歷史上，AI技術曾經經歷兩次寒冬，其原因都在于技術發展與產業需求脫節。自2017年AI技術進入第三次發展浪潮，這時產學各界都在問同一個問題：這次以機器學習為代表的AI技術，能夠實現與產業發展、企業需求結合，從而避免又一次寒冬的到來嗎？
幾年以來，AI技術也經歷了眾多爭議。但可以看到的是，在融入產業的核心方向上，AI正在越走越遠。企業對智能化的認可逐步走高，機器視覺與智能語音領域的基礎能力大規模行業落地。與此同時，一個更加關鍵的問題浮現了出來：AI的目標，是成為企業可調用的若干基礎能力，還是從深層次幫助企業完成生產力的解放？
這個問題直接決定了AI的價值上限，也決定了云服務、AI、企業三者融合的上限。這個問題的核心，在于AI能否真正融入企業的核心生產系統。
AI技術融入產業核心，可以說是智能化的深海區，目前還處在探索與嘗試的階段。而這條路上，華為云是走得最遠的云計算服務商之一。從市場數據上看，華為云在IDC最新發布的《2021H2中國AI云服務市場研究報告》中，在中國機器學習公有云服務市場份額排名第一。這說明企業更認可基于華為云提供的AI開發平臺來完成復雜、深度的智能化建設。其中的關鍵點，在于華為云提供的AI開發生產線ModelArts。
讓我們從市場、技術、生態三方面，透視華為云與ModelArts如何完成這次AI深潛之旅。
AI深海，位于產業核心
企業應用AI能力的方式主要可以分為兩種：標準化調用AI能力，定制化進行AI開發。顯然，標準化的AI能力，比如機器視覺、語音識別、NLP等等，都只能解決特定的問題。而想要深度化、常態化從AI技術中攫取價值，企業不可避免需要進行大量AI開發工作。而越是能夠貼近企業核心生產場景，激活主干道生產力的AI開發，越能夠為企業帶來價值。
或許可以這么說，AI能力調用是AI的淺水區；AI開發是中部水域；深入產業核心的AI開發、部署就是真正的AI深海。
想要在深海中獲取價值，企業一般會面臨兩種難題：
一是AI開發的步驟太多，流程太復雜，涉及從數據收集、處理，到AI訓練、推理、應用等步驟。并且其中每一步會面涌現出大量新技術，導致企業無從下手。每個環節之間的開發壁壘也會造成很多麻煩。
二是AI開發涉及的因素太多。企業需要充沛的算力、有效的開發工具、有經驗的AI開發人才等等條件。任何一個因素的缺失或薄弱都會造成整體性的AI開發困境。
這兩點困難的存在，讓貼近產業核心的AI開發變成了一個“木桶困境”。即使企業已經擁有了眾多能力和條件，還是可能因為某個或者某幾個弱點，導致AI開發成本激增、上線時間緩慢、業務兼容性差等等問題。
在今天，企業自行構建開發平臺并進行AI應用開發并不是最優解，找到合適的專業開發平臺變得十分關鍵。通過公有云來進行機器學習開發，正在成為越來越多企業的選擇。
機器學習公有云：一條被認證的深潛航道
以云底座為依托進行機器學習開發，相對來說可以更加合理規劃資源、靈活接入場景化能力、按需部署算力，正在被越來越多的企業所接受。從目前市場空間上看，AI公有云上升速度遠大于其他AI軟件服務模式。
AI云服務又分為若干種，其中機器學習云服務是最能滿足企業定制化、平臺化需求的一種，也是最考驗云服務商綜合性AI能力與開發工具的一種。可以說，機器學習公有云是航向產業智能化深海區的最理想通道之一，這一點已經被企業與行業深度認可。
而在這條航道上，華為云已經占據了領先地位。根據IDC最新發布的《2021H2中國AI云服務市場研究報告》，2021年下半年，華為云在中國機器學習公有云服務市場份額排名第一。迄今為止，華為云AI開發生產線ModelArts已經連續四次登上該市場榜首位置。
在觀察華為云在機器學習公有云產業構成里，可以發現兩個顯著特點：一是增長快，市場份額高速飆升；二是政企客戶高度信任華為云，愿意把最考驗綜合能力的政企智能化需求放在華為云上。
在這條關鍵航道中，華為云究竟是如何完成市場領先的？答案在于兩方面，技術與生態。
深海需要“全能潛艇”：環環相扣的AI生產線
前面說過，企業定制化AI開發中，步驟多且復雜是第一難題。尤其是政企為代表的大中型企業客戶，業務流程本身非常復雜，AI能力需要嵌入到產業體系中，構建全流程工具化是關鍵。
想要幫助企業實現這一目標，破局方案就是開發平臺的技術升級，讓開發走向全流程的自動化、智能化。作為中國信通院認證的首批全能力域領先級AI開發平臺，ModelArts始終瞄準著降低開發門檻，打通開發流程的目標，于2018年首次亮相的ModelArts就在數據智能化標注、模型自動訓練等方面為企業開發者帶來了一站式開發體驗。幾年以來，連續升級的ModelArts在數據處理-算法開發-模型訓練-模型管理和部署的AI全生命周期各環節不斷豐富產品功能，終于構筑起了“AI開發生產線”。
在數據處理階段，ModelArts提供海量數據預處理、智能標注能力，節省了企業大量重復勞動與開發時間；在訓練階段，ModelArts可以支持大規模分布式訓練，更加貼近產業級AI的開發需求，并且可以實現模型自動化生成與高度可解釋性，極大降低開發門檻；在部署領域，ModelArts能夠實現全場景按需部署，滿足企業應用AI的復雜場景需求。
如此一來，AI開發的各個環節都可以被ModelArts打通，并且可以完成AI的全周期工作流式管理，從而實現全流程打通、低門檻、低成本的AI開發。不久之前，華為云AI開發生產線ModelArts還加入了新的成員：華為云ModelBox AI應用開發框架，為用戶提供應用開發所需的生成、評估、推理部署能力，幫助開發者屏蔽底層軟硬件差異，實現AI應用的一次開發全場景部署。
想要潛入復雜、多變、壓強巨大的深海，潛水艇必須樣樣能力具備。想要讓AI走向企業生產核心，需要的也不是一種技術、一種產品，而是無數技術疊加而成，環環相扣的AI生產線。
以生態聚航程：構建AI深海探索集群
企業AI開發的另一個難題，在于影響因素眾多，企業需要的支持和幫助也多種多樣。這一點就不能僅僅依靠技術來解決，而是需要通過構建全方位的生態環境，讓企業每一個需求都可以在生態中找到答案與幫助。
為了實現這一目標，華為云圍繞AI開發構建了豐富立體的生態體系，與伙伴、用戶、開發者一起，抵達產業智能化的深海區。
目前階段，華為云構筑的AI生態可以理解為縱橫兩部分。橫向來看，華為云AI Gallery是在華為云AI開發生產線ModelArts基礎上構建的開發者社區，既解決開發者需求，同時也滿足AI生態中各角色的共享、交易需求，從而實現AI生態鏈的各個環節打通，進一步降低開發門檻。
縱向來看，為了深度打通企業AI開發需求，實現定制化AI能力的準確對接，華為云發布了生態伙伴計劃D-PLAN。這一計劃通過與合作伙伴共建AI生態體系的方式，全方位打通AI開發中的堵點、難點，以并肩協作的方式加速AI應用落地。
曹操出行是我們經常使用的出行平臺。作為自有車輛的代表性平臺，曹操出行對車輛的精準調度有著強烈的需求。以AI技術優化車輛配置方案，讓司機預判客單量大且不堵車的區域，顯然是出行平臺的核心生產能力。但標準化的AI能力難以滿足精準預測出行供需關系的需求，于是基于華為云ModelArts ，在華為云D-PLAN的支持下，曹操出行聯合華為云打造智能調度解決方案。這一方案在訂單預測和車輛調度方面同時發力，優化了平臺的供需調控能力，促進了收益增長。
從最終結果來看，華為云的AI方案為曹操出行帶來了更短的開發周期，較比自研路徑來說極大降低了開發成本，使得訂單預測能力和車輛調度能力的交付周期縮短了30%。并且這一合作充分激活了云服務的優勢，利用華為云的計算能力，使模型訓練、部署效率提升了20%以上。最終，曹操出行的司機可以借助“AI之眼”來預見哪些地方會有訂單，并且有效減少司機空車巡游的時間。
目前，華為云AI Gallery和他們的AI生態計劃D-PLAN已匯聚了5萬多個AI相關資產、70多家高校和200多位博士的力量，整體涉及六大行業、25個細分場景。面向企業AI開發體量大、需求復雜，定制化程度高的客觀情況，華為云D-PLAN以更合理、直接的方式進行賦能，幫助企業快速從AI能力中獲取價值回報。
面向AI深海區的挑戰與責任，華為云選擇了機器學習公有云這條高價值賽道；培育了AI開發生產線ModelArts這艘全能潛艇；并且通過開發社區與合作計劃，打造了群艦探索的生態航程。
幾方面的力量匯聚，最終讓華為云獲得了AI市場的認可。深海之下，才是智能世界的寶藏所在。
