如果说，企业应用人工智能是刀枪剑戟、马上步下的整套功夫，那么基础机器学习模型开发，可以说是最基本的扎马步。
基础不牢，地动山摇。AI模型开发是企业智能化的入门环节，却也在很大程度上决定了企业智能化水准的上限。根据IDC发布的《中国人工智能软件及应用跟踪》，中国机器学习开发平台市场在2019年达成了2.05亿美元的市场规模，并将在未来五年保持38%以上的年复合增长率。
机器学习平台的意义远不止于其市场规模本身，作为企业应用AI的基础，机器学习平台是开发与部署AI模型的基础，同时也是牵引云计算、大数据、机器视觉等技术的重要动能。
而机器学习平台在不断发展的过程里，本身也发生着巨大的变化。
刚刚，国际著名数据机构Forrester发布了《The Forrester Wave™: Predictive Analytics And Machine Learning Solutions In China, Q4 2020》报告，对中国市场的预测分析和机器学习解决方案厂商从战略、产品和市场表现三个维度进行了评估。报告显示，中国机器学习平台的市场空间中，一个很重要的变化是华为云进入了“领导者(Leaders)”象限。
如果你是开发者或者关注AI产业，一定会知道华为云在机器学习领域的差异化优势，一方面在于全栈全场景AI提供的云边端一体化能力；另一方面则是以ModelArts为代表的一站式AI开发平台，指向的产业化、智能化的AI应用能力。
华为云在机器学习平台的向上攀升，受到市场更广泛认可，其实可以作为一个标尺：机器学习平台的发展，正在从基础算法开发，走向产业化、落地能力为主导的强应用时代。
变化的时代，蕴育着变化的规则。从华为云在机器学习市场中的领导者表现，以及ModelArts 3.0的产业特性中，我们可以凝视一个正在变化的未来。
当AI时代，划过工业大门
Forrester在报告中对预测分析和机器学习平台进行考量时，综合了主流算法兼容程度、部署兼容性、AutoML能力几个主要维度。从中可以发现，业界对预测分析和机器学习（PAML）厂商的评价标准，已经逐步从“开发者能否用这个平台开发出算法”，变成了“开发者是否可以借助平台获得产业价值”。
通俗一点来讲，这个变化意味着机器学习的开发需求，已经从实验室、个人开发者代表的手工业时代，来到了各行业、各企业的工业化时代。而时代翻篇的最主要特征，就是机器学习开发能否满足工业化效率。
什么样的PAML厂商才能满足工业化效率下的AI落地需求？Forrester在报告中主要考虑了三个方面：
1、开发门槛是否足够低，能适应不同企业、不同部门的AI开发需求。
2、平台能否帮助用户快速完成应用部署，达成工业级的应用效率。
3、平台提供的分布式架构是否具备足够的兼容性，能够满足企业用户多元化的需求。
工业级的AI开发，需求开发效率、部署效率、运维效率都能达成生产成本与价值回馈的合理性，这就让机器学习平台的产业化需求满足能力成为了竞争主线。而就在这个思路下，华为云脱颖而出，走到了领导者象限当中。
ModelArts 3.0，象牙塔融于千家灯火
从Forrester的评价体系出发，我们可以发现大家已经非常熟悉的ModelArts平台具有鲜明的产业化特质。而与以往版本不同的是，ModelArts 3.0不仅展现出独特的产业工具与自动化平台特性，还将学术界先进的算法能力反向融合于AI开发，实现了产业工具的深度进化。
具体来看，ModelArts 3.0的主要升级特性，与今天大规模部署机器学习模型、行业AI应用广泛、企业在多场景部署AI等主流趋势相吻合，并且一一提出了具有技术创新性的应对方案。比如：
1、骨干模型让企业不必“重复发明轮子”，依靠行业经验提升竞争力。
ModelArts 3.0中，加入了华为云骨干工具链EI-Backbone技术。它可以整合模型高效、数据高效、算力高效、知识高效，全面提升行业AI落地能力。目前，EI-Backbone所整合的行业骨干模型已经在10余个行业成功验证，并且斩获10余个业界挑战赛冠军。
2、联邦学习技术加持，让AI开发可以横跨更多场景和业态，实现多种成本下降。
联邦学习近两年在AI行业非常火热，它可以有效解决机器学习中的数据孤岛困境。ModelArts 3.0中提供的联邦学习特性，可以实现数据不出户的联合建模。让用户各自利用本地数据训练，不交换数据本身，只用加密方式交换更新的模型参数，实现协同训练，最大化获取训练价值，实现综合数据训练成本下降。
3、模型诊断优化，实现企业级精细化开发，提高AI模型工业级精度。
对于企业级的AI模型开发来说，随时审视模型开发进度，调优模型精度是不可或缺的一部分。为此，ModelArts3.0提供了全面的可视化评估、智能化诊断功能，使开发者可以直观了解模型的各方面性能，有针对性进行部署工作，提升AI模型的工业精度。
4、高效算力让企业存算资源更加优化配比，完成高效率开发部署。
ModelArts 3.0进一步加强了计算资源的优化配置能力，其提供的性能模式让企业可以充分利用空闲资源加速训练作业，训练速度可提升10倍以上，并且不影响模型的收敛精度；而经济模式可以通过最大化资源利用率给开发者提供极致的性价比，在大多数典型场景下可以提升性价比30%以上。
在这些特性的加持下，ModelArts 3.0可以加速AI的行业落地，实现模型高效、数据高效、算力高效、知识高效。机器学习平台，可以借此成为AI落地效率提升的抓手。从这个角度看，ModelArts 3.0带给产业的改变，可能远远不止对具体开发问题的解决。
其更重要的价值指向在于，企业的机器学习能力上限又一次被打开。
大人，机器学习的规则变了
Forrester的评价称：“华为云提供全栈预测分析及机器学习服务，是企业在公有云、本地、边缘复杂部署场景下的理想选择。”
这个评价在某种程度上阐明了，企业在真正开发和使用AI时所需要的是什么：是企业能够借助机器学习平台，完成对复杂需求、复杂场景的适配，实现AI成为企业核心生产力的目标。
能够在不同环境、不同开发条件、不同产业合作方式的基础上完成AI开发，ModelArts 3.0通过创新的技术融入，将一站式、自动化AI开发向前推进到了新的阶段。在这个阶段，AI开发可以以目标为导向，反向推导企业需要做什么，而不是仅仅通过已有算法，来审视哪些AI能力能够帮助企业解决局部问题。
在这个核心规则的改变下，企业将可以应用机器学习能力，作为自身的产业保障和生产力突破方式，变成企业的核心竞争力。具体来看，有三种过去很难完成的挑战，可以在ModelArts 3.0的产业突破下变成现实：
1、复杂的智能化需求可以借助机器学习平台来完成。
传统意义上来说，机器学习平台只能支持特定算法下的模型开发，而不能以企业需求为导向，实现复杂、综合的模型加工。而在ModelArts 3.0与全栈全场景AI能力的加持下，这种情况已经得到了改变。比如杭州云深处科技有限公司，应用了华为ModelArts和Atlas 200DK开发了“绝影”系列机器狗的AI能力。“绝影”机器狗可以实现实时感知现场环境，通过知识图谱交互分析，强化学习动态决策，并具有复杂的行进路径规划和动作的能力。如此复杂的智能机体，也能够通过机器学习平台来实现。
2、创造性的工作可以基于机器学习平台来完成。
不久前，放射学领域的国际顶级期刊Radiology（《放射学》）在线发表了一项研究：华为云EI创新孵化Lab联合华中科技大学电信学院、华中科技大学同济医学院附属协和医院放射科运用华为云一站式AI开发平台ModelArts，开发了一套基于CTA影像的全自动化、高度敏感的脑动脉瘤检测算法。这套算法能够实现动脉瘤灵检测敏度97.5%，帮助医生临床诊断灵敏度提升约10%，漏诊率降低5%，同时有效缩短医生诊断时间。
在这套解决医疗健康重大问题的系统中，ModelArts平台提供数据预处理及半自动化标注、大规模分布式训练、自动化模型生成及端-边-云按需部署能力，为创造性的AI探索提供了基础。
3、低门槛机器学习成为日常。
在物流行业，单据录入是一个非常消耗时间、高度重复性的工作。盈智科技应用华为云ModelArts Pro文字识别开发套件，实施了各类国际物流单证识别接口的开发，能够实现高效率的单证信息自动化、结构化输出。在同等人力投入情况下，单据信息录入效率提升50倍，单证流程节省60%的人力成本。国际物流这样的实体行业，可以低门槛应用高度智能化、自动化的AI系统，解决企业中的重点问题，这是AI开发能力走向产业化的一个重要标志。
目前，华为云ModelArts平台已经在制造、零售、物流、能源、医疗、城市、钢铁、科研等多个领域应用，加速AI开发和行业AI落地。无论你是想要走到产业智能化的核心，还是想用AI探索一片未知领域，抑或想在一个看起来一点也不AI的企业应用AI，ModelArts 或许都可以帮助你完成愿望。
所以，或许抬头看看你会发现：大人啊，机器学习的时代变了。
