8月17日，由中國信息通信研究院、深度學習技術及應用國家工程研究中心、人工智能關鍵技術和應用評測工信部重點實驗室共同主辦的《2022可信AI峰會》圓滿落地，會上發布了“人工智能平臺應用優秀案例”，共達地憑借AutoML自動化AI訓練平臺入選。
同樣入選本榜單的還有中國聯通研究院、中國移動通信集團天津有限公司、華為云計算技術有限公司、百度網訊科技有限公司等十八家優秀企業。
“十四五”規劃推動AI工程化落地
在國家“十四五”規劃、《“十四五”國家信息化規劃》、《“十四五”數字經濟發展規劃》、《“十四五”信息通信行業發展規劃》等一系列政策推動下，人工智能平臺逐漸成為人工智能產業的核心內容。人工智能平臺是指人工智能開發、應用、運維的全流程技術平臺，能有效助力人工智能工程化落地，受到了政產學研用界的高度重視。
在此背景下，中國信息通信研究院云計算與大數據研究所（以下簡稱“中國信通院云大所”）聯合中國人工智能產業發展聯盟(AIIA)及AI工程化推進委員會，共同啟動“人工智能平臺應用案例”征集活動，從通用開發平臺、機器學習平臺、深度學習平臺、自動機器學習/自動深度學習平臺、邊緣人工智能平臺以及數據標注平臺6大維度，面向人工智能平臺產品提供方和產品應用方征集人工智能平臺優秀應用案例。
在本次評選中，主要圍繞案例在日常生產經營活動中所取得的經濟和社會效益，及經驗的可復制性、可推廣性等維度，細粒度評估案例的代表性、示范性、創新性指標，從多家參選案例中遴選18項優秀案例。
在本次的申報中，共達地基于AutoML自動化AI訓練平臺，聯合專注于計算機視覺深度研發的人工智能公司千視通共同申報。在共達地與千視通的本次合作中，千視通使用共達地AutoML自動化AI訓練平臺快速生產算法，并通過其深耕多年的行業渠道，將算法集成為行業解決方案交付給終端客戶。基于自動化AI訓練平臺，千視通將算法開發周期從原本數月縮短至了數小時內，并且在常規數據集下算法精度可媲美人類工程師。此外，通過共達地對主流大廠芯片的廣泛適配，做到了云/邊/端靈活部署，一鍵下發至設備，并可自動獲取現場數據進行低成本的自動持續迭代優化，讓精度無限接近理想值。
值得一提的是，除賦能具備算法開發能力的人工智能公司外，共達地AutoML自動化AI訓練平臺還可以廣泛開放給產業客戶、集成商等無算法開發能力的公司，通過簡單的“托拉拽”式操作，讓業務人員也能輕松實現0代碼的特定場景算法開發，讓千行百業擁有極簡的AI開發能力，具備極強的復制性、擴展性和推廣性。
實踐是驗證趨勢的唯一標準
技術與產業的結合深度、廣度是本次評選的重要標準。目前，共達地與千視通合作的算法已廣泛應用在智慧交通、智慧城市與智慧金融網點等多個領域，并持續復制到更多產業。
以智慧交通為例，在湖南省某市的交通管理項目中，千視通使用共達地AutoML自動化AI訓練平臺，定制了“行車未系安全帶識別”、“行車打電話識別”等有關安全駕駛的一系列AI算法，并在3周內完成了從算法開發到下發部署整套流程。
作為AI應用的主流場景，智慧交通的建設極其復雜，屬于to G業務中典型的項目型市場，不僅定制化程度高，而且場景復雜、多變，從基礎的車牌識別、測速，到類目繁多的違規駕駛行為識別，不同城市的智慧交通建設有不同的側重。這個特點也導致，雖然AI行業為智慧交通建設傾斜了大量資源，但并沒有AI企業能成功殺出重圍。
在智慧城市、智慧農業、智慧工業建設中，也存在同樣的問題。面對項目型市場，AI企業被動跟隨行業需求。但隨著產業智能化升級進程不斷加速，新需求指數級增長，且越來越精細化、碎片化。兩年前行業只期待機器視覺做到準確的人臉識別，但如今希望AI能準確判斷被識別人是誰、有沒有戴口罩、有沒有跌倒、有沒有非法闖入、有沒有違規操作等等……
例如，在智慧城市建設中，湖南某步行街需要對撐傘/桌椅占道經營、游攤小販違規占道經營、垃圾桶滿溢識別等場景進行識別，這類需求同樣屬于智慧城市建設升級過程中，各省市普遍涌現出來的新需求。
按照傳統的操作方式，需要有專門的工作人員完成數據采集、數據標注、模型結構設計、超參調節、芯片適配、迭代優化、部署應用等13大環節，耗費最小15人團隊約數年時間才能完成。但通過共達地AutoML自動化AI訓練平臺，千視通工作人員通過實地監控錄像，異地完成了數據的采集與標注，以0代碼的方式在數小時內完成了AI能力的建構，并在一周內進行了有效交付。
從實際生活經驗出發，步行街這類場景很容易出現意料不到的情況。這類雖然概率很小但一定會出現的現象被稱為“長尾效應”。這意味著，算法如果不能適配場景的生長而自生長的話，就會隨著應用的逐步深入淪為“人工智障”。在本次湖南某步行街的合作項目中，前端采集的數據能以天為單位回傳至共達地自動化訓練平臺，使算法根據實際場景進行自主學習、快速迭代，越用越聰明，越用越實用。實現“讓算法入鄉隨俗”。
從15人團隊數年的工作，縮減至三四名業務人員一周的工作，從“死算法”到“活算法”；此間種種變化，不僅僅是成本的下降和準確率的提升，更是對未來的有力驗證——一方面是傳統產業普遍實現智能升級，從PPT上的希望變成了可觸摸的現實；另一方面是AI產業從理論高空規模化扎根到產業大地中，也從希望變成了可觸摸的現實——也正是在這個基礎上，“產業+AI”才有了穩固的地基。
綜合來看，更平民化的算法生產流程、更精準的場景識別準確率、更可持續的算法生產能力、更智能化的算法迭代方式、更兼容的軟硬件結合模式、更可復制的產業賦能路徑，這六大特征成為共達地與千視通的平臺合作案例入選信通院“人工智能平臺應用優秀案例”的重要原因。
第三種路徑：AI as a Service
“人工智能”概念提出至今已有67年歷史，吸引無數人類最聰明的大腦涌入這個領域，希望洞悉“智能”的本質并實現智能再造。從1.0到3.0，人工智能產業誕生過能打敗人類最優秀棋手的AI、能快速追蹤嫌疑犯的天網、能讓人“刷臉”走天下的應用程序……這些成果讓人們一邊驚異于科技的力量，一邊好奇“未來，我們對人工智能還能有哪些期待？”
本質上講，AI是生產力的革新，和蒸汽機的發明、電的發現、計算機的普及一樣，具備無限暢想空間。在這項技術的落地過程中，有兩大主要路徑。一是縱向的解決方案思路，即面向場景需求，提供定制化AI能力，集中實現某個領域的智能化。這種思路在過去幾年的發展中創造了AI+安防、AI+金融、AI+社保等領域的盛況，其核心價值在于驗證了AI與產業結合的商業價值，讓人工智能的發展向前邁出一大步。
另一種是橫向的平臺思路，即通過面向人智能領域的開發者進行開源，實現行業范圍內的技術能力涌現。這種思路讓人工智能落地的場景和可能性不再局限于安防、金融、安保等集中場景，AI的開發能力也不再局限于少數人工智能公司，其核心價值在于擴大了人工智能的邊界。
但是，從“AI+產業”到“產業+AI”，即國家頂層設計中力推的“人工智能工程化落地”，并不僅僅意味著產業端意識的覺醒，更意味技術端能力的“蝶變”，以足夠應對產業豐富多樣且龐大的需求。說到底，AI生產能力要足夠高效率、低成本、易使用，就像電力供應從三十年前的夏天需要拉閘限電，發展到如今全民空調房且費用無需多慮一樣。
從這個角度講，共達地基于AutoML技術打造的自動化AI訓練平臺，則在生產力革新的基礎上又向前進了一步：不只是快速地生產AI，更要打破AI供給端、需求端的固定關系，讓生產者、中間商、使用者等角色多元融合。
與行業已有的AutoML平臺主要作為專業算法人員的效率工具不同，共達地AutoML自動化AI訓練平臺旨在面向全行業開放。
這意味著，從公司層面來說，傳統的算法公司也可以通過共達地的平臺進行高效地算法訓練，以滿足復雜場景下的碎片化需求。在這種情況下，AI公司就從單純的AI生產者，變成了生產者兼使用者。
同樣的，產業集成商也能以0代碼的形式，從無到有建立自主的AI生產能力，基于多年積累的行業know-how，在中間商這層身份的基礎上，增加“AI生產者”的角色。
對于企業主，即傳統產業鏈中的AI購買者、應用者而言，低門檻實現自己的AI構想也變成一件觸手可及的事情，既不需要顧慮場景是否太細碎、需求是否太小，也不用擔心冗長的周期和高昂的成本。共達地負責將AI開發的難度從專業Photoshop降低到美圖秀秀的級別，企業主負責釋放業務想象力，這才是產業+AI。
將AI生產能力集成于一個自動化訓練平臺，人人可用，人人會用，讓先進的人工智能力量進入尋常百姓家，就像一款人人皆可下載的APP一樣，as a Service。這就是共達地正在做的事，解放AI生產力，重塑AI生產關系。這種嘗試不僅僅是AI商業化的嘗試，更是一場社會革新探索，就像教育的普及一樣，讓每個人、每個產業都具備低門檻擁抱未來的可能。
