百模大战，不拼单项拼平台

原文来源：数智前线

作者：徐鑫

图片来源：由无界 AI生成

产业智能化转型走进深水区，企业对AI能力的需求点在起变化。

越来越多大型企业的视野已不局限在单一智能应用上。在电力、金融等行业，大型企业正围绕着AI能力的生产、运用和管理全流程，对厂商的AI学习平台及平台性生产力工具提出需求，从而解决人才稀缺、数据稀缺、管理困难、资源复用率低等一系列痛点。

大模型热潮到来后，平台的比拼重点转移到了大模型开发和应用之上，厂商们积极将此前的AI平台解决方案和大模型结合。 在平台大比拼中，一些企业的优势已经凸显出来。国际分析机构Forrester近日发布报告显示，中国人工智能/机器学习平台竞争中，百度智能云表现亮眼，参与评选的AI平台在数据、推理、应用等6个大类，15个细项获得了最高分，位居领导者象限。

AI平台，正帮助企业快速构建符合业务需求的人工智能模型及应用，有效监控和优化模型效果。

一百个场景要建一百个模型的境况已经成为历史。

01 深度用AI，老炮们的困扰

产业正在进入深度用AI应用阶段，AI已不再遥不可及。不过也有越来越多企业发现，随着应用深入，这些企业智能化领域里的资深用户们正在遭遇新的困扰。

以能源行业为例，大型电力企业已经将AI模型用于电路巡检等多个场景。通常情况下，这类企业的相关需求，多由不同部门或分公司独立采购。随着AI应用变多，模型数量也在积累。管理大量模型，并让大量的零散模型能稳定、高效运行，正成为一项挑战。

许多大型企业都存在类似问题。一位资深人士告诉数智前线，他亲眼见过企业里A部门放5个人做A算法，B部门搞B小分队也放几个人做算法，这导致很难从公司层级进行统一的监控优化更新维护，同时企业内整体的AI资源复用率很低。

金融行业应用AI也走在前列，一些企业或机构早已将AI技术应用于信用卡发放资格审批和欺诈识别等多个环节，实现AI风控和精准营销。但金融行业对安全和合规的强调也在延伸到AI的应用过程。比如，银行内的技术团队非常重视合规因素，新建一个模型时，建设的委托和批准角色是谁，数据读取的审批由谁经手，数据撰写、模型生产、训练、落地和上线也都有层层流程保障。这类需求明显不是传统的智能应用建设。

一位云厂商资深行业解决方案人士告诉数智前线，一些大型央国企明确提出希望构建企业的智能中枢，培育自身的AI能力，这样企业里的数字化部门就能针对新场景，自己研发算法做全新应用。

业界也观察到这一趋势。百度智能云AI平台高级架构师靳伟告诉数智前线，这反映出，AI应用迈向深水区，企业的智能化转型的系统性日益凸显。企业不但要有愿景目标规划，也需要有很强的推进协调和监督机制，并且要有完备的工具，确保顺利推进实施。AI平台就是企业智能化转型的生产力工具。

行业上下已经意识到这一平台产品的重要性。日前，国际分析机构Forrester发布《The Forrester WaveTM：中国市场人工智能/机器学习平台厂商评测，Q42023》报告指出，中国的企业决策者们正进一步优先考虑采用AI技术，推动生产率提升和业务创新。过程中，企业需要人工智能平台产品，从而在各自的业务环境中支持复杂用例。

新的趋势对机器学习平台厂商的能力也提出了要求。Forrester认为，领先的平台既要能提供跨数据管理、模型培训和人工智能应用程序构建的综合工具；也要贴合产业场景，帮助一些缺乏AI人才和数据科学家的企业基于自身业务需求来获得AI能力；另外，还能通过工具、技术和实践帮助企业可以规模化开发部署模型。

Forrester对中国14家主流机器学习平台厂商从产品能力、战略布局、市场表现3大维度，进行了25项细分标准的评估。数据显示，目前百度智能云获评该报告的领导者阵营，在数据、训练、预测推理、应用等9项细分评分均获第一。

靳伟介绍，百度在AI平台的产品能力领先经历了长期的积累和打磨。AI平台的初衷是希望打造一款生产力软件，让不同类型的企业用户能够多快好省地建设AI应用，同时做到平台上算法多、工具多、运行快、效果好，帮助客户节省服务器和人力。

目前能源、金融行业的一些大型企业里已经在深度使用。基于AI平台，企业不仅可以快速构建符合业务需求的人工智能模型及应用，还能有效监控和优化模型效果。此外，管理和协调数据、算力、人员、流程等资源时也更便捷、高效。