未來,借助AI的領(lǐng)先生產(chǎn)力,將會有更多企業(yè)在生產(chǎn)、交付效率上實(shí)現(xiàn)“跨量級”式的提升。
《安安訪談錄》是界面財(cái)聯(lián)社執(zhí)行總裁徐安安出品的一檔深度訪談類欄目。從投資角度對話1000位行業(yè)領(lǐng)軍人物,覆蓋傳媒創(chuàng)新、VC/PE、信息服務(wù)、金融科技、交易體系、戰(zhàn)略新興等方向。
鯨平臺《商業(yè)模式鯨解》是由《安安訪談錄》出品的系列專訪,以龍頭企業(yè)掌門人或知名研究咨詢機(jī)構(gòu)高管的訪談為一手信源,拆解企業(yè)商業(yè)模式,為記者和投資人更深度了解企業(yè)提供一扇新的窗口。
本期訪談人物:
共達(dá)地高級市場總監(jiān) 李蘇南
“我們在業(yè)界率先做到了讓整個AI的訓(xùn)練和迭代過程完全不需要AI工程師參與,完全不需要寫一行代碼,而且精度高于行業(yè)平均水平。”
▍個人介紹
共達(dá)地高級市場總監(jiān);曾幫助騰訊、華為等公司B2B業(yè)務(wù)打造過億商機(jī)的強(qiáng)壯獲客管道;騰訊WeCity未來城市、華為無線SingleSite等領(lǐng)導(dǎo)品牌的核心締造者與主理人。
▍第一標(biāo)簽
行業(yè)首個商用AutoML自動化AI訓(xùn)練平臺布道者
▍公司簡介
共達(dá)地創(chuàng)立于2020年,總部位于中國廣東省深圳市,是全球領(lǐng)先的AutoML自動化AI訓(xùn)練平臺提供商,在業(yè)界率先實(shí)現(xiàn)了AI視覺算法端到端的全流程自動化開發(fā)。
面向超大規(guī)模精細(xì)化的未來AI需求,共達(dá)地致力于為所有行業(yè)、組織和開發(fā)者提供前所未有的加速賦能,以0代碼自動化方式實(shí)現(xiàn)AI算法的訓(xùn)練、部署和迭代,助力客戶向AI化敏捷轉(zhuǎn)型,構(gòu)建無所不及的智能世界。
盡管在過去十年中,世界在自動機(jī)器學(xué)習(xí)中取得了顯著的進(jìn)步和創(chuàng)新,但在市場應(yīng)用層面仍有很大的提升空間。隨著更加多維的數(shù)據(jù)被采用,以及自動化學(xué)習(xí)技術(shù)的迭代,自動機(jī)器學(xué)習(xí)正在變得更加智能。佩戴口罩識別、垃圾滿溢識別、路面損壞識別、工業(yè)零件質(zhì)檢……過去因?yàn)锳I成本太高、實(shí)現(xiàn)難度較大而沒有得到釋放的市場需求,正逐步通過自動機(jī)器學(xué)習(xí)得到滿足。未來,借助AI的領(lǐng)先生產(chǎn)力,將會有更多企業(yè),尤其是傳統(tǒng)企業(yè)在生產(chǎn)、交付效率上實(shí)現(xiàn)“跨量級”式的提升。
01
——————————
AI行業(yè)下半場:拒絕“自嗨” 深度對接場景需求
請您和我們分享共達(dá)地的市場定位是怎樣的,崗位分布有哪些特點(diǎn)?
李蘇南:共達(dá)地專注在通過AutoML自動化機(jī)器學(xué)習(xí)實(shí)現(xiàn)AI的大規(guī)模商業(yè)化落地。如果說AI行業(yè)發(fā)展的上半場是只有少數(shù)公司、少數(shù)科學(xué)家和高階工程師才能參與的“小眾”領(lǐng)域,那么下半場,共達(dá)地希望把AI的開發(fā)和訓(xùn)練門檻降到最低,讓各行業(yè)中了解業(yè)務(wù)場景、業(yè)務(wù)需求的人,都能將AI當(dāng)成一個高效解決實(shí)際問題的、便捷的工具?;谶@個角度,我們拒絕“自嗨”,努力做到充分開放、充分好用、充分端到端,讓更多的伙伴參與到AI的創(chuàng)作中來。
共達(dá)地目前大概有70人左右的規(guī)模,研發(fā)和產(chǎn)品團(tuán)隊(duì)占70%左右。團(tuán)隊(duì)核心技術(shù)人才來自包括香港科技大學(xué)、香港中文大學(xué)、大疆創(chuàng)新、百度、微軟等海內(nèi)外知名高校以及全球頂級科技企業(yè)。創(chuàng)業(yè)的初期會把更多的精力投入到產(chǎn)品的積淀和完善,以及去打造平臺的易用性、穩(wěn)定性和可靠性等方面,聚焦把產(chǎn)品做得更好。
02
——————————
AutoML助力算法生產(chǎn)“降本提效”
您認(rèn)為,為什么當(dāng)前AI技術(shù)在各個應(yīng)用場景中的滲透率比較低?又該如何提高呢?
李蘇南:首先,前期的市場成熟度還不夠。很多傳統(tǒng)行業(yè)的客戶并沒有意識到,有許多問題是可以用AI解決的,而且應(yīng)用成本和難度都很低。我們現(xiàn)在也有了案例,一些傳統(tǒng)行業(yè)的先行者已經(jīng)在用AI解決問題。讓客戶看到這些點(diǎn)其實(shí)是比較重要的。
第二,人工的話通常要半年的時間訓(xùn)練出來一個算法,所需要的時間成本和人力成本都很高。我們希望讓客戶意識到我們是通過機(jī)器學(xué)習(xí)這種流水線的生產(chǎn)方式制作算法,落地的成本不到原來的十分之一,即使是中小客戶,也完全可以承受的,可以把AI按照自己的設(shè)想應(yīng)用到項(xiàng)目里。
此外,我們用機(jī)器學(xué)習(xí)做出來的算法,精度也很高,可以媲美8年以上經(jīng)驗(yàn)的AI工程師的水平,從這個角度來說,我們的算法完全可以達(dá)到商用落地的標(biāo)準(zhǔn),在具體業(yè)務(wù)場景中發(fā)揮實(shí)際價值。
例如,用我們自動化機(jī)器學(xué)習(xí)所做出來的AI算法,已經(jīng)在倉儲物流、園區(qū)港口、建筑工地、智慧城市、農(nóng)牧場等三百多個場景落地了,24小時不眠不休監(jiān)控場景中存在的潛在問題,幫助企業(yè)減少在安全巡檢方面的人力投入,識別報(bào)警的可靠性和準(zhǔn)確度甚至比人力還要靠譜。
我們要向行業(yè)證明,AI有價值并且能在場景中落地,這些是我們要去向這個行業(yè)輸出的部分。
共達(dá)地自動化AI訓(xùn)練技術(shù)的核心優(yōu)勢是?目前的市場份額是怎樣的?
李蘇南:核心優(yōu)勢主要體現(xiàn)在產(chǎn)品的全自動化上。
AI開發(fā)的過程大概可以分為13個步驟,除去一開始的業(yè)務(wù)定義和最后的應(yīng)用開發(fā)必須依賴專業(yè)人員根據(jù)業(yè)務(wù)需求定制外,中間大量的工作其實(shí)都可以標(biāo)準(zhǔn)化。但現(xiàn)實(shí)的情況是,這些工作目前主要依賴AI工程師通過自己的經(jīng)驗(yàn)和感覺反復(fù)摸索來完成。這里面當(dāng)然有很多高門檻的工作,但更多時間精力其實(shí)是被耗費(fèi)在低效的、重復(fù)的試錯工作中的。所以很多AI工程師會自嘲為“調(diào)參俠”,認(rèn)為這些工作的價值有限,但又必須要做。
我們在考慮的事情就是,用自動化機(jī)器學(xué)習(xí)的方式,讓算法訓(xùn)練的過程標(biāo)準(zhǔn)化,讓機(jī)器學(xué)會學(xué)習(xí)并代替人力完成這些反復(fù)的、低效的工作,讓 AI工程師從這個過程中解放出來,這是我們現(xiàn)在AI訓(xùn)練技術(shù)的一個核心優(yōu)勢。而且,與過去的AutoML不一樣的地方是,我們做的不是一個單點(diǎn)的工具,也不是輔助工程師做AI開發(fā)的一個工具,而是真正能夠端到端地把AI門檻降下來的平臺。從前端的數(shù)據(jù)分析,到中間神經(jīng)網(wǎng)絡(luò)的選擇,到超參的調(diào)節(jié),然后到數(shù)據(jù)的蒸餾,再到模型的生成,最后到模型的部署,環(huán)環(huán)相扣,全部都是自動化了的。
基于這種定位,所以我們的目標(biāo)是希望賦能過去不具備AI能力的公司成長,比如說集成商、解決方案開發(fā)商,讓他們擁有AI開發(fā)的能力,或者幫助傳統(tǒng)的AI公司基于我們的平臺提升算法的生產(chǎn)效率和交付效率。最終,我們和大家一起,挖掘市場中更多的潛在需求,比如游攤小販識別、佩戴口罩識別、垃圾滿溢識別、路面損壞識別、工業(yè)零件質(zhì)檢、油管道泄露、牧場養(yǎng)殖管理等等。通過共達(dá)地的平臺,激活過去因?yàn)锳I成本太高、實(shí)現(xiàn)難度較大而沒有得到釋放的需求,讓千行百業(yè),大小企業(yè),都能基于AI這種領(lǐng)先生產(chǎn)力的力量,實(shí)現(xiàn)業(yè)務(wù)的升級。
如今的AI市場份額中,我們觀察到大概90%左右是比較傳統(tǒng)的需求,例如人臉識別、車輛識別、OCR識別等。目前共達(dá)地的平臺服務(wù)了幾百家客戶,我們期望這個數(shù)字在明年可以有幾倍的增長。
AutoML(自動機(jī)器學(xué)習(xí))不是一個新詞,共達(dá)地的AutoML和行業(yè)中的其他公司有什么不同?如何看待AutoML這條賽道當(dāng)前的成熟度?
李蘇南:過去AutoML更多是一個輔助的作用,在算法生產(chǎn)的某些單點(diǎn)環(huán)節(jié),幫助專業(yè)的工程師提高工作效率。共達(dá)地做的AutoML并不是一個單點(diǎn)的工具,我們認(rèn)為在整個AI的開發(fā)鏈路中,只要有一個環(huán)節(jié)沒有做到自動化,那么整個鏈條都是不能自動化的。所以,我們一開始的理念就是要實(shí)現(xiàn)整個AI訓(xùn)練鏈路的自動化,并在業(yè)界率先做到了讓整個AI的訓(xùn)練和迭代過程完全不需要AI工程師參與,完全不需要寫一行代碼,而且精度高于行業(yè)平均水平。
在部署環(huán)節(jié),我們在行業(yè)中率先適配了市面上主流的100+硬件和芯片。在AI訓(xùn)練過程中,模型會根據(jù)硬件做好預(yù)先的適配,讓客戶在落地運(yùn)行模型的時候,不需要額外的開發(fā)工作。
03
——————————
共達(dá)地AutoML讓算法商城“活起來”
市場也有許多AI企業(yè)會通過提前生產(chǎn)成熟的、常用的算法,以算法商城的形式與產(chǎn)業(yè)客戶合作,以加快落地效率,降低落地成本。共達(dá)地的算法商城和行業(yè)上的做法是一樣的嗎?
李蘇南:我們認(rèn)為長尾市場是非常需要自動化機(jī)器學(xué)習(xí)這樣的工具的。一是需求多且雜,對算法定制的要求高,同樣的算法從場景A遷移到場景B時,也需要定制,這個工作量是無法依靠人力完成的;二是需求散且小,如果成本過高、周期過長或門檻過高,是無法落地的。
這種情況就導(dǎo)致,長尾市場中的需求一直都存在,但是客戶用不起,有些客戶用得起又會認(rèn)為你們做的太慢,做的效果不夠好。
通過算法商城,即把市場上常見的、可復(fù)用的算法生產(chǎn)出來,讓客戶可以即買即用,就像在商城里買現(xiàn)成商品一樣,是一個擴(kuò)大算法的應(yīng)用廣度的好方法。但與其他算法商城相比,共達(dá)地基于自動化機(jī)器學(xué)習(xí)的算法商城,里面的算法是“活的”,并不會像一個實(shí)體的超市,好像商品擺在那里可能一年到頭就不會動了。
舉個例子,同樣的安全帽識別算法,共達(dá)地的算法商城所提供的算法,是可以根據(jù)實(shí)際應(yīng)用場景中,攝像頭的遠(yuǎn)近、工地實(shí)景特征、日夜間光線變化等不同情況,進(jìn)行自動迭代優(yōu)化的,這就保障了算法應(yīng)用到業(yè)務(wù)場景后的精度不低于92%。但如果是“死算法”的話,可能在算法商城中精度大于97%,但落地應(yīng)用后實(shí)際精度不到10%,我們見過很多這樣的案例。
04
——————————
讓以前“不敢想”的算法需求高效落地
在傳統(tǒng)產(chǎn)業(yè)的轉(zhuǎn)型過程中,一個很嚴(yán)重的問題是傳統(tǒng)產(chǎn)業(yè)的客戶不具備AI的理解力,也不具備專業(yè)的人力團(tuán)隊(duì)去對接、運(yùn)維,這會導(dǎo)致即使客戶買了AI解決方案,后續(xù)也一不定能應(yīng)用得很好。共達(dá)地怎么看待這個問題,是否有相應(yīng)的解決思路?
李蘇南:其實(shí)在售前階段,有一個很重要的環(huán)節(jié),叫需求定義。這個環(huán)節(jié)是解決懂技術(shù)的人不懂業(yè)務(wù),懂業(yè)務(wù)的人不懂技術(shù)這一問題的重要手段,避免因?yàn)闇贤櫆献尯唵蔚氖虑樽儚?fù)雜,延誤工期或降低交付質(zhì)量。我們的產(chǎn)品經(jīng)理會跟客戶一起去定義業(yè)務(wù)問題,分析清楚到底是要用AI解決什么問題,以及哪些問題是用AI視覺可以解決的。然后我們要跟他一起去分析,為了解決這些問題,需要提供哪些數(shù)據(jù)。以油管泄漏識別為例,油管正常的時候是什么樣子的,泄露的時候是什么樣子的,我們會去幫助企業(yè)一起進(jìn)行數(shù)據(jù)的采集,確保這些數(shù)據(jù)能夠訓(xùn)練出高精度標(biāo)準(zhǔn)的模型。
在最后的模型部署和落地的部分,我們也要跟企業(yè)了解方案大概需要什么樣的硬件設(shè)備的支撐,需要多少算力才能達(dá)到識別的精度。我們現(xiàn)在也和很多硬件廠商建立了廣泛的生態(tài)關(guān)系,比如說像英特爾、華為、英碼、英偉達(dá)等主流廠商,將我們的AI的算法和他們的硬件打包在一起,幫助客戶最終實(shí)現(xiàn)算法落地。
所以,從這個維度來看,算法的大規(guī)模應(yīng)用,不只是一個技術(shù)問題,更是一個服務(wù)問題和生態(tài)問題,尤其是面對長尾市場的時候。共達(dá)地希望通過AutoML讓算法的生產(chǎn)變成一件簡單的事情,然后騰出更多精力去完善生態(tài)、優(yōu)化服務(wù),讓客戶都能用得起、用得好AI。
從已有的合作案例來看,共達(dá)地將AI的應(yīng)用效率、規(guī)模、邊界拓展到了什么程度?有哪些好的案例可以分享?
李蘇南:一方面,我們在和大型客戶,比如說像平安智慧城市,軟通智慧還有千世通這樣的公司做城市級或者金融級的AI項(xiàng)目落地。
例如在智慧城市的合作中,涉及幾百種算法,按照行業(yè)過去的sop和落地的標(biāo)準(zhǔn)可能需要幾個月的時間進(jìn)行算法定制化的開發(fā)和落地,我們可以把需求的落地時間縮短到兩周的時間,讓合作伙伴向客戶的交付效率提高一個數(shù)量級。
同時,合作伙伴也有能力去承接更大規(guī)模、定制化的算法需求了。有些定制化的需求成本較高,精度要求也比較高,企業(yè)過去不敢接,但是在跟我們合作之后,他就非常有底氣,也有能力去承接這些更中長尾的、碎片化的需求。
此外,我們也在針對一些中小型、非主流的AI應(yīng)用場景,做個性化的定制開發(fā),比如我們跟一家農(nóng)牧行業(yè)的客戶做了整體牧場的智慧化解決方案,幫助識別牧場上有多少頭牛,然后這些牛是不是在一個柵欄里面吃草,哪些牛在吃,哪些牛拱草等等。這些非常細(xì)的需求,在過去是不敢想的,但現(xiàn)在只要客戶提出來,原則上說都可以使用AI去解決,并且,共達(dá)地可以在幾天之內(nèi)幫客戶把需求定義清楚,一兩周內(nèi)有一個測試版本可以上線,再通過快速的機(jī)器學(xué)習(xí)迭代,讓算法的精度提升到商用級別,最終達(dá)到符合應(yīng)用需求的程度。
對話1000位行業(yè)領(lǐng)軍人物:安安訪談錄