百度智能云为何是“适合跑 AI 的云”？

百度智能云为何是“适合跑 AI 的云”？

撰文 / 张贺飞

编辑 / 沈洁

7 月 29 日的智能经济高峰论坛上，百度 CTO 王海峰在致辞中提到了这样一个观点：" 百度智能云的云，不仅为数字化转型提供安全稳定弹性灵活的云计算服务，同时也是适合跑 AI 的云。"

按照中国信通院在《中国数字经济发展白皮书》中给出的数据，2020 年中国的数字经济规模达到 39.2 亿元，占 GDP 比重进一步提升至 38.6％，同时数字经济的年增速为 9.7％，几乎是 GDP 增速的 3.2 倍多。

宏观经济的增长态势，预示着中国已经逐步进入智能经济的时代，也在某种程度上解释了百度对于智能经济的 " 执念 "。只是百度智能云被贴上 " 适合跑 AI" 的标签，所聚焦的恐怕不仅仅是智能经济的大环境。

01

知易行难的智能化

智能经济的诱人前景似乎已无需赘述，仅仅是在过去两三年时间里，交通、金融、工业、能源、媒体等行业频频和人工智能融合，给出了一个又一个行业智能化升级的新思路、新解法、新案例。

可将视角进一步深入到产业一线，看到的却是另一幅景象：当前向智能化转型的企业主要集中在行业里的金字塔尖，大多数位于腰部和尾部的企业，对于智能化探索仍旧有些 " 畏手畏脚 "。

个中原因离不开新技术应用的一条铁律，即产业化爆发需要满足三个前提条件：为企业降低成本、为企业增加效益、为企业寻找创新的机会。然而现实中许多企业被挡在了智能化的初始阶段，在智能应用的开发环节就被 " 劝退 "。

首当其冲的是人工智能落地的场景化定制。

根据波士顿咨询的调研报告显示，市场上 86% 的需求为定制 AI 需求，很难靠通用的 AI 模型满足所有企业的需求，也就需要企业根据自身的实际需求进行定制开发，涉及到数据采集、数据预处理、数据标注、模型训练、模型评估、模型部署等一系列流程。在 AI 优秀人才相对匮乏，且对模型精度和开发效率的要求越来越高的局面下，模型开发业已成为亟待解决的棘手问题。

何况 AI 应用还是一个非常消耗资源的过程。

不管是模型的训练还是推理，都需要大量的算力资源，以至于出现了两个典型的算力瓶颈：一是算力的异构化，针对不同的计算场景需要 CPU、GPU 以及各种领域内的定制芯片；二是部署的分布式，在落地过程中大量计算分布在数据中心和边缘端。结果就是，企业想要迈出智能化转型的第一步，必须在算力资源上进行大量的基础投入，并且随着数据和模型不断增加。

近乎苛刻的进入门槛，让智能化转型成了一项高成本、高消耗的工程，无形中将许多企业拒之门外。

鉴于智能化转型知易行难的现状，坊间也出现了不少解决思路。比如有人将 AI 落地细分为应用场景、资源与基础设施、算法和模型、智能设备、数据等五个要素，提倡对五个要素进行解耦，让一个要素相对其他几个要素变得更加透明；Gartner 将 "AI 工程化 " 列为 2021 年度九大重要战略科技趋势之一，以工程化的技术来解决模型开发、部署、管理、预测等 AI 应用落地的问题。

02

百度智能云的打法

2020 年末的百度云智峰会上，百度 CTO 王海峰提出了 " 云智一体 " 的战略，也是 " 云与 AI" 深度融合的思路在过去几年中不断被市场验证后，百度智能云力图破解各行各业智能化转型问题的新打法。

在国内第一梯队的云厂商中，百度智能云有两个相对特殊的背景：早在 2010 年前后，百度就开始围绕人工智能布局，彼时云计算在国内还方兴未艾；百度自身的智能化转型也属于场景先行，对人工智能在产业融合中存在的问题有着深刻的理解。

折射到云计算的战场上，百度智能云摸索出的方向是 " 以云计算为基础，以人工智能为引擎，云智一体赋能千行百业 "，并在 " 云智一体 " 的独特优势下，对 " 云 " 和 " 智 " 进行了充分融合与特殊调优。

比如百度智能云率先提出了 AI 原生的理念，将云计算从传统 IT、云原生带入 AI 原生阶段，在算力层面提供面向 AI 场景的弹性高性能的异构算力，在应用开发层面提供面向 AI 应用场景的一系列低门槛开发平台；同时将百度成熟的 AI 能力沉淀为 AI 中台、知识中台等智能化中台，实现了数据处理、模型建立、决策部署等流程的自动化……

刚刚结束的智能经济高峰论坛上，百度智能云从战略，架构、产品和生态方面进行了四大升级，" 云智一体 " 正式进阶到了 2.0 阶段。其中最为瞩目的莫过于 AI 异构计算平台百度百舸，在太行计算和沧海存储的能力基础上，构建了存算一体、软硬一体、云边一体的 AI 开发基础设施，包括 AI 计算、AI 存储、AI 容器三层，在一些场景下训练速度比传统算力提升了 4 倍以上，推理效率也较传统算力提升了数倍。

由于 AI 开发是一个系统性工程，百度智能云的另一个重心在于 AI 开发平台。基于百度自研的产业级开源深度学习平台飞桨，百度智能云推出了飞桨企业版，涵盖针对 AI 应用开发者的零门槛 AI 开发平台 EasyDL 和面向 AI 算法开发者的全功能 AI 开发平台 BML，前者 5 分钟即可上手，最快 10 分钟完成模型训练；后者提供了丰富的建模方式、预置模式方式、可视化建模等辅助工具。

做一个总结的话，百度智能云的打法并不难理解，主要解决了企业智能化转型中的两个核心诉求：一个是高性能、高性价比、高利用率的 " 云 "，消除了企业的算力负担；另一个是高质量、高精度、高易用的 " 智 "，打破了企业的开发门槛。

03

被验证的 " 云智效应 "

百度智能云的打法像是一场开创性的化学实验，通过算力和数据的原生化、开发和服务的普惠化，将 " 云 " 和 " 智 " 从简单的叠加，转向 AI 作为 " 催化剂 " 的深度融合，进而上演了一场无限可能的 " 云智效应 "。

这个过程和计算机在上世纪 90 年代的进化非常相似：云和智分离的 AI 开发等同于计算机的 DOS 时代，只有少数开发者才能操作；云智一体就像是 Windows 系统的出现，普通用户借助键盘和鼠标就能玩转，专业开发者也能开发出更有趣的应用，可以说是人工智能进入大生产阶段的必要一环。

市场上发生的一幕幕验证了百度智能云战略的正确性，产业智能化的星星之火渐渐有了燎原之势。

在工业领域，一家化纤企业借助百度智能云打造了 AI 全检测样机，检测能力比原先的设备提升了 50%；一家电力企业在百度智能云的帮助下，用摄像头和机器人替代了线路巡检工人，变电站工作人员的巡视工作量下降了 40%；

在金融领域，百度智能云的 " 数字员工 " 陆续进入多家银行，为客户提供 7x24 小时自动化、智能化、个性化的服务；同时人工智能还渗透到营销环节中，凭借智能化的分析和运营能力，打造了寻客 - 触客 - 落客 - 留客的全链条服务；

在医疗领域，爱尔眼科接入了百度智能云的图像识别能力，可以自动识别 20 多种眼底疾病，准确率达 90%；百度智能云为湖北省的基层医院提供辅助诊疗服务，目前已经为 4000 种疾病诊疗提供辅助决策支持，准确率高达 94%；

在体育领域，百度智能云为国家跳水队研发了 "3D+AI" 跳水训练系统，利用 3D+AI 技术对跳水运动员的训练视频进行分析摘要、动作提取、姿势纠正等等，训练效率提升了 20%，指导效率提升了 25%，为体育训练带来了新的可能 ......

其实类似的案例还有很多，目前百度智能云已经对外开放了 330 多项 AI 能力，支持 500 多个应用场景，涵盖 40 万个 AI 模型，覆盖了 360 万开发者，培养了超过 100 万 AI 人才，深度赋能 13 万家企事业单位 ...... 通过 " 适合跑 AI 的云 " 驱动人工智能在潜移默化中走进社会生产生活的方方面面。

而将这些案例做一个横向比较的话，不难看到这样一个趋势：很多客户最初只是单点的智能化探索，尝到了甜头后逐步在一个业务场景中垂直深化，一些头部企业甚至开始向多个业务场景、业务流程各个环节的全面升级，智能化升级的自然路径已经被跑通。

04

结语

" 适合跑 AI 的云 " 既是百度智能云的差异化战略，也为人工智能的规模化应用落地给出了新的注解。

正如百度 CTO 王海峰在演讲中提到的：" 我们希望以百度智能云为纽带，联合技术和产业生态伙伴，通过开源开放平台降低 AI 开发的门槛，加快人工智能在传统产业融入的速度与效率，帮助越来越多行业大步快跑，加入产业智能化的大潮。"

云计算作为人工智能输出到千行万业的最佳途径，所肩负的不仅仅是算力的供给，还需要降低 AI 落地的门槛，降低客户和开发者的使用成本，提升人工智能的开发效率，为企业找到在 " 云 " 上不断生长的可能。

至少就这一点而言，" 云智一体 " 的百度智能云已经给出了正确的示范。

主理人 | 张贺飞（Alter）

前媒体人、公关，现专职科技自媒体

虎嗅、钛媒体、36kr、创业邦、福布斯中国等专栏作者

转载、商务、开白以及读者交流，请联系个人微信「imhefei」

以上内容由"Alter聊科技"上传发布