机器学习服务梯队都有谁？权威研究机构Forrester发布新报告

茕茕 发自 凹非寺
量子位 报道 | 公众号 QbitAI

科技巨头的「云」竞争，如今核心拼的刀刃就是人工智能。

无论是从不断扩大的云AI市场规模，还是从国内各大云厂商云+AI的标准配置上，都可见一斑。

那么，问题来了，机器学习解决方案，到底应该如何评估？

近日，国际权威研究机构Forrester就发布了一份相关报告，针对大家关心的“到底哪家强”的问题，瞄准中国市场的预测分析和机器学习解决方案主流厂商，进行了全方位的实力解析。

Forrester Research是一家独立的技术和市场调研公司，其发布的主题报告在中国乃至全球范围内具有很高的市场认可度。

具体而言，报告的调研对象涵盖华为云、阿里云、百度云、腾讯云等等9家中国厂商。并从战略、产品和市场表现三个维度，将这些主流厂商分成了4个梯队：

（Leaders）、卓越表现者（Strong Performers）、竞争者（Contenders）、挑战者（Challengers）。

还给出了详细的「挑选指南」。

具体亮点，一起来看。

如何评估机器学习厂商

不少研究分析指出，当AI技术发展进入落地期，AI开始逐渐渗透到企业的核心业务当中，无论是互联网企业还是传统企业，拥抱AI成为了一种大趋势。这就进一步激发了企业上云的动力。

在这份报告中，Forrester同样指出，在以人工智能为核心的「新基建」背景下，中国企业对于内部构建人工智能抱有极高的热情。

本质上，人工智能依赖于机器学习模型。因此，各大云厂商提供的预测分析和机器学习（PAML）解决方案，就将在整个AI落地应用的过程中发挥重要的降本增效的作用。

而围绕预测分析和机器学习（PAML）解决方案，直接的产品形态，就是基于云的AI开发平台。

国内的各大云厂商，就已纷纷发力：华为云的ModelArts、阿里云的PAI、百度云的EasyDL、腾讯云的TI-ONE ……

那么，如此热烈的竞争之中，企业在选择解决方案时，究竟应该如何对其进行评估？

Forrester给出了三点标准。

其一：能简化模型开发，满足不同团队要求

为了强化AI能力，企业需要把机器学习模型规模从几个增加到数千个。

这也就意味着，云厂商提供的AI开发平台，其模型开发能力需要满足不同团队和人员的要求，不仅要覆盖对机器学习有深入了解的科学家、数据工程师、应用开发人员，也要赋能“零基础”的相关业务人员。

基于此，解决方案团队应增强用户界面的可视化和使用体验，使用户能够顺畅构建模型开发流水线。

除此之外，对于以代码为核心的数据科学团队来说，覆盖开发全生命周期的IDE（集成开发环境）是必要的。

而缺乏深度机器学习知识的业务用户，则需要功能齐全的AutoML功能来提高机器学习生产力。

其二：能快速、大规模部署机器学习模型

构建模型代表着大规模AI应用的开始。

为了实现商业利益，公司必须将模型部署到应用上，并加以监控和管理。

其背后技术层面的挑战，对于从事数据科学、AI开发的工程师们来说，是不言自明的。而对于业务线来说，也提出了新的管理挑战。

因此，企业需要借助AI开发平台之力，组装从开发到生产系统的模型开发流程，监控机器学习模型的性能而不影响本身的业务，管理机器学习模型，实现跨AI智能团队的协作，并使用新数据重新训练在线机器学习模型，不断提升模型性能。

其三：使用分布式、混合架构加速训练推理

模型训练需要许多样本和参数，这会对普通计算基础设施造成很大负担。

AI开发平台供应商应帮助企业有效地将训练任务下发到分布式架构，以减少开发人员等待时间。

由于模型推理将直接影响用户体验，AI开发平台的客户们对于推理性能的要求极高。为了满足推理需求和隐私规范，供应商应支持混合模型部署架构，同时支持云上、数据中心、边缘的多种部署模式。

简单总结一下，一个云AI开发平台，在提供从数据标注到模型部署全流程的AI应用开发服务的基础之上，还应当降低门槛，让开发者能低代码甚至0代码地管理AI项目。

并且，由于云服务厂商有更丰富的场景积累、强大可持续的研发投入，其在AI技术的突破和创新上具有重要优势。这种技术经验应当能在AI开发平台中被规模化地复制，成为企业可以依仗的「巨人的肩膀」。

如此，才能在企业数字化转型过程中、在行业AI落地过程中发挥大能效，打出竞争力。

具体到厂商的部分，在这份报告中，吸引人眼球的，是华为云进入了「」象限，并在战略维度领先。

2018年以来，华为在AI领域可以说是动作不断，围绕“全栈全场景”，连续推出AI开发平台、AI芯片、AI计算框架……

此次被权威机构认定为机器学习厂商梯队，实属意料之中。

华为云凭什么进入「」象限？

核心武器是华为云推出的一站式AI开发平台ModelArts。

Forrester给出的评语是：

华为云提供全栈预测分析及机器学习服务，是企业在公有云、本地、边缘复杂部署场景下的理想选择。

2018年以来，华为云积极升级预测分析和机器学习解决方案，不仅提供AI开发平台ModelArts用于机器学习模型训练和推理，同时集成了开源深度学习框架MindSpore，以及Ascend产品组合。

ModelArts诞生于2018年，可以说是华为云AI开发平台集大成之作，能提供包括数据标注、模型训练、模型调优、模型部署等AI应用开发服务。

并且方一亮相，就有不俗表现：诞生之初挑战斯坦福DAWNBenchmark。在图像识别（ResNet50-on-ImageNet，93%以上精度）的总训练时间上，以10分28秒的成绩，比第二名提速近44%，拿下当时的全球。

三年来，ModelArts的能力一直在持续升级。

到2020年，升级到3.0版本的ModelArts。在其EI-Backbone骨干模型、联邦学习、模型智能评估与诊断、高性能AI计算等新的特性的加持下，ModelArts 3.0可以使标注成本、训练成本降低90%以上，并能在用户训练模型时，根据模型训练速度的要求，自适应匹配佳资源数，大幅提升算力性价比。

并且，面向AI行业落地，华为云长期以来在计算机视觉、语音语义和决策优化上积累的AI能力，包括自动机器学习、小样本学习、联邦学习、预训练模型等等，都可以部署到ModelArts上即插即用。

还有更直接的数据，可以说明ModelArts的能力——

ModelArts平台支持10万级别的企业任务同时运行，支持10万级别的用户规模同时使用。

MLPerf benchmart上的测试结果显示，在512芯片的集群规模下，华为云ModelArts成绩为93.6秒，优于英伟达V100的120秒。

「云」上时代，落地为王

纸面上的数据只是一部分，华为云能获得认可，与其产品落地的能力息息相关。

ModelArts的能力，就有不少实例体现：在能源、汽车、政务系统、教育、工业机器人等10余个行业中落地。

出品「绝影」机器狗的杭州云深处科技有限公司，就应用华为ModelArts和Atlas 200DK，赋予四足机器狗实时感知环境、通过知识图谱交叉分析、强化学习动态决策的能力，实现了机器狗的工业场景巡检。

在脑科学研究方面，华为云ModelArts也有所作为：中科院脑智卓越中心通过完整解析斑马鱼的透明大脑来揭示大脑的工作原理，对接类脑智能。

其中绘制全脑结构图谱涉及到神经元形态重构。在与华为云ModelArts的合作之下，AI自动重构的准确率和召回率已达95%。经理论推算，使用ModelArts的超大集群和大规模分布式训练，总重构时间可以从125人年缩短至10人天。

产品、落地是切实的指标

这份报告的评价标准，或许也将引发新的思考：

IDC新发布的《中国人工智能云服务市场研究报告（2019）》显示，中国AI云服务市场2019年市场规模达1.66亿美元，2018至2024年CAGR（五年复合增长率）将达到93.6%，AI能力已成为用户进行云服务选型时的重要考量因素。

也就是说，云+AI这样的大趋势下，AI能力如何，已经成为了云厂商新一阶段的核心竞争标准。

但这种能力具体如何体现、如何衡量？

还是要看产品在效能提升方面的战略规划，以及这些效能提升是否能在实际落地过程中显现出来。

对于开发者、甚至普通的业务人员而言，全流程极简和自动化的AI开发模式，意味着更敏捷的开发、构建能力，更高的技术起点。

站在整个行业的角度，AI、应用、数据三方面能在同一个平台上实现协同，这将使得行业知识模型、行业应用资产和数据资产模型进一步下沉。这对于行业AI落地、行业新价值的创造，无疑有着积极的意义。

同时，平台化是推动企业数字化转型的大势所趋。

在数字经济时代，算力是新生产力，数据是新生产资料，而5G、AI和云这样的前沿技术就是新的生产工具。在这种背景下，向华为云这样的AI平台靠拢、融合，更有利于企业落地数字化转型，在商业上取得成功。

至于目标能否达到？落地案例就是答案。

接下来机场的各种云厂商广告，或许都会变成落地案例说话的广告。

你说呢？