從來(lái)沒(méi)有一個(gè)時(shí)代，像今天這樣對(duì)人工智能的未來(lái)充滿(mǎn)樂(lè)觀。

在新近的報(bào)告中，Gartner預(yù)測(cè)到2022年，企業(yè)應(yīng)用AI的平均數(shù)量相對(duì)2019年將增長(zhǎng)9倍，而到2022年，AI商業(yè)價(jià)值將達(dá)到3.9萬(wàn)億美元；Forrester則更為樂(lè)觀，其綜合各種市場(chǎng)調(diào)查分析后認(rèn)為到2025年，所有企業(yè)都將使用AI。

可以說(shuō)，Al項(xiàng)目將在不久的將來(lái)蓬勃發(fā)展。

但是，這是針對(duì)于AI業(yè)界宏觀趨勢(shì)的判斷，對(duì)那些真正需要用到AI的企業(yè)來(lái)說(shuō)，選擇什么樣的方式、什么樣的服務(wù)商來(lái)獲得AI能力，仍然是一個(gè)必須考慮的問(wèn)題。這其中，對(duì)于很多體量較大的企業(yè)而言，自建AI而非購(gòu)買(mǎi)現(xiàn)成AI服務(wù)成為首要選擇，給從事相關(guān)領(lǐng)域的AI技術(shù)服務(wù)商打開(kāi)了龐大的商業(yè)空間，而由于涉及數(shù)字化轉(zhuǎn)型升級(jí)的戰(zhàn)略動(dòng)作，牽一發(fā)而動(dòng)全身，這些企業(yè)選擇服務(wù)商也會(huì)更為謹(jǐn)慎。

這時(shí)候，一些權(quán)威行業(yè)報(bào)告的價(jià)值就體現(xiàn)出來(lái)。

不久前，F(xiàn)orrester發(fā)布“The Forrester Wave?：Predictive Analytics And Machine Learning In China，Q4 2020”報(bào)告，對(duì)中國(guó)PAML（預(yù)測(cè)分析與機(jī)器學(xué)習(xí)）廠商進(jìn)行了年度評(píng)估。AI主要由機(jī)器學(xué)習(xí)（ML）模型組成，這個(gè)報(bào)告既可以看作行業(yè)層面的盤(pán)點(diǎn)，更給予希望選擇正確的PAML解決方案自建AI、提升AI生產(chǎn)力的企業(yè)以權(quán)威的參考。

從這個(gè)報(bào)告，我們可以看到巨頭競(jìng)逐下PAML市場(chǎng)行業(yè)格局的巨大變化，以及自建AI龐大的商業(yè)機(jī)會(huì)背后的獨(dú)特挑戰(zhàn)。

自建AI的PAML成為大勢(shì)所趨 低門(mén)檻、規(guī)?；?、算力優(yōu)化成為三大能力

從玩家分布的格局來(lái)看，2020年，服務(wù)自建AI的PAML呈現(xiàn)三大技術(shù)巨頭+一個(gè)獨(dú)角獸企業(yè)領(lǐng)銜的市場(chǎng)格局，阿里云、華為云、第四范式、百度智能云位居Leaders象限，顯示它們?cè)趲椭髽I(yè)自建AI這件事上取得了先機(jī)：

值得一提的是，這個(gè)象限圖的取得，建立在Forrester一整套成熟的指標(biāo)體系基礎(chǔ)之上。

例如，縱軸代表當(dāng)前產(chǎn)品的優(yōu)勢(shì)，包括數(shù)據(jù)、建模、協(xié)作、模型評(píng)估、模型運(yùn)營(yíng)、方法和算法以及平臺(tái)基礎(chǔ)設(shè)施等；橫軸則代表面向未來(lái)的戰(zhàn)略?xún)?yōu)勢(shì)，包括執(zhí)行能力、解決方案路線圖、實(shí)施、合作伙伴、價(jià)格策略和社區(qū)等；圓圈大小則表示市場(chǎng)地位，其結(jié)果由客戶(hù)認(rèn)可度、產(chǎn)品收益評(píng)估值及市場(chǎng)認(rèn)知度三大維度得出。

正是由于復(fù)雜、嚴(yán)密的指標(biāo)庫(kù)，讓Forrester的各類(lèi)分析報(bào)告得到市場(chǎng)廣泛認(rèn)可。

同時(shí)，報(bào)告中指出，中國(guó)數(shù)字經(jīng)濟(jì)正在蓬勃發(fā)展，企業(yè)選擇正確的PAML產(chǎn)品可幫助企業(yè)快速、規(guī)?；瘶?gòu)建AI應(yīng)用，提高企業(yè)生產(chǎn)力。

因此，F(xiàn)orrester報(bào)告中，也著重總結(jié)了PAML產(chǎn)品所應(yīng)具備的三大能力：

1、可為不同的團(tuán)隊(duì)簡(jiǎn)化模型開(kāi)發(fā)

隨著企業(yè)業(yè)務(wù)的不斷發(fā)展，AI應(yīng)用場(chǎng)景也將從幾個(gè)擴(kuò)展至數(shù)千個(gè)。為此，PAML產(chǎn)品應(yīng)當(dāng)具備適合不同團(tuán)隊(duì)和角色的模型開(kāi)發(fā)能力。PAML需要友好的可視化界面來(lái)開(kāi)發(fā)AI模型；側(cè)重代碼的數(shù)據(jù)科學(xué)團(tuán)隊(duì)需要可覆蓋整個(gè)模型開(kāi)發(fā)生命周期的完整、集成的獨(dú)立開(kāi)發(fā)環(huán)境；不具備深厚ML知識(shí)的商業(yè)用戶(hù)則需要特性齊全的自動(dòng)機(jī)器學(xué)習(xí)（AutoML）能力來(lái)提高M(jìn)L生產(chǎn)效率。

2、可快速大規(guī)模地部署機(jī)器學(xué)習(xí)模型

構(gòu)建ML模型只是起點(diǎn)，為實(shí)現(xiàn)業(yè)務(wù)效益，公司必須將模型部署到生產(chǎn)應(yīng)用中，并對(duì)其進(jìn)行監(jiān)督管理。PAML需要具備從開(kāi)發(fā)系統(tǒng)到生產(chǎn)系統(tǒng)的模型部署能力，以業(yè)務(wù)友好的方式監(jiān)督ML模型性能，管理ML模型并確保部門(mén)間協(xié)同合作，使用新數(shù)據(jù)對(duì)在線ML模型進(jìn)行再訓(xùn)練以防性能下降。

3、可利用分布式和混合架構(gòu)加速訓(xùn)練和推理

在模型訓(xùn)練過(guò)程中，會(huì)涉及大量參數(shù)運(yùn)算，從而加重計(jì)算基礎(chǔ)設(shè)施的負(fù)擔(dān)。PAML應(yīng)幫助企業(yè)有效地將訓(xùn)練工作量分配到分布式架構(gòu)中，以減少開(kāi)發(fā)人員的等待時(shí)間。此外，模型推理會(huì)直接決定客戶(hù)體驗(yàn)，為滿(mǎn)足推理需求并符合隱私規(guī)定，PAML應(yīng)提供混合架構(gòu)，便于跨云、數(shù)據(jù)中心和邊緣部署模型。

搶占企業(yè)自建AI的藍(lán)海，PAML玩家還面臨三大挑戰(zhàn)

藍(lán)海的風(fēng)浪不來(lái)自于同行的競(jìng)爭(zhēng)，客戶(hù)的需求決定著玩家能否走得更穩(wěn)、更遠(yuǎn)，當(dāng)下的自建AI市場(chǎng)也是如此。

從客戶(hù)需求的角度出發(fā)，結(jié)合Forrester報(bào)告的一些洞察，我們能得到當(dāng)下PAML賽道上的玩家面臨的三大挑戰(zhàn)，這些挑戰(zhàn)，是后進(jìn)者必須思考的問(wèn)題。反過(guò)來(lái)看，也正是有效應(yīng)對(duì)了這些挑戰(zhàn)，阿里云、華為云、第四范式、百度智能云才能位居Leaders象限，或者，從另一個(gè)角度看，第四范式這個(gè)獨(dú)角獸才能與巨頭們坐在一起。

1、技術(shù)層面，能力無(wú)限高，但門(mén)檻要無(wú)限低

企業(yè)對(duì)AI技術(shù)發(fā)揮的價(jià)值的索取肯定是沒(méi)有上限的，AI建模必須足夠優(yōu)質(zhì)，因此自建AI是一件十分需要“技術(shù)含量”的事，如果拋開(kāi)外部的服務(wù)平臺(tái)，它們自己來(lái)做一般需要由AI專(zhuān)家來(lái)完成，在AI人才緊缺的大背景下，這是一件非常昂貴的事，有著很高的資源投入門(mén)檻。

因此，作為外部技術(shù)服務(wù)商，PAML玩家進(jìn)場(chǎng)賦能，既需要提供足夠的技術(shù)能力，也不能讓自建AI這件事變得很高門(mén)檻。按Forrester在報(bào)告中的表述，具備優(yōu)勢(shì)的企業(yè)必須“可為不同的團(tuán)隊(duì)簡(jiǎn)化模型開(kāi)發(fā)”、“賦予數(shù)據(jù)工程師、科學(xué)家、商務(wù)人士和應(yīng)用程序開(kāi)發(fā)人員更多的能力”——這本身也是AI大范圍在企業(yè)普及的一種必然和必要。

這方面，頭部象限的阿里云等玩家都為客戶(hù)提供了系統(tǒng)化的工具平臺(tái)，在保證技術(shù)深度的同時(shí)降低門(mén)檻如何讓業(yè)務(wù)人員達(dá)到AI專(zhuān)家的能力呢？Forrester在報(bào)告中提到，自動(dòng)機(jī)器學(xué)習(xí)（AutoML）應(yīng)該是破局之道。AutoML簡(jiǎn)單來(lái)說(shuō)，是一種讓AI建模自動(dòng)化的過(guò)程，因此大幅降低了AI應(yīng)用門(mén)檻。目前，各大廠商都在PAML廠商中加入了AutoML能力。但第四范式的AutoML因?yàn)樵诳s短數(shù)據(jù)準(zhǔn)備周期、通過(guò)超高維算法提高模型性能、持續(xù)優(yōu)化模型等技術(shù)、功能上的簡(jiǎn)化，受到了Forrester以及第四范式客戶(hù)等多方的青睞。在報(bào)告中，第四范式的受訪客戶(hù)表示，AutoML在某些場(chǎng)景中，可以和數(shù)據(jù)科學(xué)家一樣出色，同時(shí)也對(duì)第四范式ML項(xiàng)目管理和安全特性感到滿(mǎn)意。

用AI造AI專(zhuān)家，或是下一步自建AI的玩法之一，但它本身對(duì)技術(shù)的需求又高了一個(gè)層級(jí)。

2、應(yīng)用層面，深入場(chǎng)景的落地性才能讓自建AI的價(jià)值成立

企業(yè)自建AI的最終目的是為了提升業(yè)務(wù)表現(xiàn)，無(wú)論什么樣超前的技術(shù)、精細(xì)化的建模，都需要落地到場(chǎng)景方案當(dāng)中去。

一個(gè)優(yōu)質(zhì)的、得到市場(chǎng)廣泛認(rèn)可的PAML廠商，肯定都手握了大量場(chǎng)景實(shí)踐，這些落地是它們技術(shù)服務(wù)能力的唯一最終衡量標(biāo)準(zhǔn)。

阿里云、華為云、百度云憑借云計(jì)算的市場(chǎng)表現(xiàn)，以及AI上云的趨勢(shì)，在自建AI領(lǐng)域有著天然的實(shí)踐落地優(yōu)勢(shì)，它們一旦上線PAML就能馬上得到客戶(hù)認(rèn)可并不意外。而第四范式這個(gè)早在2014年就創(chuàng)立、普通人很少聽(tīng)過(guò)名字的AI平臺(tái)與技術(shù)服務(wù)提供商，它能在PAML領(lǐng)域獲得的認(rèn)可，與推動(dòng)企業(yè)自建AI落地到廣泛的場(chǎng)景實(shí)踐有直接關(guān)系。

中國(guó)90%的持卡人背后享受的交易智能化保護(hù)，都有第四范式服務(wù)的影子，其服務(wù)的金融機(jī)構(gòu)資產(chǎn)總規(guī)模超過(guò)50萬(wàn)億；此外，肯德基每一筆訂單背后的智能計(jì)算（智能推薦等），也源自第四范式的服務(wù)；疫情期間CDC與工信部的AI抗疫方案，也是這家公司在背后提供支持。

大眾市場(chǎng)對(duì)To B技術(shù)服務(wù)商的陌生是正常的，阿里云、華為云、第四范式、百度智能云等等在服務(wù)企業(yè)AI能力這件事上已經(jīng)有著廣泛的布局，這本身即是自建AI的競(jìng)爭(zhēng)壁壘，根據(jù)公開(kāi)資料顯示，即便“不太為人所知”的第四范式，也已經(jīng)在金融、零售、制造、醫(yī)療、能源、互聯(lián)網(wǎng)等領(lǐng)域成功落地上萬(wàn)個(gè)AI應(yīng)用，頭部客戶(hù)包括工商銀行、交通銀行、招商銀行、中石油、華油能源、百勝中國(guó)、永輝超市、百威、來(lái)伊份、美素佳兒、人民日?qǐng)?bào)、瑞金醫(yī)院等等。

3、統(tǒng)合推進(jìn)層面，自建AI不只有技術(shù)服務(wù)更需要系統(tǒng)化提升

在To B服務(wù)領(lǐng)域，一個(gè)趨勢(shì)越來(lái)越明顯，即服務(wù)方不再僅限于提供某一個(gè)模塊的技術(shù)服務(wù)，而轉(zhuǎn)向整體提升客戶(hù)企業(yè)的業(yè)務(wù)能力。除了商業(yè)機(jī)會(huì)的考慮，核心服務(wù)內(nèi)容必須依賴(lài)企業(yè)其他配套能力的提升才能實(shí)現(xiàn)更好的落地。

服務(wù)自建AI也是如此，PAML供應(yīng)商即便提供了高技術(shù)水準(zhǔn)、低門(mén)檻、擁有廣泛場(chǎng)景實(shí)踐支撐的解決方案，也需要客戶(hù)企業(yè)在業(yè)務(wù)條線、數(shù)據(jù)邏輯、系統(tǒng)整合、人才培養(yǎng)等方面進(jìn)行適配，才能讓自建AI更好地產(chǎn)生應(yīng)用、創(chuàng)造場(chǎng)景落地價(jià)值。

按Forrester報(bào)告中的說(shuō)法，這是大規(guī)模部署層面“從開(kāi)發(fā)系統(tǒng)到生產(chǎn)系統(tǒng)的模型部署管道，以業(yè)務(wù)友好的方式監(jiān)督ML模型性能，管理ML模型并確保部門(mén)間AI團(tuán)隊(duì)能協(xié)同合作”。

最后，回過(guò)頭來(lái)看，盡管頭部象限的幾個(gè)玩家應(yīng)對(duì)這些挑戰(zhàn)都做得還不錯(cuò)，但挑戰(zhàn)并沒(méi)有結(jié)束，它們將是一個(gè)持續(xù)的過(guò)程，誰(shuí)能最終獲得客戶(hù)更多的認(rèn)可、獲得市場(chǎng)的青睞，還需要更多時(shí)間的驗(yàn)證。。

自建AI一片向好 但市場(chǎng)紛爭(zhēng)仍充滿(mǎn)未知

在Forrester的另一份相關(guān)領(lǐng)域的報(bào)告中，可以發(fā)現(xiàn)越來(lái)越多的企業(yè)開(kāi)始重視自建AI能力，受訪企業(yè)意愿比例從25%提升到了42%：

與此對(duì)應(yīng)的是，一些可以幫助企業(yè)自建AI能力的核心AI技術(shù)，如在通用性上占有優(yōu)勢(shì)的平臺(tái)型AI技術(shù)、可降低自建AI門(mén)檻的自動(dòng)化機(jī)器學(xué)習(xí)（AutoML），成為企業(yè)優(yōu)先投資的技術(shù)點(diǎn)：

這個(gè)趨勢(shì)在中國(guó)企業(yè)身上也有具體體現(xiàn)，第四范式就透露其重要客戶(hù)某頭部金融機(jī)構(gòu)未來(lái)兩年計(jì)劃將AI機(jī)器學(xué)習(xí)項(xiàng)目增加5倍。

市場(chǎng)越大，就意味著競(jìng)爭(zhēng)越慘烈。

可以發(fā)現(xiàn)，在2020年的Forrester象限圖中，一個(gè)巨頭的表現(xiàn)似乎并不佳——騰訊云“屈居”第二象限，且市場(chǎng)表現(xiàn)較為一般。

是騰訊云真的不行嗎？事實(shí)上，騰訊云剛剛發(fā)力PAML的時(shí)間并不久，到報(bào)告調(diào)研截止時(shí)間前，市場(chǎng)還沒(méi)有給予這個(gè)快速發(fā)展的云計(jì)算巨頭充分的展示機(jī)會(huì)。

這提醒我們，既然從2018年到2020年，PAML市場(chǎng)格局可以發(fā)生如此大的變化，那么2020年的市場(chǎng)格局也必然不是“穩(wěn)態(tài)”的，它也只是快速發(fā)展過(guò)程中的一個(gè)截面罷了。

未來(lái)，像騰訊云這樣的玩家會(huì)走向何方，誰(shuí)也不知道，這也是自建AI領(lǐng)域有充分的市場(chǎng)活力的表現(xiàn)——每一個(gè)玩家面臨的都是一個(gè)不確定性的未來(lái)。

但是，這種不確定性中，有一點(diǎn)是可以確定的，能夠更好地應(yīng)對(duì)技術(shù)、應(yīng)用到統(tǒng)合推進(jìn)三個(gè)維度的挑戰(zhàn)的玩家，會(huì)占據(jù)優(yōu)勢(shì)。

而對(duì)于那些非頭部的PAML玩家，又該如何在未來(lái)的競(jìng)爭(zhēng)中站穩(wěn)腳跟呢？

從2018年到2020年，F(xiàn)orrester的報(bào)告所采用的嚴(yán)密指標(biāo)體系也進(jìn)行了一些適應(yīng)性調(diào)整，這種調(diào)整一定程度上代表著自建AI的一些細(xì)化的趨勢(shì)變化。

例如，強(qiáng)調(diào)了推理優(yōu)化、邊緣計(jì)算支持等，顯示物聯(lián)網(wǎng)邊緣計(jì)算在自建AI能力中地位的提升；

增加了創(chuàng)建基于PAML模型的應(yīng)用、利用PAML模型創(chuàng)建業(yè)務(wù)工作流的評(píng)價(jià)等，表達(dá)自建AI落地性需求的增加；

建議數(shù)據(jù)關(guān)系、自動(dòng)數(shù)據(jù)統(tǒng)計(jì)分析指標(biāo)，反映“決策型AI”成為自建AI的重要趨勢(shì)；

強(qiáng)化模型驗(yàn)證以及解釋評(píng)價(jià)，表明很多企業(yè)開(kāi)始關(guān)注自建AI過(guò)程中模型的可解釋性問(wèn)題，這可能主要發(fā)生在金融領(lǐng)域?qū)弦?guī)的需求上……

在更明顯的意愿面前，自建AI的需求開(kāi)始往深度走，除了帶動(dòng)市場(chǎng)格局的顛覆式變化，也催生出一系列具體的細(xì)化趨勢(shì)，而對(duì)這些“小趨勢(shì)”的契合未來(lái)或成為客戶(hù)是否會(huì)選擇某家PAML平臺(tái)的重要因素。

責(zé)任編輯：PSY