阿里巴巴华先胜：平台化是AI未来发展趋势

5月24日消息，在日前的2021搜狐科技5G&AI峰会上，阿里巴巴集团副总裁、达摩院城市大脑实验室主任华先胜发表了《人工智能技术规模化应用的探索与实践》的主题演讲。

华先胜认为，AI落地的过程中有三个关键因素，AI的核心技术、模型、效率、优化、规模等，是否能形成产品和实现规模化，最关键的地方是能不能为应用场景带来核心的价值。这个价值可以分为三个境界，首先是锦上添花，再一个境界是雪中送炭，解决了关键的核心问题，第三个境界是无中生有，今天人工智能在落地的过程当中这三种都有。

同时，他表示，高精准、高效率、高覆盖仍然是算法的AI中台的核心之一，把AI平台化，把算法和生产服务平台合在一起，是AI行业发展未来的趋势。

资料显示，华先胜现任阿里巴巴集团副总裁、高级研究员、达摩院城市大脑实验室主任。同时，他是国际电气与电子工程师协会会士（IEEE Fellow），美国计算机协会杰出科学家（ACM Distinguished Scientist）。

以下为华先胜演讲全文：

大家好，非常高兴有机会和大家一起来探讨，阿里巴巴达摩院在过去很多年一直在人工智能基础技术研发，到应用落地上的一些观察和探索，以及思考。

人工智能在近不到十年期间发生了非常大的变化，不仅仅是在视觉、语音、自然语言处理、大数据方面有了很多突破，尤其是深度学习技术和算力的提升，使得人工智能有了很大的发展和变化。我们在真正的行业落地时候其实并不是一个自然而然的事情，并不是一帆风顺，我们在中间提出了“无行业不AI”。

这句话是有两层含义，第一层含义是第三波人工智能刚刚兴起的时候。在2012年的时候，我们看到了人工智能可能给未来各个行业带来的变化，这个时候“无行业不AI”的解释是，预计到未来没有一个行业不受AI的影响，这是一个预判。

后来行业里很多人做技术的研发落地的时候发现另外一层含义，“无行业不AI”就是不深入行业，就没有AI的真正落地。今天的AI技术虽然有很大发展，但是实际上也有很多局限，我们必须要深入这个行业才能有真正的落地。

这个落地的过程中有三个关键因素，一个是技术，AI的核心技术、模型、效率、优化、规模等等，还有要把它形成产品，不仅仅是一个项目，因为项目很难规模化。

最后一点，最关键的地方是能不能为应用场景带来核心的价值。我们通常在新闻里面见到更多的是比赛、论文、融资、估值，但是最关键是能不能给用户带来核心价值，这个价值可以分为三个境界。

首先是锦上添花，毕竟添了花了，但是如果你有一千个人添一朵花可能有点得不偿失。再一个境界叫做雪中送炭，解决了关键的核心问题，没有它可能不太好使。第三个境界是无中生有，可能之前因为没有这项技术想不到这么做事情，今天人工智能在落地的过程当中这三种都有。

真正实现价值叫做“画龙点睛”。因为人工智能是眼睛，它可以让龙更有生机，飞的更高、更远，更有活力，它本身要依赖于龙的身体，不是单独存在的。

我们从两个维度分析，首先寻找不可替代的价值，要深入行业，深入场景，深入数据，深入核心。还有是深入创新，也就是说到第三重境界怎么产生无中生有的价值，可能不见得是原来的流程，可能因为有了这个技术以后要发生很大的变化，甚至完全创新的模式。

从另外一个角度来看，“眼睛”到底定位在哪里？看看人工智能堆栈、链路，最下面一层是硬件，包括计算硬件和智能硬件，再往上是云平台、数据库、云的基础设施，可以是专有云，也可以是广义的概念。

再往上是AI技术研发平台，比如今天看到的大规模的训练是其中的一种，还有模型的调整，还有参数的搜寻、NAS这是三种不同阶段。

再往上才是AI能力，包括AI算法，这是今天经常见到的。它的基础是AI生产服务平台，这就是这些算法在上面跑。接着才是行业的应用引擎以及行业应用。不同的企业，不同人在整个链路中会有不同的定位，我们通常把它们合在一起，算法和生产服务通常叫做AI的中台，也可以是AI的新基建。

广义的定义可以把下面全部叫做AI的新基建，也可以叫做AI的广义的AI中台，或者云边协同的异构计算平台。上面才是AI技术的应用和创新，这也是一般来说比较容易见到的。下面一层有时候见到不是很多。

我们对AI的中台再说两句，技术的研发平台经常可以见到，但是容易被混淆的概念。实际分了三个层次，像阿里云的机器学习PAI是一个，还有这算法工程师在上面做算法的创新和算法模型的训练。

算法这一层也比较好理解，我们有视觉、听觉、语言，多模态、大数据、交互，包括了一些检测、识别、挖掘，它的衡量标准什么样才是好的算法？共有三个角度，一个是高精准、高覆盖、高效率，高精准，准确率要足够高，有数据模型、训练支持方法。高覆盖要做得全，如果技术不全有些场景没法使用。第三个是效率高，涉及到成本，怎么样做到的速度足够快，当然有很多不同的角度可以优化。

高精准、高效率、高覆盖仍然是算法的AI中台的核心之一。AI的生产服务平台是通常不可见，只有开发人员，不管是应用还是算法开发人员可以见到这一层。这一层是整个行业里面比较欠缺的一层，实际是算法跑的东西，是算法依赖的平台，负责算法优化、调度、流程优化、安全性、稳定性都在这一层完成，这个生产平台跟推理平台也有一定关系，推理平台是其中的一部分，复杂的生产平台要管整个流程，还有行业的平台和通用平台。

后面讲四个例子，算法AI中台的三个行业，一个通用。

城市大脑是目前来看最成熟的行业平台，这也是科技部认可的人工智能开放创新平台之一。城市大脑本身是一个超级复杂的系统，除了里面的核心技术和应用还有平台化，这是比较简单简洁的平台化模型，从数据接入到平台、算法和应用。

正因为有这样的平台，我们才在这个基础上进行规模化的创新和规模化的应用落地，像城市的交通、城市搜索、城市管理和城市三维重建都在这个基础之上逐步形成。其中一个例子，我们能够把城市级别做三维建模，同时把三维建模和视频分析融合起来，三维建模属于静态的，今天能够把视频融入到三维建模里面去，分析的结果还原到动态的三维建模里面，对城市做精准的还原和分析、展示。

第二个中台是工业视觉平台。因为我自己本人是做视觉为主的，这也是人工智能量最大的部分。视觉里面目前比较成熟的是质检和场景。这里因为涉及到的行业非常多，每一个场景不一样，甚至一个行业不同场不一样。同一个场不同生产线不一样，同一个生产线设置情况不一样，一定要平台化，让平台让算法工程师做更快的创新，让软件工程师能够做超越它AI能力的事情，让运维管理人员能够让系统一直工作下来，不至于有了轻微的改变，还要算法工程师上去做调整，它自己做样本的调整就可以了。像光伏电池瑕疵检测，废钢的定级。过去觉得是机器没办法做的事情，今天也做出来了。

第三个是医疗健康的AI平台，也涉及视觉引擎、搜索引擎、AI制药，张总提到过AI做分子结构预测，蛋白质预测，小分子的筛选都是在AI的中台可以解决的。这个主要解决医疗健康的医保供需不平衡，医患供需不平衡的问题，AI在里面能够起到非常重要的作用，能够推动这些问题的解决。去年新冠肺炎刚刚起来的时候，我们快速研发出新冠CT检测系统，一周部署成功，让600多个医院使用，后来也在国家博物馆收藏。还有全基因组的检测方案。

第四个通用平台的例子，把大量的人工智能能力放在公共云上让大家调用，像过去在windows下调SDK一样，普通的IT工程师可以实现AI的创新，甚至是创意。这是一个例子，右边是明显的提升，有120多项能力。

为什么要把它中台化？要把AI平台化？把算法和生产服务平台合在一起？这是AI行业发展未来的趋势。因为今天第二个阶段，无行业不AI，是技术为主在推动。

第三个阶段应该是技术人更多的覆盖在AI的核心能力和平台的开发上，使得更多行业技术人员做行业的创新应用，这样才能让AI在各个领域遍地开花结果，这是“无行业不AI”的第三个阶段，没有行业的参与就没有AI的开花结果。这个对AI从业者来讲并不是提出了低的要求，其实是提出了更高的要求，要把AI的基础能力和平台做的更好，才能让行业的IT人员和行业专家在平台上能做更多的，更深入的行业创新。