15年前的3篇論文，變成了萬億大生意

文 | Rickzhang

輪值主編 | 君莫笑值班編輯 | 玉茹

第 5786 篇深度好文：5860 字 | 12 分鐘閱讀

如果能再來一次，也許多倫多大學的杰弗里·辛頓教授不會在2006年，對外發布自己的那三篇關于深度學習的論文。

因為他沒想到的是，僅僅一個源自實驗室未被證明的設想，現在已經變成了超過數千億美元的大生意。

尤其在中國。

根據不完全統計，中美之間每年超過2000億的芯片進口中，這兩年用于人工智能的GPU芯片占比以超過10%的增速逐年提升。

當然，這句話也可換個角度理解。

從2012年開始，深度學習技術的發現和后續應用，讓語音識別準確率一年的提升比過去15年的提升總和還要多；同時，圖像識別以圖搜圖的準確率從20%提升到了80%。

關鍵，這些技術在中國國內都有著全球最大的應用市場。而從智慧城市管理開始的政府需求，也助推深度學習技術在不計成本的投入下正以“光速”奔跑。

根據中國信息通信研究院數據顯示，2017年中國人工智能市場規模達到217億元，2020年已經超過700億元，年度復合增長率大于50%。

正因此，這兩年全球的AI市場熱點，中國的獨角獸企業都在不遺余力追逐。這樣的背景下，AI在中國的發展一日千里，并越來越跟基礎的學科與細節應用相結合，出現了大眾化和普及化的趨勢。

“一般的人很難想象，AI在現在的信息系統中已經發展到了什么樣的情況”，作為蘇州BioX生命智能產業研究院人工智能部門經理，王建峰說，與大眾對AI的認知還處在非常高端應用領域不同，當下深度學習，尤其是針對圖像優化和邏輯思維的AI應用，已經廣泛普及到了生產領域的各個方面。

這在中國是一個必然的發展趨勢。畢竟，國家層面大力投資AI系統以及其他人工智能領域，是政府需求引爆的。

2006年前后，國內各個城市都在逐漸推進交通攝像頭網絡的搭建，目的是建設無人交通管理體系。

為了不漏拍，幾乎是每張照片內容都會被保存。可是在運營過程中，各個城市交管部門發現，影像數量急劇增加，每年在云存儲上都要進行巨額投入。

因此，地方交管部門迫切需要一個能在攝像頭就進行判斷的技術，讓攝像頭只拍違法事件。之后，又衍生出車牌識別、人臉識別等方面的應用需求。

正因為這樣龐大的需求存在，才迫使中國的AI企業迅速成長，也才有了各大廠都在推動的數字城市操作系統。

王建峰說，深度學習理論引出的圖像優化和識別相應的技術在城市管理方面，現在已經收獲了非常好的效果、大大提升了效率；同樣的技術延伸到醫療相應圖片的判別上，也應該有著相應的能力。“我們的項目，實際上就是幫助醫生在醫學相應圖片的判斷上做出更好的決策。”

而正是由于AI圖片處理和識別技術已經應用在很多場景，因此公司判斷這種技術，延伸到醫療圖像處理領域就順理成章，這是整個公司對于這個技術研發立項的前提。

當然，這不是首次將AI技術運用于醫療圖片處理和識別。

在國外，谷歌、微軟都在做類似的一些技術。而國內龐大的病歷，以及海量的醫生對醫療圖片處理需求，成為公司下決心推出這種技術的背景。

這也是醫療領域信息化需要解決的一個非常大的痛點。

畢竟傳統醫學中，對于CT X光等醫療圖片進行研判，要依靠醫生長期積累下來的經驗，不僅耗人，更耗時。但通過深度學習技術，教會計算機正確的識別醫療圖片所反映出的病癥問題，醫生在做診斷決策的時候，就有了更多二次判斷審核的時間和空間。無疑，這會減少對于病人病情誤判的幾率。

這樣看似在其他行業已經應用的AI技術，卻讓王建峰和他的團隊遇到了大麻煩。

“我們團隊當時組建的時候，擁有著接觸過AI算法，甚至很有經驗的一批工程師”，王建峰說，這樣的情況卻并沒有對整個系統的研發起到促進作用，團隊被很多重復的算法疊加以及邏輯梳理的工作困住了。

原因很簡單。

因為不熟悉真實醫療領域的各種工作流程，整個技術團隊無法站在醫生的角度考慮問題，因此技術在實現過程中走了很多的彎路，而且代碼越弄越復雜。

再加上之前希望能利用一套系統解決所有的問題，因此在不停地給系統增加學習的樣本，但系統由于無序的知識灌輸所產生的學習效果也非常不到位。

實際上，傳統業務受限于數據的獲取以及處理效率，訓練和預估精確數據的獲得依然是個難題。

后來在接觸到百度AICA首席AI架構師培養計劃之后，王建峰才發現當時整個團隊最大的問題只是從AI技術出發去理解業務，并沒有從公司整體的戰略方向去重視業務的訴求和邏輯。

而在接受完培訓并順利在老師指導下完成項目研發后，王建峰認為，AI架構師現在已成為AI技術在中國發展的必然產物與關鍵角色。

實際上，“AI架構師”并不是AI行業的“專屬”職位，更多的是在有真實應用問題和場景的公司中，將本公司面臨的問題和AI技術結合起來的一種管理和技術相結合在一起的崗位。

“在AI技術落地的過程中有太多未明確的情況，都是要根據實際的業務場景構造對AI技術的需求，這需要技術領導者在熟悉AI技術和理論的同時，還要具備整體的架構能力，而不是簡單的對AI生搬硬套。”

讓王建峰覺得參加百度AI架構師培養計劃收獲最大的，是從以往沒想到的復合視角來看問題，最終另辟蹊徑解決了項目在技術研發中遇到的所有問題。

“我們一開始整個項目遇到問題的原因，在經過行業專家的點評之后才發現，并不是我們技術水平上沒有達到，而是公司在立項的時候對于項目的期望值有一點過高”，王建峰說，這已經成為AI技術落地過程中的一個通病。

在他看來，現在有不少人對AI還存在一定的誤解，覺得AI是一個萬物都可智能的程序和技術，“但任何一種AI理論和技術的落地都是有邊界的。”

王建峰參與的醫療項目也不例外。“原本公司是希望做一個能涵蓋大多數醫療圖片處理的AI智能助手，提供給醫院和醫生使用，從而創造價值提升利潤”，但王建峰帶領團隊開發過程中發現，這樣給系統深度學習的材料需要海量的處理能力，也是在現有的情況下無法達到的。

“關鍵，參與的工程師也很累，大家費了很大的勁，但做出的系統總是不能達到預先的要求”，直到參加AICA四期的培訓，“百度技術專家的話才把我點醒，我們不再追求知識的全部覆蓋，而聚集在一個有邊界的地域抽取關鍵知識，并對關鍵知識進行優化，以實現在關鍵點的知識圖譜完美覆蓋”。

效果立竿見影，調整思路后的結果讓王建峰第一次認識到了在AI領域復合視角的強大能力。“我們針對疑難病的圖片判定系統迅速就完成研發，并在實驗室和對應單位的應用中取得了非常高的準確率，達到了項目開始前的預期。”

百度AI架構師培養計劃不光讓他了解到AI架構師是當下AI技術人才轉型的必然，同時也認識到想成為AI架構師，就必須重視理解業務的訴求和邏輯。因為只有抓住業務的關鍵點，才能做出正確的抽象設計和技術選型。

“這次培訓教會了我一個道理，切忌只從AI技術的角度出發去理解業務，一定要站在整體業務流程的高度去做大范圍的邏輯分析和考慮。”

實際上，與王建峰有相同感受的人還有很多，他在百度AI首席架構師培訓同期的“同學”——浙江能源集團算法工程師朱凌風就是其中一位。

百度專門開設AI首席架構師培養計劃，不光讓他在內的技術人才有了高度的業務視角，同時也讓他們站在一個更高的角度去梳理已經存在的AI技術，并利用AI技術對企業的整個生產流程，開始有了整體掌握能力。

這點可能對于很多獨立化、體系化的產業更具有應用價值。

“我們公司是能源企業，為了提升管理效率降低人工成本，AI在能源中的應用日益受到重視”，這也是朱凌風開發一整套能源企業智能維護系統的初衷。

“在沒有接觸過百度AI架構師培訓的時候，我們更多的是關注各個AI理論應用模型以及算法”，朱凌風說，他們立項的時候還認為通過算法的開發就能完善，但其實在過程中遇到了很多困難。

“AI算法包括以前很多人完成的一些案例，跟我們所處的這個行業差距還比較大”，在朱凌風看來，技術選型上遇到的問題是他參加百度AI架構師培養計劃需要解決的第一個核心需求。

“收獲非常大”，在談及這次AI架構師培訓給整個項目帶來的變化時候，朱凌風認為他通過此次培訓增長了很多在AI領域的落地經驗。

“我系統地體驗了完整的AI項目從方案設計到落地執行的一個全流程，對設計并實現高效合理的AI落地方案的能力得到了提高。同時，經過與百度內部AI架構師的交流和探討，我對業界先進的算法以及一些前沿技術有了更深入的認識，對AI技術和開發應用流程的整體掌握能力有了進一步的提升。”

他迅速應用在公司立項的智能維護系統開發過程中。

“因為這次培訓把一個開發流程遞進地拆解為算法的基本原理、深度學習技術棧、主流模型和網絡架構，以及最后應用部署的具體流程這幾個層面，訓練了我的業務理解和技術抽象能力”，朱凌風第一次找準了自己所需要的技術和模型方向，并利用百度開源開放的深度學習平臺——飛槳完善了整個需求。

最終，他們所研發的系統在集團真實的測試數據上得到了非常不錯的效果，現在已經被運用到了日常集團設備維護中。

“AI技術是一項復雜的技術，入門難度較高、學習曲線陡峭。如果對AI技術缺少系統的掌握，在面對企業復雜的項目或者新的任務場景時必會手足無措。”作為企業的AI技術開發者，朱凌風認為最好先成為AI技術專家再進行業務的落地，結合項目實踐不斷迭代深入。

“因為AI是一門在應用中不斷前行的科學”。

百度AICA首席AI架構師培養計劃到現在已經開設了四期，第五期也即將開班。跡象顯示，越來越多的人愿意加入這項以應用為先的培訓。

任職于一家國際知名信息公司，作為客戶解決方案專家級架構師的詹宏聃，領導參與過多個人工智能相關的項目。她認為以應用為導向的培訓，對于AI技術的產業化落地和實際工作有著非常明確的指導作用。

“百度首席AI架構師培養計劃的亮點就在于，每個人進入培訓的時候都要帶著一個項目的選題，然后通過培訓在老師的指導下一步一步完善這個選題，最終在培訓結束的時候，要對這個選題進行答辯并實施出來”。

很多時候指導老師站在宏觀視角上的一句話，就會讓詹宏聃在業務與AI技術的結合上產生很多好的想法。

“工作中我很多次發現，工程師花了好多的時間去處理數據，但是訓練出來的AI系統提升的效能并不是很高。以前我可能會要求工程師去改參數或者改數據試試，但百度的老師一句話給我一個非常醍醐灌頂的感受”，詹宏聃說，她以前還是太偏AI技術的角度去理解業務問題。

“老師說，如果工程師選用的算法和模型都沒錯，那你應該回過頭去看看自己的業務邏輯有沒有可以調整的地方。”

通過課上學習和課內交流，詹宏聃發現，優化業務邏輯通常可以發現調整并增加自身業務效率的地方。“神奇的是優化業務邏輯后，再回過頭跑已經做的差不多的AI算法和系統，居然發現效果可以再上一個臺階。”

而在這個過程中，百度飛槳深度學習平臺對詹宏聃和其他學員完成自身的項目，給予了極大的支持和便利。

詹宏聃認為，飛槳是非常適合中國企業開發AI深度學習應用的平臺之一，“飛槳是源于產業實踐的一個開源開放的深度學習平臺，這意味著平臺不光是開源，而且深耕于產業實踐，就有了很多在產業端的應用案例”。

在她眼中，“飛槳提供的這些產業端應用案例，對于我們在日常工作中建立新的AI深度學習應用或者系統，有著非常到位的指導作用。”

關鍵，這個系統還非常好用。

“如果你看到全景圖的話，就會發現無論是學習框架、模型訓練、推理引擎、平臺部署，以及一些模型庫、開放的數據集等，都包括在飛槳里，這就意味著如果你想在深度學習領域有所建樹的話，你所有的技術需求在這個平臺上都能實現。”

當然，參加過此次培訓的學員都認為，百度首席AI架構師培養計劃對于AI技術在中國的發展有著非常積極的促進作用。

在AI已經成為中國當下最火熱的技術賽道的時候，企業如何在這場技術的洪流中緊跟技術趨勢完成升級轉型，考驗的不僅僅是企業的發展視野和戰略，更是考驗企業技術主管對于傳統業務轉型的把控力。

后者其實站在技術團隊角度，對于企業在AI條件下的發展更具有現實意義。

對此，在6月27日百度AICA首席AI架構師培養計劃第四期畢業典禮上，百度集團副總裁、深度學習技術及應用國家工程實驗室副主任吳甜表示，人工智能在和產業的結合過程中，已經逐漸走到AI工業大生產，正在經歷三個階段：AI先行者探路階段、AI工作坊應用階段、AI工業大生產階段。

她認為AICA學員所在大部分企業處于第一階段，有少數進入了第二階段，發展到第三階段的企業還鳳毛麟角。因此，AICA和各位學員正在共同探索AI工業大生產的實現路徑，可以看到未來的發展空間非常值得想象。

實際上，大多數情況下，由于業務的時間要求、成本限制、質量要求等等，企業的技術團隊很難在理想狀態下解決問題。如何在受到限制的情況下提升技術方案的可擴展性，使之能隨著業務的變化而不斷演進，這其實才是百度AI架構師，對于整個行業尤其是AI技術在企業端應用的推進，最深刻的意義。

百度AICA首席AI架構師培養計劃，是百度聯合深度學習技術及應用國家工程實驗室共同打造，致力于為中國AI方向輸送既懂AI技術又懂產業應用的復合型高端AI人才，強勁的AI“中堅力量”才是中國產業智能化變革“第一線”。

2021年6月27日，首席AI架構師培養計劃四期班在京舉辦畢業典禮，典禮上還首次發布《AI架構師》手冊。

該手冊通過采訪百度內部不同身份、技術典型、轉型成功的AI架構師，形成23,000字的論述。通過多維度、多角度描述當代“業務+算法+架構”于一體的AI架構師轉型路徑，帶領業界AI人才一同預見AI產業落地前瞻變量。

經過四期培訓的沉淀，當前已經有近200位通過百度認證的AI架構師正深入產業，遍布工業、能源、金融、交通等數十個行業，正在利用自己學習到的知識和理論，結合AI技術服務中國基礎產業的轉型。

當然在這個過程中，AICA也積累了產業AI管理人才生產落地的豐富經驗。

從某種意義上講，這些具有全局視角和技術實施能力的高端技術管理人才，才是AI技術在中國落地的關鍵。

現在，大門已經打開。未來，就在腳下。