斑馬技術(shù):以人工智能去中心化為前進(jìn)方向

當今中國市場(chǎng)，企業(yè)和創(chuàng )新主體均對新技術(shù)始終保持高熱情，AI技術(shù)正向社會(huì )各領(lǐng)域加速滲透。據IDC預計，中國人工智能市場(chǎng)規模到2026年將超過(guò)264.4億美元。而從全球范圍來(lái)看，去年6月，Meta發(fā)布關(guān)于實(shí)行“去中心化組織結構”的人工智能（AI） 戰略轉型公告，指出將采取一種新的方式來(lái)開(kāi)展和管理AI工作，即將原本的中央式AI 團隊轉變?yōu)楦o密整合到各個(gè)產(chǎn)品組中的去中心化 AI 團隊，同時(shí)專(zhuān)注于前沿研究?？萍冀缇揞^的這一舉動(dòng)印證了Bernard Marr等未來(lái)學(xué)家所注意到的一大趨勢：AI的專(zhuān)業(yè)性以及通過(guò)AI獲益的途徑正在變得民主化。得益于諸多工具（如谷歌的Vertex AI 和低代碼/無(wú)代碼平臺），AI正從核心的專(zhuān)業(yè)領(lǐng)域轉向業(yè)務(wù)前線(xiàn)。

以“去中心化”應對專(zhuān)業(yè)勞動(dòng)力短缺

如今的企業(yè)要利用AI取得真正的成功，一個(gè)顯著(zhù)的挑戰在于如何在現有工具和創(chuàng )建AI應用所需的技能之間取得平衡。有些供應商專(zhuān)注于某些功能，為特定領(lǐng)域的AI工程師和研究人員提供工具。

AI研究的專(zhuān)業(yè)工具用例有很多（例如用于跨團隊共享實(shí)驗的Weights & Biases以及幫助研究人員實(shí)現GPU 編排的Run: AI），而創(chuàng )建和生成應用程序所需的高水平AI工程師和研究人員有限，難以跟上市場(chǎng)需求的發(fā)展。因此，如果說(shuō)一方面我們看到了AI的去中心化，那么另一方面我們也看到了AI專(zhuān)家亟需新的工具幫助他們更快速地開(kāi)展更多工作。

當前的勞動(dòng)力市場(chǎng)缺乏足夠的工程師正是工具得以發(fā)展的一大主要推動(dòng)力。如果再細化到對有經(jīng)驗的AI工程師和研究人員的需求，這一勞動(dòng)力短缺的問(wèn)題則更為普遍，而當前科技公司的裁員潮可能會(huì )導致原本就稀缺的AI人才進(jìn)一步流失。

隨著(zhù)業(yè)界對AI技能需求的持續增長(cháng)，各企業(yè)爭相成為其所在領(lǐng)域的“主導者”，力求通過(guò)“AI去中心化”實(shí)現AI應用的開(kāi)發(fā)，并部署到數以百萬(wàn)計的邊緣設備（AIoT）。企業(yè)也愈發(fā)重視創(chuàng )建一個(gè)可在任何地方（云、本地、邊緣或混合部署）進(jìn)行AI數據處理的環(huán)境，例如NVIDIA的 Launchpad和微軟的 Azure IoT Hub。

為了同時(shí)滿(mǎn)足AI專(zhuān)家和非專(zhuān)家的需求，供應商致力于提供完整的端到端的低代碼/無(wú)代碼和專(zhuān)業(yè)AI平臺。因為通用AI模型無(wú)法發(fā)揮最大成效，因此開(kāi)發(fā)人員也需要與其專(zhuān)業(yè)水平和業(yè)務(wù)領(lǐng)域相匹配的工具，就像員工和團隊需要具備符合行業(yè)所需的專(zhuān)業(yè)能力一樣。

如此一來(lái)，企業(yè)就能更多地專(zhuān)注于提升自身附加值，并讓專(zhuān)業(yè)的終端用戶(hù)能夠騰出時(shí)間開(kāi)展AI研究等工作，讓一線(xiàn)員工承擔更高價(jià)值的任務(wù)。優(yōu)秀的AI不僅能夠提高人類(lèi)的知識水平，還能使用戶(hù)能夠集中時(shí)間和精力專(zhuān)注于關(guān)鍵的工作和決策。

全新的現成AI工具讓專(zhuān)業(yè)及非專(zhuān)業(yè)群體共同受益

簡(jiǎn)單的拖拽式低代碼/無(wú)代碼AI平臺是大勢所趨，讓經(jīng)驗豐富的AI專(zhuān)家和非專(zhuān)業(yè)人士能夠以不同的方式受益于這一趨勢，當下也有這種平臺可以同時(shí)服務(wù)于不同群體。

對于專(zhuān)業(yè)人士來(lái)說(shuō)，一些平臺提供了適合其專(zhuān)業(yè)水平的現成空間和經(jīng)過(guò)測試的模型，同時(shí)也為他們提供了發(fā)揮空間，讓他們能夠在非專(zhuān)業(yè)人員無(wú)法駕馭的環(huán)境中進(jìn)行按需構建、測試和調整。對于非AI工程師來(lái)說(shuō)，圖形拖拽式軟件使其不需要耗費大量時(shí)間學(xué)習代碼就能夠創(chuàng )建解決方案。

斑馬技術(shù)提供機器視覺(jué)和深度學(xué)習軟件平臺，可以簡(jiǎn)化生產(chǎn)、倉儲和運輸環(huán)境中質(zhì)量檢測應用的部署，同時(shí)也為經(jīng)驗豐富的程序員和數據科學(xué)家提供了創(chuàng )造自己的工作成果的空間。讓有經(jīng)驗的專(zhuān)家和非專(zhuān)業(yè)人士都能更便利、更直觀(guān)地獲取AI資源，企業(yè)可以顯著(zhù)優(yōu)化整體運營(yíng)流程中的分析和決策流程，并通過(guò)AI和其他技術(shù)及勞動(dòng)力投資來(lái)實(shí)現高投資回報。

初創(chuàng )企業(yè)和大型企業(yè)面臨的機遇和挑戰

在未來(lái) 3-5 年內，隨著(zhù)無(wú)服務(wù)器功能和容器部署等基礎設施模塊的構建逐漸成熟并成為主流，AI應用程序開(kāi)發(fā)和部署將越來(lái)越普遍。與此同時(shí)，收集訓練AI模型所需的獨特數據集以及利用自身領(lǐng)域的經(jīng)驗來(lái)解決新用例需求的企業(yè)將具備顯著(zhù)優(yōu)勢，因其無(wú)需從頭開(kāi)始構建應用程序，也不需要那么多AI工程師和研究人員。

需要注意的是，這一發(fā)展對不同規模的企業(yè)意味著(zhù)不同的機遇和挑戰。隨著(zhù)AI的成本和所需技能水平的降低，進(jìn)入市場(chǎng)的成本也會(huì )隨之降低，因此初創(chuàng )企業(yè)會(huì )以更快的速度進(jìn)入市場(chǎng)，甚至以其解決方案顛覆市場(chǎng)；而另一方面，更大、更成熟的企業(yè)仍會(huì )擁有更多的人力和更多的資源。

未來(lái)，這些專(zhuān)業(yè)的AI工具也有可能被更大的企業(yè)收購以加速其自身平臺的發(fā)展。業(yè)界也許會(huì )出現幾個(gè)主導的企業(yè)，它們擁有低代碼/無(wú)代碼專(zhuān)業(yè)現成解決方案，這些解決方案成本較低，并且以大批量部署為前提。

無(wú)論如何，企業(yè)領(lǐng)導層和數據科學(xué)團隊負責人都需要立即采取行動(dòng)，以了解如何利用自身的數據和業(yè)務(wù)領(lǐng)域的經(jīng)驗，推動(dòng)面向客戶(hù)的產(chǎn)品向前發(fā)展，否則將面臨落后的風(fēng)險。