人工智能走向爆发期，金山云AI平台迎接应用挑战
人工智能应用迎来爆发期，平台化、工业化是大趋势
“人工智能正在从突破期走向爆发期。”赖开文在演讲中表示，自上世纪50年代，人工智能概念提出到现在已有63年历史，经历了上个世纪的理论的萌芽和盛行的发展期，2006年至今算法、数据、算力不断突破，使得智能应用场景在部分业务领域应用并取得很好的效果。从今年开始，人工智能逐步进入各大行业，与多个场景、技术和业务持续融合，适用于复杂环境的、复合应用场景的智能机器不断涌现，可以说，人工智能作为未来的核心关键技术将会迎来更大的爆发。
金山云云智能解决方案总经理赖开文发表演讲
与此同时，过去以单个应用场景为主导的竖井式AI应用面临诸多挑战，一方面重复功能建设容易造成结构混乱，能力冗余和维护成本增高，另一方面竖井式结构造成信息分散，项目制协作壁垒较高，对于人员技能要求较高，同时，延长了建设开发流程和业务响应的时间。在此背景下，人工智能应用试图通过构建具备通用性，低难度，快速创新和应用的能力，朝着平台化和工业化发展。
端到端一体化AI平台，助力企业快速搭建AI应用
作为全球公有云前十厂商和中国AI市场的主要玩家，金山云基于计算、存储等强大能力，重点打造AI学习平台，利用中台策略，实现向不同客户群提供多种平台交互方式，场景的快速落地的能力，并由此形成自身在人工智能平台的强大竞争力，从而解决人工智能平台化和工业化进程中的问题。
金山云的一体化AI平台具备五大特点，首先，具备统一的AI基础设施支持，可以提供统一的计算资源的调度和分配，第二，面向不同客户群的多种平台交互方式，满足不同开发人员的应用需求。第三，计算与存储分离，按需使用。第四，运用云原生的架构，可以通过微服务的方式在容器中调用组件。第五，提供企业的运维、安全、权限和资源管理服务。
赖开文介绍到：“是人工智能的原料，通过人工智能引擎层这个大工厂进行加工优化，加工出来的组件通过AI中台的市场输出，进而提供业务落地解决方案的商品，最终形成从云端到终端的一体化平台，帮助企业快速搭建AI应用。”
在数据引擎层，金山云拥有强大的数据存储和计算能力，同时利用多分布式框架及智能调度策略，通过CPU、GPU、FPGA、NPU等多种异构计算资源的管理，满足不同场景的推理和训练需求，帮助企业获得大规模分布式的高性能计算能力和深度学习研发的强劲动力，使得计算资源得以充分利用。
在AI的价值在落地，如何让AI更贴近行业支持业务，脱离小作坊步入工业化呢？赖开文认为：“工业化=非专业化+流水线化，这意味着降低AI使用门槛，通过模拟流水线化的生产方式提高效率降低成本，从而实现规模化、可复制的落地。”金山云通过图形化开发、开放的模型和多种协作方式，可视化的结果呈现及企业级管理组件规范AI建设方式，结合中台策略，灵活对接上下游系统，打通数据、算法、业务应用全流程，实现应用快速搭建。
金山云人工智能平台已在多个行业落地
目前金山云的人工智能平台已经在多个传统行业得到应用，在金融行业，以某国有四大行云平台为例，金山云为其提供统一的数据加工及数据全生命周期管理，既提供一站式开箱即用的数据分析环境，又同时提供服务接口供第三方应用进行应用的生态集成。该平台帮助建行内部AI建设的效率，统筹管理全局业务，助力AI应用快速更新迭代。
在能源行业，某电力能源科学研究院打造KingAI科研平台，基于金山云人工智能服务平台形成如负荷预测、深度学习、实体识别等多应用体系，通过简化易用的人工智能的应用，使其可以直接对外提供服务，降低科研应用难度，提高科研效率。
IDC《IDC MarketScape：2019中国AI云服务市场厂商评估》显示，金山云凭借卓越技术能力和优秀的商业化服务表现入选该报告，与AWS、微软等共同成为该领域的主要玩家。金山云是国内最早推出基于的PAML解决方案的厂商之一，率先推出金山云平台KML以及业界最早商用的深度学习平台KDL。
正如IDC在本次报告发布时提到的，AI云服务已经成为公有云服务中不可或缺的一部分，AI云服务已经开始渗透到各行各业。金山云未来将继续发挥自身在行业的优势，持续深化AI平台能力，推动AI加快工业化。