财报首次公布AI开放平台数据,百度要用AI驱动B端?

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介: 财报首次公布AI开放平台数据,百度要用AI驱动B端?

2月22日,百度公布2018年第四季度及全年未经审计的财务报告,数据显示,第四季度百度营收272亿元人民币,同比增长22%,超出华尔街预期;净利润21亿元;2018年总营收达到1,023亿人民币。


image.png


本季度财报一大亮点是,AI开放平台数据被首次被加入,从相关信息可以看出,百度正在强化在B端市场的存在,且核心理念是用AI来驱动B端业务发展。

百度AI开放平台首次在财报中露脸

第四季度财报显示,已有超过100万开发者接入百度AI开放平台,使用语音识别、图像识别与自然语言处理等AI能力。百度AI开放平台已经形成了从深度学习框架、深度学习实训平台、通用AI能力、定制化训练平台、软硬一体模组到整体解决方案的全栈式开放能力,推动AI商业化进程。截至目前,百度大脑通过AI开放平台对外开放158项技术和能力,开发者接入百度云就能轻松地应用AI技术。

从第四季度财报来看,基于百度大脑,依托百度云,百度AI开放平台已经成为业内最成熟的综合AI开放平台。百度在财报中首次公布数据,正是因为100万开发者这个数值得一说。放在任何开放平台,百万开发者都是一个庞大的数据。深层次来看,百度在财报中强调这一数据则体现出其通过AI撬动B端市场的野心。


image.png


2018年是中国互联网行业的分水岭,在消费互联网进入存量时代后,巨头们从竞相逐鹿C端市场纷纷转型B/C两手抓的模式,其中腾讯进行七年来最大的架构调整,成立CSIG事业群,启动产业互联网战略;阿里将阿里云事业群升级为阿里云智能事业群,成立新零售技术事业群;百度将ABC智能云事业部升级为智能云事业群组(ACG),同时承载人工智能toB业务和云业务。在第四季度财报中,百度管理层也多次强调了对B端市场的重视。

比如百度董事长兼 CEO 李彦宏表示:

“2018年对百度来说是关键的一年,我们将人工智能应用从搜索拓展到更多业务领域,如信息流、语音助手、AI解决方案和自动驾驶,让更多用户、客户和合作伙伴从百度的人工智能技术和应用中受益。”

再比如百度 CFO 余正钧表示:

“百度业务正在由移动互联网向智能家居、智能交通、云和自动驾驶多元化拓展,并将坚定持续地投资。我们希望看到这些投资结出硕果,并在未来几年持续推动百度的收入增长。”

虽然跟阿里腾讯一样,百度对B端市场日益重视,不过百度思路却最为不同,强调AI驱动B端服务,或者说面向B端市场做AI能力输出,只有百度。

百度如何用AI驱动B端业务?

现在行业都在谈产业互联网,百度和阿里虽然没有明说,实际上却早已在B端市场纵深布局,身体力行。产业互联网的本质是什么?行业定义很多,然而一言以蔽之,无非是用新技术帮助传统产品升级换代,实现价值重塑。新技术又是什么?互联网+时代最重要的是互联网技术,如WEB、App、在线订单等等在线技术。产业互联网时代,最重要的就是ABCI技术,即AI、大数据、云计算和IoT,而大数据、云计算和IoT技术都不是孤立的,而是与AI技术互相协同,所以我认为,产业互联网最重要的就是产业AI,或者说AI产业化。

百度如何用AI驱动B端业务,或者说如何做好智能产业互联网?第四季度财报已经给出答案。

百度财报显示,DuerOS已成为中国最普及的智能语音助手,截至2018年12月,搭载 DuerOS 的智能设备激活量超过2亿台,环比上涨45%;语音交互达16亿次,并连续八个季度实现每季度数据翻倍;Apollo则是最大的智能汽车开放平台,合作伙伴也已超过135家;百度云推出了开源计算平台 OpenEdge,让智能设备在终端侧拥有边缘计算AI能力,包括智能家居设备、可穿戴设备以及其他物联网设备。

不论是DuerOS、Apollo还是百度云OpenEdge,其底层都是AI技术:DuerOS是智能语音技术,Apollo则整合了机器视觉、智能决策、高精地图、智能语音等AI技术;OpenEdge则是终端侧AI平台。百度在B端已形成完整的全链条能力:不只是提供云计算服务,同时整合各项AI能力;不只是在云端提供服务,同时在边缘侧提供终端AI能力;不只是提供算法,还提供芯片、传感器等能力;不只是提供基础AI技术,还提供语音、视觉、决策、人脸等上层AI能力。


image.png


在百度庞杂的B端技术服务体系中,AI均扮演关键角色。

首先,不论是自动驾驶、智能语音还是智能边缘计算,底层都是AI技术。

其次,百度AI技术的优势成为百度做B端业务的核心竞争力,是百度做B端服务的“长板”。百度是中国最具工程师气质的互联网公司,正是因为此百度成为最早战略布局AI的互联网巨头,三年前就已成功转型为AI公司,“技术立身”的背景让其AI技术基础特别是算法优势十分明显。基于此,百度基于AI技术来做B端服务,不论是语音、视觉等基础AI,还是智能驾驶、智能家居等不同产业,抑或是云计算、AI芯片等不同形式的能力输出,都有独特优势。

再次,百度AI技术很强,通过B端输出模式,就可以实现AI商业化落地。正如我此前所言,科技巨头到最后走能力输出模式,技术输出的核心价值有三点:1、变相获取场景以及场景背后的用户、客户和数据,巨头不可能什么场景都自己做,什么需求都自己满足;2、让自己研发的核心技术更多地得到使用,就可以分摊前期大量的技术投入成本;3、可以形成商业模式获取真金白银,百度AI商业化落地也可以形成规模收入。

最后,百度云/Apollo/DuerOS等商业化开放平台在各个行业获取各类开发者,本质上在获取场景,以及场景背后的数据。数据和场景反过来可以反哺AI技术,让百度大脑更好地学习数据和适配场景,最终不断进化,AI技术的长板会变得更长,形成正循环。

因此我们可以看到,百度做B端技术服务的基础和优势就是AI技术,反过来,通过向B端各个产业、场景和开发者开放AI能力,百度可以进一步强化AI技术优势。

BAT齐聚B端市场百度战法清晰

2019年,科技巨头是否要做B端市场已经不是问题,怎么做,才是问题。

在B端市场,有人认为百度后知后觉,实际上这是大错特错的。早在2014年的百度联盟峰会上,李彦宏就提出过一个观点:中国互联网下一波机会是企业级软件,他认为:“未来科技发展将与大数据有很大关系,如果把新的企业软件和新的大数据结合,再引用人工智能等技术,未来几年将有非常好的发展前景。”今天来看,这说的就是产业互联网或者B端市场的本质,然而在四年前,这样的看法还是很有前瞻性的。

李彦宏也不只是说说而言,而是一直在布局,百度是中国最早做云计算的公司,百度也是中国最早布局大数据和将AI技术开放的公司。2018年底开年百度又将ABC智能云事业部升级为智能云事业群组(ACG),让AI、大数据和云计算技术一起结合且开放给B端。


image.png


不只是百度认识到做B端市场的基础是AI技术,要将ABC技术融合,阿里巴巴和腾讯也都有类似的技术架构,腾讯明确了ABC的概念,成立了技术委员会,整合此前分散在各个事业群的AI和数据资源,与云计算业务协同。阿里云是最大公有云平台,同时十分重视大数据和AI技术,一边推出了千亿元投入的达摩院计划挖人做基础技术,一边面向各个行业推出ET大脑抢占商业场景。

虽然大家都意识到做B端市场AI不可或缺,但百度AI技术是最强的——这一点在业内已有共识。百度不只是布局AI早,AI技术强,也更擅长于整合不同部门的技术和数据资源。

早在2017年百度就成立了AIG(AI技术平台体系),整合百度研究院等多个基础AI技术部门包括NLP、KG、Speech、Big Data等在内的百度核心技术,百度今年初成立的ACG则负责将百度AIG的AI技术商业化出来。


AIG负责技术储备,并通过技术开放和开发者生态的建设,进一步促进数据积累和技术优化,而ACG负责AI商业化解决方案,这样形成了AI对外的“技术开放生态”+“商业化变现”的双子座。


四季度AI开发者数量破百万也证明了百度不只是有很强的AI技术实力,也善于将AI技术落地到商业化场景中,特别是通过开放的模式。

去年底,阿里架构调整让阿里云事业群升级为阿里云智能事业群,同时让直接向张勇汇报的集团CTO张建锋接管阿里云,就有加速AI技术整合的意思;今年腾讯成立技术委员会,引入“授权”模式促进腾讯云服务标准化,同样是奔着这一目的而去。技术整合和标准化是技术开放的前提。

因此我们可以看到,虽然百度没有明确地强调要做产业互联网,但事实上百度在B端市场上已有多年布局,且有独特的AI战法,百度将AI技术资源彻底整合到AI开放平台,再借助于百度云进行开放,在众多巨头中形成了差异化的竞争力。在百度“夯实移动基础、决胜AI时代”的整体战略下,基于AI能力输出模式,百度将在B端市场扮演关键角色,B端也是百度决胜AI时代的关键战场。


相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
11天前
|
人工智能 安全 DataX
【瓴羊数据荟】 Data x AI :大模型时代的数据治理创新实践 | 瓴羊数据Meet Up城市行第三期
第三期瓴羊数据Meetup 将于2025年1月3日在线上与大家见面,共同探讨AI时代的数据治理实践。
63 10
【瓴羊数据荟】 Data x  AI :大模型时代的数据治理创新实践 | 瓴羊数据Meet Up城市行第三期
|
12天前
|
数据采集 人工智能 自然语言处理
Midscene.js:AI 驱动的 UI 自动化测试框架,支持自然语言交互,生成可视化报告
Midscene.js 是一款基于 AI 技术的 UI 自动化测试框架,通过自然语言交互简化测试流程,支持动作执行、数据查询和页面断言,提供可视化报告,适用于多种应用场景。
121 1
Midscene.js:AI 驱动的 UI 自动化测试框架,支持自然语言交互,生成可视化报告
|
12天前
|
存储 人工智能 人机交互
PC Agent:开源 AI 电脑智能体,自动收集人机交互数据,模拟认知过程实现办公自动化
PC Agent 是上海交通大学与 GAIR 实验室联合推出的智能 AI 系统,能够模拟人类认知过程,自动化执行复杂的数字任务,如组织研究材料、起草报告等,展现了卓越的数据效率和实际应用潜力。
93 1
PC Agent:开源 AI 电脑智能体,自动收集人机交互数据,模拟认知过程实现办公自动化
|
3天前
|
人工智能 IDE API
AI驱动的开发者工具:打造沉浸式API集成体验
本文介绍了阿里云在过去十年中为开发者提供的API服务演变。内容分为两大部分:一是从零开始使用API的用户旅程,涵盖API的发现、调试与集成;二是回顾阿里云过去十年为开发者提供的服务及发展历程。文中详细描述了API从最初的手写SDK到自动化生成SDK的变化,以及通过API Explorer、IDE插件和AI助手等工具提升开发者体验的过程。这些工具和服务旨在帮助开发者更高效地使用API,减少配置和调试的复杂性,提供一站式的解决方案。
|
4天前
|
存储 数据采集 算法
构建AI数据管道:从数据到洞察的高效之旅最佳实践
本文探讨了大模型从数据处理、模型训练到推理的全流程解决方案,特别强调数据、算法和算力三大要素。在数据处理方面,介绍了多模态数据的高效清洗与存储优化;模型训练中,重点解决了大规模数据集和CheckPoint的高效管理;推理部分则通过P2P分布式加载等技术提升效率。案例展示了如何在云平台上实现高性能、低成本的数据处理与模型训练,确保业务场景下的最优表现。
|
29天前
|
存储 机器学习/深度学习 人工智能
【AI系统】完全分片数据并行 FSDP
本文深入探讨了AI框架中针对权重数据、优化器数据和梯度数据的分布式并行实现,特别是在PyTorch框架下的具体方案。文章首先回顾了通用数据并行和分布式数据并行的概念,重点讨论了同步与异步数据并行的差异。接着,文章详细介绍了如何在PyTorch中实现弹性数据并行,特别是完全分片数据并行(FSDP)的机制,包括其如何通过分片模型状态和剩余状态来减少内存消耗,提高训练效率。此外,文章还探讨了混合精度训练、损失缩放和内存消耗估算等关键技术,为理解和实施高效的分布式训练提供了全面的指导。
63 9
【AI系统】完全分片数据并行 FSDP
|
15天前
|
机器学习/深度学习 人工智能 搜索推荐
AI在电子商务中的个性化推荐系统:驱动用户体验升级
AI在电子商务中的个性化推荐系统:驱动用户体验升级
100 17
|
29天前
|
机器学习/深度学习 人工智能 PyTorch
【AI系统】数据并行
数据并行是一种在分布式AI系统中广泛应用的技术,通过将数据集划分成多个子集并在不同计算节点上并行处理,以提高计算效率和速度。在大规模机器学习和深度学习训练中,数据并行可以显著加快模型训练速度,减少训练时间,提升模型性能。每个计算节点接收完整的模型副本,但处理不同的数据子集,从而分摊计算任务,提高处理速度和效率。数据并行按同步方式可分为同步数据并行和异步数据并行,按实现方式包括数据并行、分布式数据并行、完全分片的数据并行等。其中,分布式数据并行(DDP)是当前应用最广泛的并行算法之一,通过高效的梯度聚合和参数同步机制,确保模型一致性,适用于大型NPU集群和AI系统。
99 7
【AI系统】数据并行
|
12天前
|
人工智能 安全 搜索推荐
AI 驱动研发模式升级,蓝凌软件探索效率提升之道
蓝凌软件在引入通义灵码后取得了较明显的效果。目前,蓝凌软件已使用灵码的开发人员中,周活跃用户占比超过90%、根据代码库自动生成的代码占比超33%、代码智能补全占比29%,代码注释率提升了15%,有效提升了产品代码工程化的效能。
|
1月前
|
人工智能 文字识别 API
OpenSearch & AI搜索开放平台,实现0代码图片搜索!
本文主要介绍了如何利用阿里云的 OpenSearch 和 AI 搜索开放平台来构建一个无需编写代码就能完成的图片搜索功能。
94 12