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架構平臺，以推動人工智能在業(yè)務中的利用。在機器學習加快推進的過程中，卻是有喜也有憂。
近日，國際數據公司（IDC）發(fā)布了《中國人工智能軟件及應用（2019下半年）跟蹤》報告。據該報告顯示，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，包括數據獲取、數據準備、模型訓練、應用程序集成、模型運維、生產監(jiān)控以及有明確KPI的業(yè)務治理過程。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，由數據科學家、業(yè)務分析師、數據架構師和專業(yè)人員協作，基于數據建模，不斷的進行概念驗證，將好的模型部署到生產環(huán)境，協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、開源技術發(fā)展、廠商加大投入，已經成為了機器學習產業(yè)實現快速發(fā)展的重要驅動力。其中，算力的提升，對于AI技術的進步與成熟、相關智能產業(yè)的應用模式創(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應用產業(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十倍的安培架構的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年包括硬軟服在內的中國機器學習市場達到10億元人民幣，預計2018－2023年五年復合增長率將達到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，現階段應用十分普及的是經典機器學習。
從市場空間來看，對于還沒有成熟的AI軟件產品的領域，機器學習、深度學習開發(fā)平臺建設將成為一大趨勢，相關頭部廠商將借助已有的軟件、硬件、系統等技術優(yōu)勢，致力于為行業(yè)系統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雜的工作。例如，對數據進行可視化、轉換和預處理，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、數據存儲和時間成本。在較短的時間內，要達到相當的機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據治理、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，也是產品研發(fā)系統。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，已經成為許多企業(yè)的目標。
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
