編輯導(dǎo)語(yǔ)：如今平臺(tái)產(chǎn)品已不是新概念，隨著AI技術(shù)的成熟，AI平臺(tái)產(chǎn)品也越來(lái)越多。那么，為什么要做AI平臺(tái)？這些AI平臺(tái)又有哪些類別呢？讓我們跟著作者，一起去探尋吧。
有一天，小李的領(lǐng)導(dǎo)說(shuō)：“我們要做AI平臺(tái)！”。
雖然平臺(tái)產(chǎn)品也不是新概念了，隨著AI技術(shù)的成熟，AI平臺(tái)產(chǎn)品也越來(lái)越多，但光憑做平臺(tái)一句話，小李還是犯了難——大大小小的“平臺(tái)”很多，究竟我們要做什么樣的AI平臺(tái)呢？磨刀不誤砍柴功，小李決定先研究下市面上已有的AI平臺(tái)找找靈感。
一、AI平臺(tái)產(chǎn)品分類
AI平臺(tái)大致可以分為AI開(kāi)發(fā)平臺(tái)和AI支撐平臺(tái)（名字是小李瞎起的）兩類。
1. AI開(kāi)發(fā)平臺(tái)
AI開(kāi)發(fā)平臺(tái)面向的是模型開(kāi)發(fā)者，圍繞AI模型/算法的生命周期（數(shù)據(jù)收集、標(biāo)注、模型結(jié)構(gòu)設(shè)計(jì)、模型訓(xùn)練、模型部署等階段）提供工具。開(kāi)發(fā)平臺(tái)產(chǎn)品需要對(duì)算法開(kāi)發(fā)流程、算法種類豐富度都有較好的積累，因此大部分平臺(tái)類產(chǎn)品是由內(nèi)功比較深厚的大廠推出的。
（百度BML功能架構(gòu)）
1）用戶
都叫開(kāi)發(fā)平臺(tái)啦，用戶想必應(yīng)該是開(kāi)發(fā)人員，使用AI開(kāi)發(fā)平臺(tái)的研發(fā)人員對(duì)人工智能的了解程度不盡相同，他們可能是業(yè)務(wù)應(yīng)用的開(kāi)發(fā)人員（只需要調(diào)用某個(gè)模型API），也可能是AI工程師（需要對(duì)模型調(diào)參數(shù)，甚至重新設(shè)計(jì)網(wǎng)絡(luò)結(jié)構(gòu)），但歸根到底AI開(kāi)發(fā)平臺(tái)是面向開(kāi)發(fā)人員的B端產(chǎn)品。
2）場(chǎng)景
在需要AI能力支撐的時(shí)候，用戶可以使用AI開(kāi)發(fā)平臺(tái)提供的不同層級(jí)的工具/功能（嵌入級(jí)、API級(jí)、數(shù)據(jù)訓(xùn)練級(jí)、模型定制級(jí)、算法開(kāi)發(fā)級(jí)），實(shí)現(xiàn)所需的AI能力。
3）解決問(wèn)題
AI賦能其他產(chǎn)品。AI平臺(tái)作為一個(gè)產(chǎn)品，想解決的核心問(wèn)題是如何便捷的讓其他應(yīng)用或產(chǎn)品獲得智能化的能力?？吹胶芏鄰?qiáng)調(diào)AI平臺(tái)是為了讓AI算法開(kāi)發(fā)更簡(jiǎn)單的說(shuō)法，但歸根到底，如果不是其他產(chǎn)品需要AI模型或者AI能力，自然也不需要算法開(kāi)發(fā)，更就沒(méi)有必要有所謂AI開(kāi)發(fā)平臺(tái)存在了。
2. AI支撐平臺(tái)
AI支撐平臺(tái)大多是面向運(yùn)營(yíng)人員/業(yè)務(wù)人員，為某個(gè)AI應(yīng)用提供能夠使之work的配置、管理等“支撐”功能。智能對(duì)話平臺(tái)就是一種非常典型的AI支撐平臺(tái)，因?yàn)橹悄軐?duì)話應(yīng)用并非只依賴某個(gè)模型就能實(shí)現(xiàn)，所以需要根據(jù)業(yè)務(wù)場(chǎng)景進(jìn)行技能管理、對(duì)話設(shè)置等工作，智能對(duì)話平臺(tái)就是這些配置功能的載體。
1）用戶
主要是業(yè)務(wù)人員或者運(yùn)營(yíng)人員，也就是需要對(duì)某個(gè)應(yīng)用的具體規(guī)則、具體內(nèi)容進(jìn)行設(shè)置的工作人員。
2）場(chǎng)景
在使用某個(gè)智能應(yīng)用時(shí)，用戶需要根據(jù)實(shí)際業(yè)務(wù)場(chǎng)景對(duì)應(yīng)用中的某些功能進(jìn)行配置，才能使應(yīng)用按照需求運(yùn)行起來(lái)。
3）解決問(wèn)題
使智能應(yīng)用按照用戶的期望運(yùn)行起來(lái)。那為什么這些應(yīng)用需要配置呢？為什么不能固化呢？因?yàn)閼?yīng)用的使用場(chǎng)景千差萬(wàn)別，比如在銀行的智能客服和商場(chǎng)的智能客服，雖然底層的技術(shù)途徑一致，但具體客服面對(duì)的問(wèn)題、使用的話術(shù)完全不一樣。
從產(chǎn)品角度看，為了使產(chǎn)品的通用性更強(qiáng)，我們往往會(huì)設(shè)計(jì)一個(gè)通用的應(yīng)用框架，然后把高頻且重要的功能做成可配置項(xiàng)以適應(yīng)更多用戶的需求。也不是說(shuō)把功能固化下來(lái)不行，但那樣的話產(chǎn)品就變成了定制化的項(xiàng)目，成本非常高且無(wú)法復(fù)用。
（AI開(kāi)發(fā)&支撐平臺(tái)對(duì)比）
二、AI開(kāi)發(fā)平臺(tái)
1. 按AI模型生命周期拆解
知乎看到的一個(gè)比較好的平臺(tái)產(chǎn)品定義：“平臺(tái)產(chǎn)品提供共用性強(qiáng)的工具，連接多端多角色之間的活動(dòng)或交易”。AI開(kāi)發(fā)平臺(tái)產(chǎn)品也一樣，是圍繞著圍繞AI模型/算法的生命周期提供工具，連接不同層次開(kāi)發(fā)者對(duì)AI模型設(shè)計(jì)、訓(xùn)練、使用等活動(dòng)。
AI模型的生命周期，大概是這樣的：
AI開(kāi)發(fā)平臺(tái)即然是服務(wù)于AI模型生命周期的工具，自然也離不開(kāi)以上這些模塊。所謂平臺(tái)，可以只針對(duì)某一個(gè)環(huán)節(jié)，比如數(shù)據(jù)收集+標(biāo)注環(huán)節(jié)，或者模型部署環(huán)節(jié)，也可以針對(duì)整個(gè)生命周期，這就解釋了為什么同是AI平臺(tái)，有大有小。
如果我們從AI模型生命周期角度拆分，那么就有：
1）數(shù)據(jù)標(biāo)注平臺(tái)
面向數(shù)據(jù)接入、清洗、標(biāo)注等和訓(xùn)練數(shù)據(jù)有關(guān)的工作。數(shù)據(jù)接入、清洗的工作其實(shí)和大數(shù)據(jù)的關(guān)聯(lián)性比較強(qiáng)，有些標(biāo)注平臺(tái)甚至是大數(shù)據(jù)系統(tǒng)的組件。
對(duì)于AI標(biāo)注/數(shù)據(jù)平臺(tái)來(lái)說(shuō)，一個(gè)思路是類似百度的EasyData，針對(duì)模型訓(xùn)練數(shù)據(jù)提供一部分預(yù)處理功能（如縮放、翻轉(zhuǎn)圖像提高模型魯棒性，或者對(duì)圖像進(jìn)行濾波、降噪等增強(qiáng)操作）和智能標(biāo)注功能（先利用已經(jīng)訓(xùn)練好的模型自動(dòng)標(biāo)注一把，然后再由人工校準(zhǔn)或微調(diào)），正是這些功能支撐起了數(shù)據(jù)標(biāo)注平臺(tái)。
另外一個(gè)不錯(cuò)的思路是更側(cè)重“標(biāo)注”這個(gè)動(dòng)作本身，類似basicFinder，做數(shù)據(jù)需求方和數(shù)據(jù)標(biāo)注商的撮合生意并提供標(biāo)注工具。
2）模型設(shè)計(jì)平臺(tái)
這個(gè)一般不會(huì)作為單獨(dú)的產(chǎn)品，個(gè)人猜測(cè)原因主要是模型結(jié)構(gòu)設(shè)計(jì)門檻高、需求小。從我自己的經(jīng)驗(yàn)來(lái)看，使用開(kāi)源框架開(kāi)發(fā)和使用平臺(tái)提供的工具效率差別不大。
模型設(shè)計(jì)的功能大多是作為開(kāi)發(fā)平臺(tái)一個(gè)模塊，通過(guò)可視化拖拉拽、notebook等方式進(jìn)行模型結(jié)構(gòu)設(shè)計(jì)。
3）模型訓(xùn)練平臺(tái)
提供模型訓(xùn)練的算力、環(huán)境，這個(gè)是AI平臺(tái)中比較常見(jiàn)的產(chǎn)品，由于模型訓(xùn)練對(duì)硬件資源的高消耗，通常會(huì)租用云計(jì)算資源來(lái)完成模型訓(xùn)練，所以很多模型訓(xùn)練平臺(tái)是與云平臺(tái)捆綁的，完成包括負(fù)載均衡、并行訓(xùn)練等工作。
4）模型部署平臺(tái)
提供把模型從訓(xùn)練環(huán)境部署到推理環(huán)境（云端、邊緣端等）的工具。這個(gè)功能相對(duì)簡(jiǎn)單，較少單獨(dú)作為一個(gè)產(chǎn)品，一般是也是作為開(kāi)發(fā)平臺(tái)的一個(gè)功能模塊。
一個(gè)例外是邊緣/嵌入式環(huán)境部署平臺(tái)（如百度EasyEdge），由于硬件適配比較繁瑣，所以目前看到百度是做成一個(gè)相對(duì)獨(dú)立的產(chǎn)品的。
5）模型推理平臺(tái)
提供各式各樣的模型接口，供用戶直接調(diào)用，一般還提供包括模型調(diào)用管理、接口管理等功能，這種推理平臺(tái)主要是以模型作為核心競(jìng)爭(zhēng)力的。另一種推理平臺(tái)則以算力作為競(jìng)爭(zhēng)力，類似云平臺(tái)，用戶將模型部署在平臺(tái)上可獲得彈性擴(kuò)縮容等能力。
2. 按業(yè)務(wù)需求拆解
參考螞蟻AI平臺(tái)的一篇分享，AI平臺(tái)按照不同層級(jí)的業(yè)務(wù)需求可以分為5級(jí)：功能嵌入、API調(diào)用、數(shù)據(jù)訓(xùn)練、模型定制、算法開(kāi)發(fā)。
- 功能嵌入：通過(guò)iframe等實(shí)現(xiàn)成本最低的手段，將某個(gè)功能模塊嵌入到自己的系統(tǒng)中。
- API調(diào)用：直接調(diào)用平臺(tái)提供的成熟API，比如調(diào)用身份證、駕駛證之類的OCR識(shí)別API。
- 數(shù)據(jù)訓(xùn)練：平臺(tái)的模型符合需求，但需要提供自己的訓(xùn)練數(shù)據(jù)來(lái)解決具體場(chǎng)景需求。
- 模型定制：平臺(tái)的現(xiàn)成模型不太符合要求，所以要對(duì)算法參數(shù)進(jìn)行配置，然后訓(xùn)練出符合自己需求的新模型。
- 算法開(kāi)發(fā)：最高級(jí)的情況，就是業(yè)務(wù)方懂算法、要開(kāi)發(fā)新算法。平臺(tái)則提供“算法開(kāi)發(fā)、數(shù)據(jù)管理、模型訓(xùn)練、模型測(cè)試和發(fā)布”等一系列深層次的能力，來(lái)提升算法研發(fā)的效率。
把5級(jí)業(yè)務(wù)需求和生命周期對(duì)比來(lái)看，業(yè)務(wù)的按需分層和模型生命周期的各個(gè)階段基本是呈對(duì)應(yīng)關(guān)系的。需求越高級(jí)，追溯到的生命周期越靠前。
功能嵌入和API調(diào)用級(jí)需求只涉及模型推理，數(shù)據(jù)訓(xùn)練級(jí)需求涉及數(shù)據(jù)標(biāo)注、訓(xùn)練、部署以及推理過(guò)程，模型定制和算法開(kāi)發(fā)級(jí)需求就涉及全流程的功能了。
3. 一些典型產(chǎn)品
上圖給出了一些AI開(kāi)發(fā)平臺(tái)產(chǎn)品的AI模型生命周期覆蓋情況，可以看到大部分產(chǎn)品其實(shí)都是提供全生命周期的功能的。當(dāng)然不是說(shuō)以上的分析沒(méi)有意義，按生命周期或者按需求層次拆解還是可以幫助我們捋清產(chǎn)品架構(gòu)的。
個(gè)人覺(jué)得其中百度的功能架構(gòu)是最舒服、邏輯性最好的。百度的AI開(kāi)發(fā)平臺(tái)包括BML和EasyDL兩個(gè)，BML是全流程的開(kāi)發(fā)平臺(tái)，覆蓋了AI模型全生命周期；EasyDL定位是零門檻開(kāi)發(fā)，所以只支持到數(shù)據(jù)訓(xùn)練級(jí)別的開(kāi)發(fā)。
這樣的拆分其實(shí)就是依據(jù)前邊所說(shuō)的業(yè)務(wù)需求等級(jí)進(jìn)行的，拆分之后目標(biāo)用戶要清晰很多。BML中相對(duì)獨(dú)立的數(shù)據(jù)相關(guān)功能和邊緣部署相關(guān)功能又都拆成組件/小平臺(tái)，可以供用戶單獨(dú)調(diào)用，從而提高靈活性。
騰訊TI系列平臺(tái)中，TI-ONE定位是“一站式機(jī)器學(xué)習(xí)服務(wù)平臺(tái)”，但暫時(shí)沒(méi)有看到關(guān)于數(shù)據(jù)標(biāo)注方面的功能，數(shù)據(jù)處理只提供相對(duì)簡(jiǎn)單的數(shù)據(jù)接入和數(shù)據(jù)預(yù)處理功能。預(yù)置模型相對(duì)來(lái)說(shuō)也比較少，大部分是機(jī)器學(xué)習(xí)方面的模型，深度學(xué)習(xí)模型較少。
TI系列的其他兩個(gè)平臺(tái)TI-Matrix和Ti-EMS分別是“AI應(yīng)用服務(wù)平臺(tái)”和“無(wú)服務(wù)推理平臺(tái)”，個(gè)人感覺(jué)都更偏向云服務(wù)一些，主要是服務(wù)調(diào)度、擴(kuò)縮容等能力。
華為ModelArts也提供從數(shù)據(jù)標(biāo)注到模型推理全流程的開(kāi)發(fā)工具，其中“自動(dòng)學(xué)習(xí)”的功能模塊基本對(duì)標(biāo)百度EasyDL，提供重訓(xùn)練級(jí)別的模型生成，但暫時(shí)沒(méi)有按照需求層級(jí)進(jìn)行產(chǎn)品拆分。
三、AI支撐平臺(tái)
AI支撐平臺(tái)比起AI開(kāi)發(fā)平臺(tái)，更類似業(yè)務(wù)平臺(tái)，比如內(nèi)容審核、智能對(duì)話等。圍繞的是一個(gè)核心算法，通過(guò)配置提升這個(gè)算法/能力的通用性。
下圖舉個(gè)內(nèi)容審核平臺(tái)作為栗子～橫向是發(fā)布圖片的業(yè)務(wù)流程，縱向是審核平臺(tái)的功能，可見(jiàn)審核平臺(tái)是和業(yè)務(wù)緊密結(jié)合的。
審核平臺(tái)的核心其實(shí)就是分類問(wèn)題（把輸入的圖片分為合規(guī)、不合規(guī)），外部輸入是圖片，輸出是圖片是否合規(guī)、違規(guī)類型、準(zhǔn)確率等信息，而審核策略的制定、驗(yàn)證則是為了支撐圖像分類算法在內(nèi)容審核這個(gè)場(chǎng)景下work，說(shuō)到底“支撐”就是配置、設(shè)置。
四、一點(diǎn)思考
1. 為什么需要AI平臺(tái)？
從用戶的角度看：用戶需要的是以盡可能低的成本（時(shí)間及費(fèi)用）獲取所需的AI能力。AI平臺(tái)提供的開(kāi)發(fā)工具、預(yù)置模型都可以減小用戶獲取AI能力的投入。
從AI平臺(tái)公司的角度看：AI平臺(tái)提供的是一套標(biāo)準(zhǔn)化的工具/流程，80%的需求可以由標(biāo)準(zhǔn)化的產(chǎn)品來(lái)滿足，而非每個(gè)需求都單獨(dú)定制解決方案。通過(guò)AI平臺(tái)這樣的標(biāo)準(zhǔn)化產(chǎn)品來(lái)提升ROI，從而實(shí)現(xiàn)盈利。
不論是從用戶角度，還是從提供AI平臺(tái)的公司角度，其實(shí)AI平臺(tái)的存在都是為了提升投入產(chǎn)出比。
但個(gè)人感覺(jué)，目前AI平臺(tái)公司對(duì)AI平臺(tái)的需求是要大于用戶的，這就造成了產(chǎn)品多用戶少的囧境。用戶對(duì)AI平臺(tái)的不認(rèn)可，一方面可能是對(duì)AI能力帶來(lái)的收益的不確定；另一方面可能是對(duì)AI平臺(tái)提高ROI的不確定（有可能使用了AI平臺(tái)但還是無(wú)法節(jié)約人力投入）。所以如何讓用戶發(fā)現(xiàn)AI能力的價(jià)值，進(jìn)而發(fā)現(xiàn)AI平臺(tái)的價(jià)值還是個(gè)值得思考的問(wèn)題。
2. 如何做到AI平臺(tái)的差異化？
市面上那么多AI平臺(tái)，如何做到讓用戶選擇你的產(chǎn)品呢？差異化。
怎么做到差異化呢？不同用戶對(duì)AI能力或應(yīng)用的需求側(cè)重各不相同，但是無(wú)外乎數(shù)據(jù)、算力、模型三要素。
1）數(shù)據(jù)入手的差異化
當(dāng)前很多行業(yè)還是存在缺乏數(shù)據(jù)積累的事實(shí)的，所以數(shù)據(jù)對(duì)于這部分公司來(lái)說(shuō)就是最大的痛點(diǎn)。從數(shù)據(jù)角度入手的AI平臺(tái)，最直接的是可以主打提供行業(yè)數(shù)據(jù)。如果數(shù)據(jù)不可獲取，可以退一步和大數(shù)據(jù)平臺(tái)結(jié)合提供數(shù)據(jù)采集、清洗、標(biāo)注（自動(dòng)、人工）等功能，解決用戶數(shù)據(jù)方面的痛點(diǎn)。
前邊提到的basicFinder，就是由標(biāo)注平臺(tái)逐步發(fā)展出來(lái)的AI平臺(tái)。
2）算力入手的差異化
不論是訓(xùn)練階段還是推理階段，AI模型對(duì)算力都是強(qiáng)依賴的，因此從算力入手的AI平臺(tái)也是發(fā)展最早的一種，一般都和云平臺(tái)緊密結(jié)合，最后的收益落腳點(diǎn)都是云資源。
隨著AI芯片發(fā)展，以嵌入式設(shè)備為載體的邊端智能也越來(lái)越多，所以算力入手也可以指嵌入式算力。華為算是以算力為核心的代表公司。
3）模型入手的差異化
雖然大多AI算法都有開(kāi)源的版本，但開(kāi)源模型往往是通用模型，沒(méi)有針對(duì)特定場(chǎng)景優(yōu)化，沒(méi)有一般沒(méi)法直接應(yīng)用。比如圖像識(shí)別在醫(yī)學(xué)領(lǐng)域和在自動(dòng)駕駛領(lǐng)域可能用同樣的算法，但需要喂不同的數(shù)據(jù)，進(jìn)行不同的參數(shù)優(yōu)化，最后得到適用于不同場(chǎng)景的模型。比如face++就對(duì)人臉識(shí)別相關(guān)的各類模型都做了優(yōu)化。
一個(gè)熱門方向AI+行業(yè)，就是在數(shù)據(jù)和模型角度都針對(duì)本行業(yè)進(jìn)行差異化的設(shè)計(jì)。比如針對(duì)醫(yī)藥領(lǐng)域的醫(yī)渡云，針對(duì)稅務(wù)領(lǐng)域的慧算賬等等。
3. 如果要做AI平臺(tái)，怎么入手？
個(gè)人感覺(jué)現(xiàn)在做AI平臺(tái)是件很難的事情了，本身這類產(chǎn)品就已經(jīng)有點(diǎn)供大于求了，做差異化也需要結(jié)合已有的積累（無(wú)論是數(shù)據(jù)、算力還是模型），所以從頭做一個(gè)成功的AI平臺(tái)真的非常困難，留給AI平臺(tái)的機(jī)會(huì)可能只有+行業(yè)了。
大膽開(kāi)麥：短期之內(nèi)做AI支撐平臺(tái)的難度遠(yuǎn)小于AI開(kāi)發(fā)平臺(tái)，而成功率應(yīng)該是要高于AI開(kāi)發(fā)平臺(tái)的。與其做一個(gè)大而全卻沒(méi)有明確目標(biāo)用戶的AI開(kāi)發(fā)平臺(tái)，不如圍繞一個(gè)點(diǎn)做一個(gè)真正有人用的AI支撐平臺(tái)。
#專欄作家#
LCC，微信公眾號(hào)：sillybaby的互聯(lián)網(wǎng)求生指南，人人都是產(chǎn)品經(jīng)理專欄作家。2B+AI 產(chǎn)品經(jīng)理，相信科技向善，致力于用AI解決實(shí)際問(wèn)題。
本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載
題圖來(lái)自 Unsplash，基于 CC0 協(xié)議
好了，這篇文章的內(nèi)容發(fā)貨聯(lián)盟就和大家分享到這里，如果大家網(wǎng)絡(luò)推廣引流創(chuàng)業(yè)感興趣，可以添加微信：80709525 備注：發(fā)貨聯(lián)盟引流學(xué)習(xí)； 我拉你進(jìn)直播課程學(xué)習(xí)群，每周135晚上都是有實(shí)戰(zhàn)干貨的推廣引流技術(shù)課程免費(fèi)分享！
