我們常說的「AI+」、「AIoT」門檻到底有多高?有人重金雇傭百萬年薪 AI 技術專家依然收效甚微，但有人不懂 AI 也能十幾天做出一款 AI 應用。二者的差別究竟在哪兒?
11 月 14 日，華為云技術專家來到了上海，在 DevRun 開發(fā)者沙龍上介紹了他們幫助企業(yè)快速獲取 AI、AIoT 能力的兩件利器——華為云 ModelArts 和華為云 AIoT 全棧生態(tài)鏈。
開發(fā) AI，未必需要懂AI
我們常用的 Excel 其實是一個神奇的工具，小學生可以用它算自己的期末成績，數(shù)據(jù)分析師可以用它來分析成千上萬行數(shù)據(jù)。也就是說，用的人不一定要懂，懂的人也能用它提高效率。如果 AI 領域的工具也能做到這一點，我們常說的「AI+」還會遙遠嗎?
說到 AI，離不開算力、算法和數(shù)據(jù)，但這并不等于，有了這三件法寶，你就能自己動手開發(fā) AI 項目。在傳統(tǒng)行業(yè)，很多人手里都有一堆現(xiàn)成的數(shù)據(jù)和通用算法，算力也可以通過云端來獲取，但如果真要上手做一個 AI 項目，大部分人都感覺無從下手。
這種「迷?！归L期以來困擾著很多傳統(tǒng)行業(yè)和非 AI 領域的開發(fā)者，以至于他們一想到「AI」，首先想到的就是「算法專家」、「數(shù)據(jù)科學家」，好像「AI 開發(fā)」這件事和他們之間天然地存在一道無法逾越的壁壘。
其實，這種距離感來自很多方面。首先是數(shù)據(jù)，傳統(tǒng)行業(yè)已經積累了大量數(shù)據(jù)，但要真正利用，還要經歷數(shù)據(jù)篩選、標注等一系列繁瑣的步驟。其次是算法，AI 領域確實有一些通用算法，但如果落地到具體場景，這些通用算法的準確率可能達不到要求。而如果自己定制算法，往往要花費很長時間，而且，很多中小企業(yè)其實并不具備自己開發(fā)算法的能力，需要高薪聘請算法專家。最后是部署，全場景部署需要針對不同的場景打造不同的部署方案，這使得整個 AI 項目的上線周期被進一步拉長。
所以總體來看，非 AI 領域的人士要想解鎖 AI 技能，首先需要一個能夠克服以上種種障礙、貫穿整個開發(fā)流程的工具。對于平時不寫代碼的普通人，這個工具要像 Excel 一樣可以無障礙打開;對于專業(yè)人士，這個工具要能夠降本增效。華為云一站式 AI 開發(fā)平臺 ModelArts 就是在這樣的需求和背景下誕生的。
在上海站的 DevRun 開發(fā)者沙龍上，華為云 EI 開發(fā)者生態(tài)經理林旅強介紹了 ModelArts 的關鍵能力。
ModelArts 是一款覆蓋整個 AI 項目開發(fā)流程的低門檻工具。
首先，它打通了從「數(shù)據(jù)標注」到「模型部署」的整個 AI 項目開發(fā)流程。在數(shù)據(jù)方面，ModelArts 智能 AI 數(shù)據(jù)標注框架所提供的智能數(shù)據(jù)篩選、自動預標注、團隊標注支持等大大提高了標注效率;在訓練方面，ModelArts 訓練平臺內置 9 大類算法，100 多種算子，還支持伙伴算法導入;在推理方面，ModelArts 推理平臺支持多廠商多框架多功能模型統(tǒng)一納管，云、邊、端各種部署場景以及難例挖掘，可以實現(xiàn)統(tǒng)一管理、靈活部署和迭代式模型更新。為了方便開發(fā)者共享 AI 模型，華為云 ModelArts 團隊還開發(fā)了 AI 市場。
其次，這是一款真正的「低門檻」AI 工具，其特有的「自動學習」功能將開發(fā) AI 模型的門檻降到了幾乎人人可用的地步，只需三步就能定制一個 AI 模型，做到了真正的「零代碼」AI 開發(fā)。
當然，對于原本就有 AI 基礎的專業(yè)開發(fā)人員，ModelArts 也提供了多種開發(fā)環(huán)境、多種操作流程和模式，方便開發(fā)者編碼擴展，快速構建模型及應用。目前，ModelArts 支持 TensorFlow、Spark_MLlib、MXNet、Caffe、PyTorch、XGBoost-Sklearn、MindSpore 等深度學習框架，還支持主流 GPU 和自研 Ascend 芯片，能夠滿足高級開發(fā)者的各種需求。
從林旅強的介紹中我們可以總結出 ModelArts 的設計理念：從橫向來看，它面向的是不同經驗的 AI 開發(fā)者，無論是業(yè)務人員、行業(yè)專家還是 IT 工程師都能借助 ModelArts 開發(fā) AI 項目，提高工作效率;從縱向來看，ModelArts 覆蓋 AI 開發(fā)的各個環(huán)節(jié)，數(shù)據(jù)處理、算法開發(fā)、模型訓練、模型部署都可以在 ModelArts 上完成，中間無需轉換工具。
在 Windows 系統(tǒng)誕生之前，只有記得住一大堆命令的人才有可能利用電腦解決問題。而如今，就連 SpaceX「龍」飛船都換上了操作更簡單的觸摸屏。新工具的出現(xiàn)是技術普惠的重要條件，也讓更多人親手觸到了未來。
做IoT，離不開AI
在 5G 時代，AI 和 IoT 結合得越發(fā)緊密。一方面，IoT 設備收集了海量的數(shù)據(jù)，這些數(shù)據(jù)需要通過 5G 迅速傳輸?shù)綌?shù)據(jù)中心或直接在邊緣進行處理，而這兩種方式又都離不開 AI，也促進了 AI 算法的迭代;另一方面，AI 讓 IoT 收集的數(shù)據(jù)產生了價值，促進了商業(yè)閉環(huán)，而商業(yè)閉環(huán)又導致越來越多的資金或能力投入到物聯(lián)網(wǎng)，從而反向促進 IoT 化。
可以說，在 5G 時代，AI 和 IoT 是相輔相成的。因此，我們將它們合在一起，稱為「AIoT」。AIoT 已經成為傳統(tǒng)行業(yè)智能化升級的最佳通道，是物聯(lián)網(wǎng)發(fā)展的必然趨勢。
在萬物互聯(lián)的時代，AIoT 擁有廣泛的應用場景，但也面臨著一些挑戰(zhàn)。在這場 DevRun 開發(fā)者沙龍上，華為云 IoT 生態(tài)高級專家李亞琛指出了其中的一些痛點。
第一個痛點是數(shù)據(jù)，和 AI 領域一樣，AIoT 領域的數(shù)據(jù)也存在一些問題，比如數(shù)據(jù)元素、格式混雜;各廠商的數(shù)據(jù)只能針對有限的應用場景，彼此之間難以互通。
第二個痛點是標準 / 架構不統(tǒng)一。在現(xiàn)實的應用場景中，不同的場景可能應用不同的設備、通信網(wǎng)絡和協(xié)議，如何把這些設備通過統(tǒng)一的方式接入物聯(lián)網(wǎng)是一個具有挑戰(zhàn)性的問題。
第三個痛點是行業(yè)鏈條長，協(xié)調難度大。整個 IoT 鏈條涉及芯片、操作系統(tǒng)、模組、設備、邊緣、網(wǎng)絡云服務、應用等模塊，中間可能涉及多個供應商，每家廠商都有自己的場景。把這些場景串聯(lián)到一個項目中需要付出巨大的人力溝通成本。而且，一個項目做完之后很難推廣到其他項目。
第四個痛點是安全可信性低。物聯(lián)網(wǎng)設備深入到生活中的各個角落，如何防止它們收集的數(shù)據(jù)被盜用、濫用是一個非常敏感的問題。
面對這些挑戰(zhàn)，華為云啟動了 IoT 全棧云服務，覆蓋端、邊、管、云、行業(yè)，提供低功耗、低時延、高安全、高可信、高并發(fā)的極簡聯(lián)接服務，預置行業(yè)數(shù)據(jù)模型的一站式物聯(lián)網(wǎng)數(shù)據(jù)分析服務、豐富的行業(yè)使能套件及端到端安全服務。
IoT 聯(lián)接服務可以實現(xiàn)設備的統(tǒng)一接入和管理。在端側，華為云針對 IoT 終端設備資源受限、算力低等特點提供了輕量級 AI 推理框架 MindSpore Lite。該系統(tǒng)允許把已經訓練好的 AI 模型部署在里面，適配上千款設備。在邊緣側，為了解決數(shù)據(jù)爆炸和數(shù)據(jù)的安全性問題，華為云的 IoT Edge 可以實現(xiàn)數(shù)據(jù)的就近處理，滿足行業(yè)在實時業(yè)務、應用智能、安全與隱私保護等方面的基本需求。在云端，華為云 IoT 云服務提供設備全場景、泛網(wǎng)絡、泛協(xié)議的接入能力、單點發(fā)放管理的設備發(fā)放能力和就近接入云站點的全球 SIM 聯(lián)接服務。
IoT 數(shù)據(jù)分析服務可以幫助用戶處理和分析物聯(lián)網(wǎng)數(shù)據(jù)，實現(xiàn)數(shù)據(jù)快速變現(xiàn)。這項服務針對的痛點是 AI 開發(fā)的高門檻問題，將 IoT 數(shù)據(jù)集成、清洗、存儲、分析、可視化集成到一起，為 IoT 數(shù)據(jù)開發(fā)者提供一站式服務。這項服務還提供了豐富的分析算子，用戶可以通過拖拉拽的形式把算子流程編排起來。
IoT 行業(yè)使能服務主要面向應用開發(fā)。它豐富了行業(yè)使能套件，簡化了 ISV 應用開發(fā)難度，可以幫助用戶實現(xiàn)商業(yè)閉環(huán)。
面對 IoT 設備安全性面臨的挑戰(zhàn)，華為云構建了設備安全接入、安全隱私和端、邊、管、云安全協(xié)同的 E2E 防御體系。
除了這個全棧云服務，華為云還聯(lián)合端 - 管 - 邊 - 云 - 用的產業(yè)鏈伙伴發(fā)起了 AIoT 產業(yè)聯(lián)盟，希望聯(lián)合全球 AIoT 領域的合作伙伴、標準產業(yè)組織、開源組織、科研機構等，共同培育萬物互聯(lián)的黑土地，助力物聯(lián)網(wǎng)產業(yè)發(fā)展。目前，華為云已經參與制定了 20 多項 IoT 行業(yè)標準，為避免產業(yè)碎片化做出了貢獻。
在上個月舉辦的第三屆數(shù)字中國建設峰會上，華為云分享了 IoT 領域的最新戰(zhàn)略：聚焦物聯(lián)網(wǎng)底層能力，從技術和商業(yè)兩個層面，使能三個聯(lián)接——聯(lián)萬物，聯(lián)生態(tài)，聯(lián)行業(yè)，攜手伙伴構筑 IoT 行業(yè)解決方案，使能千行百業(yè)的智能升級。
實操演練：ModelArts實現(xiàn)垃圾分類 + 智慧煙感快速接入華為云IoT平臺
在聽完 ModelArts 和華為云 IoT 平臺的介紹之后，現(xiàn)場的開發(fā)者對這兩個平臺的能力已經有了一個基本的把握，接下來就到了上手體驗的環(huán)節(jié)。
第一個實踐項目要求開發(fā)者基于 ModelArts 快速搭建一個垃圾分類模型，雖然我們前面提到了 ModelArts 的自動學習可以 0 代碼快速開發(fā) AI 模型，但我們決定把自動學習案例作為課后作業(yè)留給開發(fā)者小伙伴們回去體驗，現(xiàn)場的案例我們來個「有點挑戰(zhàn)」的!
雖然說「有點挑戰(zhàn)」，但本次實操在開發(fā)者環(huán)節(jié)仍無需編寫代碼，而是基于 ModelArts 的 AI 市場，我們直接從 AI 市場下載其他開發(fā)者們共享的垃圾分類訓練代碼及數(shù)據(jù)集，然后使用 ModelArts 的訓練管理和模型管理功能，通過簡單配置就可以快速的將數(shù)據(jù)集訓練成指定的模型，并部署上線使用。
當然 AI 市場里除了垃圾分類的，還有很多其他有趣有價值的 AI 數(shù)據(jù)集、模型等，歡迎大家體驗。
目前，華為云 ModelArts 已經在相關領域得到了廣泛應用，如建行常德分行借助 ModelArts 不到十天就上線了一款口罩識別應用。此外，華為云還和亞馬遜叢林保護組織等機構展開合作，共同開發(fā)了識別非法伐木行為的應用。而這些，都可以通過非常簡單的操作來完成。
第二個實踐項目是圍繞華為云 IoT 平臺展開的，要求開發(fā)者利用該平臺進行「智慧煙感快速接入華為云 IoT 平臺」的實操。
煙霧傳感器可以實時監(jiān)測煙霧，實現(xiàn)消防安全智能化。但在實際應用中，煙感器存在安裝分布密集，不方便走線;無法與人交互，存在誤報風險;耗電量大，維護成本高等問題。華為云依托 NB-IoT 通信技術、基于華為云 IoT 平臺的智慧煙感的引入解決了這些問題。
AI 已至，未來已來。DevRun 開發(fā)者沙龍將繼續(xù)深入全國各地，為各地開發(fā)者搭建一個與華為云技術專家交流的平臺，共建親密互動的開發(fā)者生態(tài)。下一場 DevRun 開發(fā)者沙龍將于南寧舉辦，期待各位開發(fā)者的參與，11 月 18 日，我們南寧見。
（免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
