平台之战：大城市人工智能战略下一必争之地

近年来，世界各国全面押宝人工智能，意图占领全球新一轮科技竞争高地，我国各大城市也纷纷发布新一轮人工智能发展规划或行动方案。

随着人工智能向规模化、场景化、普惠化等应用阶段发展，其在设计、训练、验证等环节对负荷载体提出了更高精度、更高效能、更高弹性的要求，人工智能开放创新平台（以下简称“平台”）作为持续输出人工智能核心技术和服务能力的重要载体，越来越受到关注。

微软、谷歌、Facebook、Amazon等互联网头部企业，以及苹果、UBER、英特尔、IBM等科技领军企业纷纷启动建设与自身所在行业相关的AI平台，以进一步提升在人工智能领域的话语权。

2019年，科技部发布了《国家新一代人工智能开放创新平台建设工作指引》，强调要建设以企业为主导的国家新一代人工智能开放创新平台。

截至2021年11月，国内已有三批次共15个国家新一代人工智能开放创新平台获批建设，其中包括百度、阿里、腾讯等国内互联网巨头，以及科大讯飞、明略科技、海康威视、华为、小米等人工智能领军企业。

事实上，除了以企业为主体构建的平台外，还有许多由高校院所、政府等建设的平台。通过对国内外知名度高、专业性强的人工智能平台的深入分析，可以对平台作出如下定义与分类。

人工智能开放创新平台一般是指由基础设施（如大科学装置）、具有行业主导力的技术服务机构（如企业、高校院所）等牵头或共同建设而成，目的是赋能企业、个人或开发者和组织进行人工智能项目的研究、开发或应用，推动人工智能技术和经济、产业、社会等融合发展。

按功能分类，平台可分为底层资源平台、通用技术平台和应用创新平台（见表1）。

底层资源平台主要是为人工智能基础层的算力和数据提供软硬件支持。

通用技术平台注重技术供应和算法模型突破。（云服务平台提供了从算力支撑到模型支持、再到应用解决方案的多功能服务，但因其以端到端的技术支撑为主要模式，固将其归为通用技术平台）

应用创新平台则是为人工智能技术的应用落地和产业化、标准化提供服务。

各层次平台以开放式、差异化服务，赋能人工智能产业链从创新策源到产业化的不同环节，成为重要的技术支撑和产业基础。

从国内外不同类型平台建设和运营来看，其功能主要包括核心关键技术攻关、研究成果转化推广、开放社区生态建设和优秀人才团队培育这四方面。

1. 扩大合作，深化核心关键技术联合攻关

技术创新是人工智能开放创新平台最核心的功能，从技术研发形式上看，当前全球各类平台普遍呈现从学术主导到学术与产业共同驱动的趋势。

中国最大的计算机视觉软件供应商商汤科技以“坚持原创”为使命，在刚成立的三年里十分注重学术突破，通过参加世界级竞赛的方式向外界证明团队技术实力。

但实践证明，仅由学术主导的技术创新难以触碰到市场真正的需求，而企业在前沿技术领域又缺乏足够的策源能力。总之，学术与产业的联合创新如同“干柴需要烈火”。

因此，商汤一改传统的知识“供给-需求”模式，转变为建立长期合作的协同创新平台。

其中，商汤与浙江大学 CAD&CG 国家重点实验室共建的三维视觉联合实验室，便是企业技术应用和高校基础研究优势互补、强强联合的代表平台。

从合作方式上看，商汤为平台提供人力、科研经费等方面的支持，并与高校实验室人员共同开展技术攻关研究。

在这种模式下，科研人员能专注于前沿探索和技术指导，企业研发团队则负责技术转化，两方保持密切沟通合作。

对于高校平台来说，这种联合平台有效促进技术落地。而对企业来说，则有利于其保持关键技术的前沿性和引领性。

2. 系统赋能，提速科技成果孵化应用效能

为推动科技成果产业化，平台（多为云服务平台和应用场景平台）依托API接口，以低代码、强功能的优势直接面向企业或个人。

简单点说，这类平台可以看成一个主机，有电源接口、音频接口、USB接口等等，使用者无需知道接口内部的具体运作或组成模式，只要在这些接口上（API接口）插上相应的设备（模块），就能点亮一个主机（模型或解决方案）。

据估算，这类平台仅算法研发一个模块就能为节约企业约24万元、2-4个月研发周期。

讯飞开放平台、Amazon SageMaker、Tengine、Azure AI等平台，就是通过API接口提供模型训练或某一行业整体解决方案的代表平台。

以Amazon SageMaker平台为例，它将机器学习（ML）的所有组件打包在一个工具箱中，开发者通过选取不同的工具，快速搭建、训练和部署机器学习模型，避免了模型制定和转换、算法工程师和开发人员协调、参数调优等一系列复杂过程。

Gartner发布的2021年云AI开发者服务魔力象限将亚马逊评为“领导者”，Amazon SageMaker平台可谓功不可没。

Envoy Media Group企业通过Amazon SageMaker平台部署的云原生解决方案，将机器学习预测准确度从85%提升到98%。

当然，这类低代码式平台依然要求开发者拥有一定的计算机基础。近年来，一些以拖拽式、无代码、可视化为特征的平台逐渐进入公众视野，直接面向业余人员提供低门槛、一站式、高定制和泛场景服务。

宜搭、雀书、Creatio、PowerApps、FileMaker等，都属于无代码平台。这类平台将开发简化成可视化模块，业务人员通过“搭积木”方式，实现短时间内开发软件和应用。

3. 模式创新，以开源生态集聚全球智慧

中国工程院院士倪光南在openEuler Developer Day 2021上说：“当前世界，谁拥抱了开源，谁就拥抱了信息技术的未来。”

在人工智能领域，AI框架开源是其关键核心，且普遍架设在云服务平台上，这类人工智能开源平台是所有人工智能开放创新平台中最引人瞩目的存在。

其最大的不同就在于，它的接口、架构、硬件等一系列组成部分全部透明公开，任何人都可以无偿直接在机身（源代码）上进行学习和修改。

据IDC调研显示，86.2%的企业和开发者更倾向于使用开源深度学习框架进行AI开发，且以谷歌、Facebook推出TensorFlow、Pytorch两大AI开源框架仍占据全球主流。

从国内来看，百度、华为、清华大学等企业和高校开发的飞桨、MindSpore、Jittor等AI开源框架纷纷向两大老牌AI开源框架亮剑，在运行成本、部署难度、架构设计、优化移植等方面各显神通，意图抗衡行业霸主地位。

但事实上，真正成就这些开源平台的不仅仅是开源框架技术，更是其组建的开源社区。

以国内首个产业级开源人工智能平台百度飞桨为例，其全面开启“大航海”领航计划，以技术专家、兴趣小组和领航团等为主要组织形式，与国内外优秀的开源社区和开源项目进行合作，携手开发者、同行社区共建开源学习生态、探索人工智能前沿领域。

截至2021年5月底，飞桨社区已集聚320万开发者，创建了36万模型，覆盖工业、医疗、能源、农业、金融等各个行业与场景。

4. 厚积薄发，助力行业培育亟需人才团队

充足的高质量人才是人工智能开放创新平台深入发展的基础。作为AI人才培养的新阵地，很多平台都在积极构建形式多样的人才引培体系。

一方面，平台通过推出或合作开展各类人才项目，以项目实践的形式培养强化人才智力对平台发展的支撑力。

既有AI平台依托自身资源优势，开展促进自身和整个行业发展的人才引培项目。

如谷歌推出的全日制研究型培训——谷歌大脑培训生（Google Brain Residency），汇聚全球顶尖的人工智能基础设施和专家学者，培养前瞻性、高产出的深度学习研究人员。

也有部分AI平台与国内外优秀企业、高校院所等联合开展培训活动。以深圳市人工智能与机器人研究院为例，其设立多项国际合作项目，如卡耐基梅隆大学机器人研究所本科生暑期研究项目、联合培养博士后项目、生物医用无线操控微型机器人项目等，培养国际化的高端人才。

另一方面，部分AI平台通过配套开发一体化人才培养子平台，系统化培养专业人才，有针对性地提升人才、团队与平台的适配度。

360安全大脑平台则是其中代表之一，其围绕“1+N”网络空间安全人才培养一体化实践架构，打造360网络空间安全教育云平台，在网络安全领域提供一站式在线人才安全教育解决方案。

从国内市场看，随着我国步入数字化、智能化时代，人工智能作为“十四五”优先发展的前沿科技领域之一，将会迎来爆发式增长。

预计到2022年，我国人工智能开放创新平台市场规模将达到700亿元以上，年均增长预计达到80%左右。

1. 底层资源平台改善软硬件设施需求急切

硬件设施方面，随着对人工智能算力的需求增速超过摩尔定律，以及算力人工智能开放创新平台市场规模成本不断提升，各类算力共享平台将凭借规模效应等降低建设、运维成本。

大型数据中心运营运维管理向着DCIM可视化（资产信息、能耗统计）流程定制化方向发展，客户需求在传统IT网管功能基础上向CMDB网管综合化、定制化发展。

软件设施方面，随着芯片内部复杂度和集成度呈指数级增长，融合了深度学习等人工智能特征的EDA平台在高性能芯片设计和市场化方面拥有更多优势，能够有效减少人力投入、缩短设计周期、提高芯片设计及生产的性能和精度。

此外，嵌入式人工智能技术和高精准度模型对数据采集、标注等提出了更高的服务能力要求。

2. 通用技术平台的服务将更加全面且精细

算法模型研究方面，当前模型与算法主要为低精度张量计算，对软件栈的需求呈现多样化特点。

因此，未来算法平台提供的模型将向无监督、可解释、自学习、集成、生命周期、分布式、深度推理等方向发展。

从宏观趋势上看，算法模型平台将从通用平台走向行业平台，行业应用场景融合趋势更加分明，功能多样性和可拓展性更加凸显。

云服务平台方面，企业上云已成为一种必然趋势，随着上云的企业用户规模不断扩大，以及企业对云服务的需求从初级上云到创新应用，都对平台服务器的稳定性、数据的安全性、硬件性能、计算资源池化能力等提出更高要求。

3. 应用创新平台往垂直化、标准化方向发展

应用场景方面，随着国家人工智能创新应用先导区和人工智能创新发展试验区的带动作用进一步凸显，人工智能平台正呈现垂直细分领域需求导向的发展态势。

同时，国内平台市场集中度较高，行业竞争激烈。未来专注于AI某一细分领域、提供差异化平台服务的人工智能开放平台或将突出重围。

双创服务方面，人工智能产业高质量发展离不开顶层设计及标准制定，尤其是在人工智能持续火热的当下，布局咨询功能、系统安全、测评认证和应用示范等功能的人工智能公共服务平台，将是提升人工智能企业活跃度和培育产业生态圈，提升人工智能在全国乃至全球影响力以及话语权的关键环节。

1. 强化创新策源

一方面，平台与高校院所、政府或企业需积极拓宽合作模式，通过与全球顶级教授联合创办研究中心、合作开展研究课题等方式，构建国际学者自由开展研究、加速前沿性领域突破的开放性研究环境等。

另一方面，具有行业领导力的平台可凭借其建设或运营主体（企业、政府或高校院所）的影响力，通过奖金、伙伴资源等激励措施，支持产业界和学术界的协同创新。

比如，华为云沃土计划2.0推出的鲲鹏众智计划和昇腾众智计划，涵盖超500个任务包和超1亿元奖金，集聚行业伙伴和开发者智慧，共同促进智能计算产业繁荣发展。

2. 构筑人才高峰

为打造学术和产业领军人物“加速器”，平台可以借鉴上海“A班计划”、深圳“AI新工科”等发达城市人才培养项目做法，或与国内外顶级科研院所联合开展国际人才培育项目，打造能贯通学术研究和市场需求的人工智能顶尖人才。

同时，人工智能创新创业大赛、世界人工智能大会等国际性活动也是吸引全球人才集聚与交流的重要方式。

平台可以通过主办或参与这类活动，以资金、设备、技术、市场等资源要素挖掘顶尖人工智能人才，并为有创业意愿的学者提供不同学科高交叉、高融合的资源与环境。

3. 建设转化中心

人工智能技术只有与垂直领域结合、解决具体问题，才能让技术真正落地，通过赋能实体经济而实现产业化。

从国家平台布局来看，目前获批建设的15个国家新一代人工智能开放创新平台中，垂直领域平台占比约60%。

未来，平台应更关注人工智能技术在各个细分领域的应用转化，积极对接人工智能前沿场景项目，助力政府、企业等机构快速实现“开发-测试-应用”进程。

此外，实验室、创新中心、基础设施等平台可充分利用创新链和产业链的双向链接桥梁，主动与机器之心、上海WAIC开发者生态等资源对接平台合作，进一步加快技术开发和应用转化的承接步伐。

4. 打造交流枢纽

人工智能技术更迭之快，新产品出现之频繁远超出人们的预期，这就要求产业链和创新链保持密切交流，协同推进人工智能细分技术创新和应用落地。

一方面，行业技术领先平台应对标TensorFlow、PyTorch、飞桨、开源天元、Angel等推出AI开源框架，在此基础上通过推广开源理念、建立开源社区等方式，以优质开源生态服务所有开发者，引领所有社区成员合力推进人工智能开源创新发展。

另一方面，鉴于人工智能是一门交叉性学科，不同圈层之间的碰撞显得尤其重要。

各类平台可学习北京智源人工智能研究院的“前沿交叉圆桌”等模式，引导人工智能产业人才与不同领域学者进行头脑风暴，实现人工智能跨界生长。

参考资料：

[1]通信世界.倪光南：开源已成为技术应用和行业数字化发展的基石[EB/OL]. https://m.sohu.com/a/471519416_128075

[2]同花顺财经.IDC：86.2%AI开发者选择使用开源深度学习框架[EB/OL]. https://baijiahao.baidu.com/s?id=1639200173697125307&wfr=spider&for=pc

[3]新浪VR.2020-2021年中国智能媒体发展报告：2022中国人工智能市场规模达1000[EB/OL]. http://vr.sina.com.cn/news/report/2021-03-29/doc-ikknscsk3521981.shtml

[4]蓝队_小轩.随着云计算的发展，企业上云已经成为了一种必然趋势，那么为什么企业要上云？[EB/OL]. https://blog.csdn.net/xx1519/article/details/117784969