北京中科白癜风医院平安医院 http://www.zherpaint.com/ylbj/zqys/m/1281.html

在联想之星（上海）创业市集第2站——“人工智能，价值坚守者为王”活动上，OpenBayes贝式计算创始人王臣汉通过分析AI落地的具体案例，探讨了用AI技术服务企业客户的“正确姿势”。

OpenBayes贝式计算曾获联想之星投资，是中国领先的人工智能研究机构，拥有天河级别的机器学习专用超算集群及大量独家数据资源。贝式计算的产品被广泛应用于招商局港口集团、上海浦东临港智慧城市发展中心、中外运、上海交通大学、北京大学医学部、北医三院、首都医科大、摩拜单车、58同城等大型商业公司与研究机构。

以下为王臣汉分享，enjoy~

1

初创企业放低姿态，

少谈赋能，多聊ROI

OpenBayes贝式计算是一家相对早期的初创企业，致力于构建中国人工智能领域的基础设施。开展业务大概两年时间，期间获得了联想之星和招商局创新投的注资。我们构建了OpenBayes机器学习系统，其特性是自动化和多模态，可基于用户数据实现人工智能模型系统自动化批量交付。同时在全自动建模系统之外，我们也形成了半自动模型生产线，通过算力容器、环境预置、自动数据增强、超参数调优、自动运维部署等功能模块帮助企业研发团队提升效率，降低成本。

如果以“AI+”和“+AI”来区分人工智能企业，我们属于后者，专注传统领域+AI。早期的人工智能企业趁着传统公司没回过味来，还有颠覆的机会，但现在人工智能大热，传统公司不会等着你来颠覆，他们会自己大力建设AI研发部门。现在再走拿着锤子找钉子的路线，对我们这样一个初创企业来说风险极大，我们要选择比较稳妥的道路。所以我们在这个阶段，会更多与行业头部公司合作落地，更少地谈赋能，更多地谈ROI（投资回报率）。

作为初创公司，贝式计算在持续数据处理能力方面和顶级公司不相上下，这得益于公司和团队成员服务过很多头部企业，覆盖多个大型工业场景，处理过海量数据。但我认为，AI初创企业在商业合作过程中姿态还是要放得更低一点。不要觉得你的技术比客户牛，客户在自己的领域都有很深的knowhow。有的公司和港口谈合作，说未来愿景是码头自动化，那港口客户会觉得，你建自动化码头，客户自己做什么？

贝式计算则更多和客户沟通：哪些AI技术能够在客户的场景中落地，比如目标检测、语义分割、文本摘要等，具体到投入多少经费，需要多长研发周期，最终能产生多少效益。需要落实方方面面的细节，而且实验细节的周期往往比经费更重要，这关系着客户与你合作的信心。得益于我们自研的自动建模和算力容器技术，往往可以快速批量地帮助用户实现技术落地，增强其信心。

自动建模技术的各个模块会在用户需求中起到重要作用，涉及自动数据增强、自动数据调优、模型结构搜索或者超参数搜索。贝式计算基于该计算系统能通过算子复用进而形成原子能力，以及业务模型复用能力。这种能力的构建并不容易，开始的时候需要甚至同时训练近千个模型，团队在创立之前已经持续做了四五年，形成了自己的knowhow。

我们提供的平台服务可以帮助客户：

1、提高人力效率和时间投入回报率

让客户免于环境配置工作、数据集管理、参数调优带来的重复性劳动，推进最佳实践，能将算法工程师的单人人效提升%以上，且有机会交叉横向实践多个横向题目，大幅增加工作的可复用性。

2、低上手成本，提供自动化运维，硬件资源实时监控，提升集群利用效率

系统对队列执行、并行训练的支持使参数调优、数据优化工作大幅减少，同时可以有效增加非工作时间的集群使用频率，使用得当可将集群利用率提升为正常使用状态下的1-2倍。

3、缩短模型交付时长，提示交付频次

自动化的超参数调优与数据增强工作，在数理逻辑上大幅缩短了模型的交付周期，提升模型泛化能力，单模型任务交付时间平均减少20%-25%，且可以交叉进行多个项目，全年工程团队研发效率可提升40%以上。

2

广义的AI技术定义被滥用，

AI公司只靠单点技术难以立足

接下来，分享一些我们对于AI落地的经验和看法，包括踩过的一些坑。

下图是Gartner年度人工智能技术成熟度曲线图。可以看到一些在全球范围内比较火热的AI相关技术在过去18-24个月已经越过期望度的峰值，比如广义上的自然语言处理、虚拟助手、机器视觉技术。这轮热潮已经持续消退近一年，明年可能会有更严重的下滑。

事实上AI在一个行业提升渗透率需要时间，在-年这一轮热潮下，AI赋能最为集中的是金融、安防和医疗三个领域，现在的头部公司也都经历了相当长时间的积累。从技术到场景需要时间，不仅受限于技术落地的难度，往往还取决于人们对该领域的认知度以及传统领域改造所需的时间，这都是创业公司要考虑的问题。

贝式计算是一家以自动建模技术发端的企业服务机构，近期