圈。


微信图片_20211201212721.jpg

百度智能云推出业界首个完整的人工智能生态联盟:百度产业智能联盟


在智能生态圈中,百度给自己的定位是产业引领者,首先由百度先行先试,探索最佳的业务实践,然后将自己的经验分享给合作伙伴,与合作伙伴一起实现样板化,待 AI 在产业中的应用模式成熟后,百度退回平台角色,由行业合作伙伴做具体执行,百度在背后为合作伙伴提供技术与平台支撑。


在百度智能云看来,符合产业发展的智能化生态应该具备以下三个特征:研发、产品、推广一体化,合作各方拥有一致的商业安全保障、高度协同与共享。


实现智能化生态的第一步就是要有数据,将各方数据打通。然而,数据是 AI 时代最昂贵的资产,说服各方拿出数据,其难度可想而知。因此,只有在不同行业成立俱乐部,将有共识的企业聚集起来,进行小范围的智能生态圈探索。比如,智能制造领航俱乐部就聚集了微软、微亿智造、玫瑰塑胶、鲸鱼机器人、冠福控股、北特科技等企业。


「这不是一个很容易的活儿,」尹世明说,「但是必须要干的事。」


几天前的重庆智博会上,李彦宏也提到,过去一年,人工智能从大家津津乐道的那些酷炫的效果变成了一个社会的共识,变成了一个国家战略。下一步要做的,就是推进 AI 在各个产业领域的扎实落地。


尹世明坚信,「理念的第一带来实践的第一。」最后,他再次强调,「ABC 三位一体的结合,智能计算、智能应用的交叉促进,在技术上满足数据融合的要求,让人工智能有了实现工业化的基础和条件。通过生态的运营和运作,我们希望进一步实现指数级的发展,使人工智能真正实现工业化。」


版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
15 年老兵谈阿里云大规模机器学习实践
  近年来,机器学习技术的发展归因于我们有极其庞大的数据用来训练算法。当企业需要落地大规模机器学习时,往往会面临很多难题,如何解决这些问题?如何系统了解大规模机器学习落地的技巧?其适用场景是什么?InfoQ 希望通过该选题解决这些问题,并推动企业在大规模机器学习方面的实践。本文,InfoQ 有幸采访了阿里云机器学习研究员林伟,听他分享自己的经验和见解。
3 0
与数据隐私相关的 AI 关键问题
  本文最初发表在 Towards Data Science 博客,经原作者 Alexandros Zenonos 授权,InfoQ 中文站翻译并分享。   隐私不仅是与人工智能有关的问题,也是任何与数据相关的领域普遍关注的问题。隐私是关于人们对其个人数据和基于这些数据所做的决定的控制。
5 0
如果你有拖延症,程序员不如试试这个技巧提升效率?
  要吃掉一头大象,每次吃一口。   ——克雷顿·艾布拉姆斯(Creighton Abrams)   造成拖延的首要原因之一,同时也是造成生产力低下的祸根,就是总是在感慨一个问题:好忙啊,问题好大啊……实际上,你并没有真正试着去解决问题。当我们从任务的全貌来审视任务的时候,它们看起来比真实情况都要大,并且更吓人。   在本文中,我会谈及一个能够帮助你克服拖延的提高生产力的窍门:分解任务。通过将大任务分解为小任务,你会发现自己更有动力去完成它们,也更加稳妥地向着目标前进。
6 0
DDD 不够好用,你需要学习如何进行弹性软件系统设计
  关键要点   当今的分布式系统环境必须采用弹性软件设计。关键挑战不在于编码,而在于“外围”。做好分布式其实很难,大多数人都严重低估了它的难度。恰当的功能设计是构建健壮的分布式系统的关键,但人们却知之甚少。在公司中引入弹性软件设计的主要挑战是如何建立意识和可持续性。   写这篇文章的起因是我在 2018 年GOTO 柏林大会上所做的演讲,我在演讲中分享了在进行弹性软件设计时会面临哪些挑战。我将简要地介绍弹性软件设计的“why”和“what”,中间部分是我近年来经常遇到的挑战,最后,我添加了一些关于如何在组织中实现弹性软件设计的最佳实践。阅读完本文之后,希望你能够更好地了解弹性软件设计所面
3 0
阿里云ECS使用报告
第一部分:自我介绍 第二部分:怎么使用云服务器的 第三部分:使用感受
4 0
亚信数据新一代PaaS平台是如何炼成的?
  日前,亚信数据发布旗下多款PaaS产品,包括亚信分布式数据库ADB、容器云计算平台HPS、大数据云平台DCP。这三款产品在亚信内部历经了3年的研发投入和攻关,并在客户项目中得到了实践部署。随着这些系列产品的正式亮相,它们共同构建了亚信完整的PaaS平台解决方案,将亚信拥有的大数据、CRM(客户关系管理系统)、BOSS(业务运营支撑系统)以及众多核心能力逐渐服务化、组件化,由该平台统一承载。
4 0
程序员真的是吃青春饭吗?如何面对传说中的 35 岁职业焦虑?
  正走在这条路上的你或许也曾想过这些问题。这一次,力扣邀请到了《高效制胜——程序员面试典型题解》作者吴江(迈克老师),分享他 35 岁跳槽,并拿到了技术负责人 Offer,实现收入增长的故事和面试准备经验。   — 01 —   “35 岁危机”真有那么可怕吗?   在 2018 年快过春节的时候,我们部门突然被通知要开一个会,会上通知我们部门要在明年的这个时候被整体裁掉。我在这家五百强外企已经待了五年,当时虽然有这个预感,但是真的听到正式通知时,不免还是感觉有点震惊。
3 0
使用 Go 语言编写的恶意软件激增 2000%
  近日,网络安全公司 Intezer 发布了 2022 年基于 Go 语言恶意软件的报告。报告指出:恶意软件的开发者已经从 C 和 C++ 逐渐转向 Go 语言,自 2017 年以来,基于 Go 语言的恶意软件数量呈现爆发式增长,增幅超过了 2000%。   自从 2012 年发现了第一个使用 Go 语言编写的恶意软件之后,Go 语言就在恶意软件领域渐渐流行起来了。2019 年 7 月,Palo Alto Networks 发布了一份使用 Go 语言编写的恶意软件分析报告。报告发现,2019 年以前使用 Go 语言编写恶意软件是一件罕见的事情,但到了 2019 年,这种情况每天都会发生,2
3 0
IT运维人员,把握现在展望未来
  近年来,互联网在中国的发展势头迅猛并呈现出广阔前景。根据中国互联网络信息中心报告显示,截至2020年3月,我国网民规模已经达到9.04亿,互联网普及率增至67.0%,超全球平均水平。   互联网强劲发展的背后是整个IT行业的蓬勃。国家统计局发布的2019平均工资数据表明,工资最高的行业是信息传输、软件和信息技术服务业,IT行业从业人员平均年薪已超16万元。
3 0
Keras之父写给年轻程序员的33条忠告
  代码是一种交流方式,Keras 之父 Fran?ois Chollet 在本文中为我们总结了在开发过程中、API 设计中及软件职业生涯中应该关注哪些要点。原则是形式化的直觉,比原始模式识别适用于更广泛的情况,Fran?ois Chollet 的这份原则清单将带你领略大师的品味。
4 0
1616
文章
0
问答
文章排行榜
最热
最新
相关电子书
更多
《2021云上架构与运维峰会演讲合集》
立即下载
《零基础CSS入门教程》
立即下载
《零基础HTML入门教程》
立即下载