2023年中国人工智能行业概览-头豹-2023.5-34页.pdf-solarbe文库

资源描述：

1 ©2023LeadLeowww.leadleo.com 400-072-5588 2023年中国人工智能行业概览 Overview of China s Artificial Intelligence Industry in 2023 2023年中国人工知能業界の概要报告提供的任何内容（包括但不限于数据、文字、图表、图像等）均系头豹研究院独有的高度机密性文件（在报告中另行标明出处者除外）。未经头豹研究院事先书面许可，任何人不得以任何方式擅自复制、再造、传播、出版、引用、改编、汇编本报告内容，若有违反上述约定的行为发生，头豹研究院保留采取法律措施，追究相关人员责任的权利。头豹研究院开展的所有商业活动均使用 “ 头豹研究院 ” 或 “ 头豹 ”的商号、商标，头豹研究院无任何前述名称之外的其他分支机构，也未授权或聘用其他任何第三方代表头豹研究院开展商业活动。 2023/05 www.leadleo.com 报告标签人工智能、工业质检、自动驾驶、 MLOps、 AutoML、博瀚智能 2 人工智能行业现处于核心硬件发展阶段，数据、算力、算法是三大核心发展要素，推动着人工智能的技术迭代和商业化落地。中国人工智能企业处于发展初期，大多数企业对于人工智能的发展主要以框架搭建和应用解决方案为主，在打造高质量产品和降低成本方面持续创新。政策环境的优化，也将助力 AI 产业高速发展。中国人工智能行业发展势头强劲，赋能千行百业01 对比以模型为中心的 AutoML，以数据为中心的 MLOps 具有把数据的质量和数量置于主要位置的特点，能提供更有优势的解决方案，使组织规模化、高质量、高效率、可持续地生产机器学习模型，有效缓解 AI 生产过程的管理问题，提升 AI 生产的转化效率。目前， MLOps 行业应用稳步推进，落地实践成果颇丰。 02 近年来，中国人工智能开发平台市场规模持续增长。在应用场景端，传统 AI 模型痛点突出，亟待人工智能协助转型，中国制造业人工智能解决方案的市场规模呈现快速增长态势。 AI 与各产业深度融合，精准解决各场景痛点，未来增长潜力巨大，尤其在制造行业和交通行业， AI 的渗透率有较大增长空间。 MLOps 以数据为中心的技术成为人工智能生产落地的重要推动力 03 乘人工智能行业发展东风摘要 ©2023 LeadLeowww.leadleo.com 400-072-5588 近期 ChatGPT 的出现掀起了又一波人工智能发展热潮，中国人工智能行业发展势头强劲，市场规模持续上升，正逐步进入效率化生产阶段。 MLOps 技术作为人工智能生产落地的重要推动力，重要性愈加凸显。博瀚智能作为国内私有云 AI 平台第一梯队服务商，采用数据闭环驱动 MLOps 的技术路线，提供丰富的产品精准解决传统方案痛点，赋能人工智能行业发展，未来前景相当广阔。中国人工智能行业市场规模持续上升，与各产业深度融合国内私有云 AI 平台第一梯队服务商博瀚智能04 博瀚智能是业内领先的人工智能综合平台和智能化数据处理方案提供商，近几年营收增速较快，研发能力强劲，公司坚持以数据为中心的技术路线，精准解决传统方案痛点。其打造的多维度数据 AI 管理平台 AIstudio 是业内领先的轻量级私有化平台，实现用户友好的深度学习和模型快速部署，合作生态十分繁荣。 3 ©2023LeadLeowww.leadleo.com 400-072-5588 ◆名词解释 ------------------ 07 ◆中国人工智能行业发展概述 ------------------ 08 人工智能行业发展历程， AI 产业正逐步进入效率化生产阶段 ------------------ 09 行业规模不断扩大，市场以政府端为主带动企业端应用落地 ------------------ 10 AI 技术赋能各行各业，落地多种应用场景 ------------------ 11 落地需求为市场主要驱动力，政府的行业持续发展 ------------------ 12 下游行业量增驱动人工智能应用，需求有望较大提升 ------------------ 13 政策环境持续优化，助力 AI 产业创新发展 ------------------ 14 ◆MLOps 技术成为人工智能生产落地重要推动力 ------------------ 15 数据为中心的技术路径潜力较大，将成未来发展趋势 ------------------ 16 以数据为中心的 MLOps 提供优质解决方案，助力组织保障生产质量 ------------------ 17 AutoML优势与痛点并存，整体表现逊于 MLOps ------------------ 18 MLOps 有效缓解 AI 生产过程管理问题，提升 AI 生产转化率 ------------------ 19 MLOps 工具不断创新，落地实践成果颇丰 ------------------ 20 ◆中国人工智能行业市场规模持续上升，与各产业深度融合 ------------------ 21 传统 AI 模型痛点突出，亟待人工智能协助转型 ------------------ 22 AI 基础设施成长迅速，资源整体效能水平不断进化 ------------------ 23 中国 AI 行业与开发平台市场规模高速增长 ------------------ 24 人工智能基础数据服务众多下游场景，精准解决痛点 ------------------ 25 目录 CONTENTS 4 ©2023LeadLeowww.leadleo.com 400-072-5588 目录 CONTENTS ◆国内私有云 AI 平台第一梯队服务商博瀚智能 ------------------ 26 企业概况业内领先的人工智能综合平台和智能化数据处理方案提供商 ------------------ 27 经营情况强劲的研发能力强劲与过硬的产品质量支持企业持续发展 ------------------ 28 核心业务形态丰富、设计先进，构建全栈、可扩展的云边端平台体系 ------------------ 29 企业生态深度合作业内头部企业，并拥有百余落地案例 ------------------ 30 ◆方法论 ------------------ 31 ◆法律声明 ------------------ 32 ◆企业介绍及宣传页 ------------------ 33 5 ©2023LeadLeowww.leadleo.com 400-072-5588 图表 1人工智能行业定义及特征 ---------------------------------------- 09 图表 2 2018-2022 年全球企业应用 AI 产品的平均数量 ---------------------------------------- 09 图表 3 人工智能行业落地场景 ---------------------------------------- 09 图表 4人工智能行业发展历程 ---------------------------------------- 10 图表 5中国人工智能技术架构 ---------------------------------------- 11 图表 6 AI 技术三大核心底层基础 ---------------------------------------- 12 图表 7中国人工智能企业突破与创新 ---------------------------------------- 12 图表 8 AI 在各个行业的渗透情况 ---------------------------------------- 13 图表 9 2016-2022 年人工智能产业相关政策梳理 ---------------------------------------- 14 图表 10以数据为中心将成行业发展方向 ---------------------------------------- 16 图表 11 平台对于数据驱动的 AI 重要性 ---------------------------------------- 16 图表 12 AutoML 和 MLOps 技术路径对比 ---------------------------------------- 17 图表 13 数据为中心与模型为中心的不同 ---------------------------------------- 17 图表 14 AutoML的特征及痛点 ---------------------------------------- 18 图表 15 AutoML 发展历程 ---------------------------------------- 18 图表 16 MLOps 的特征及价值 ---------------------------------------- 19 图表 17 MLOps 发展历程 ---------------------------------------- 19 图表 18以数据为中心 MLOps ---------------------------------------- 20 图表 19 MLOps 发展现状 ---------------------------------------- 20 图表 20 MLOps 的意义和价值 ---------------------------------------- 20 图表目录 List of Figures and Tables 6 ©2023LeadLeowww.leadleo.com 400-072-5588 图表 21 AI 模型落地的痛点 ---------------------------------------- 22 图表 22 人工智能基础层进阶之路 ---------------------------------------- 23 图表 23 一站式基础层资源平台 ---------------------------------------- 23 图表 24 中国人工智能行业市场规模及渗透率， 2021-2027E ---------------------------------------- 24 图表 25 AI 开发平台市场规模 ---------------------------------------- 24 图表 26人工智能应用场景 ---------------------------------------- 25 图表 27博瀚智能公司介绍 ---------------------------------------- 27 图表 28博瀚智能团队背景 ---------------------------------------- 27 图表 29 博瀚智能发展历程 ---------------------------------------- 27 图表 30 公司经营状况 ---------------------------------------- 28 图表 31 AI 质检解决的痛点问题 ---------------------------------------- 28 图表 32博瀚智能的主要产品 ---------------------------------------- 29 图表 33 AIStudio一站式 AI 开发大数据分析平台 ---------------------------------------- 29 图表 34博瀚智能各领域合作伙伴 ---------------------------------------- 30 图表目录 List of Figures and Tables 7 ©2023LeadLeowww.leadleo.com 400-072-5588 ◆ 人工智能 Artificial Intelligence，英文缩写为 AI 。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。 ◆ DevOps 一种软件开发和运维的文化、方法和实践，旨在通过自动化、协作和跨职能团队的整合，实现更快、更可靠和更高效的软件开发、测试、部署和运维。 ◆ 生成式 AI AI-Generated Content，人工智能生成内容，是指基于人工智能技术，通过已有数据寻找规律，并通过适当的泛化能力生成相关内容的技术，可以生成常见的如图像、文本、音频、视频等内容。 ◆ ChatGPT 基于 GPT-3.5架构训练的大型语言模型，由 OpenAI 开发。可以进行对话、回答问题、生成文本等任务。利用自然语言处理和机器学习技术，可以处理广泛的语言任务，包括文本分类、语义理解、文本生成、对话建模等。 ◆ MLOps 通过构建和运行机器学习流水线（ Pipeline），统一机器学习（ ML）项目研发（ Dev）和运营（ Ops）过程的一种方法。目的是提高 AI 模型生产质效。 ◆ AutoML 一种机器学习过程，旨在通过一系列算法和启发式方法实现从数据选择到建立模型的自动化。 ◆ DataOps 一种数据运营（ Data Operations）的方法论，其目的是改进和加速数据管道（ Data Pipeline）的开发、测试、部署和运行，以确保数据在组织内部流动的可靠性、一致性和质量。 ◆ 自然语言处理 Natural Language Processing（ NLP），是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。主要应用于机器翻译、舆情监测、自动摘要、观点提取、文本分类、问题回答、文本语义对比、语音识别、中文 OCR等方面。 ◆ 算法算法是计算机专业中的一种算法，就是利用用户的一些行为，通过一些数学算法，推测出用户可能喜欢的东西。基于内容的信息推荐方法的理论依据主要来自信息检索和信息过滤，所谓的基于内容的推荐方法就是根据用户过去的浏览记录来向用户推荐用户没有接触过的推荐项。算法是互联网运作的基础，是大数据、人工智能、云计算等一切网络活动的内部规则，是电子商务、信息传播、互动交流、游戏活动、未成年人权益保护等网络运营的起点。名词解释 8 ©2023LeadLeowww.leadleo.com 400-072-5588 01 中国人工智能行业发展势头强劲，现处于“核心硬件发展阶段” 时期，应用前景广阔 ❑ 概况与特点 9 ©2023LeadLeowww.leadleo.com 400-072-5588 1.1 行业概况人工智能技术为千行百业赋能，实现各类应用场景落地，现阶段已发展成为主流趋势， AI 技术商业价值不断增长，产品形态和应用边界也在持续拓宽。 1.9 2.3 3.1 3.9 3.8 2018 2019 2020 2021 2022 2018-2022 年全球企业应用 AI 产品的平均数量 ◼ 企业应用 AI 技术比重持续提升， AI 技术商业价值不断增长。据调查， 2017 年企业应用 AI 技术比重约占 20， 2022 年企业至少在一个业务领域采用 AI 技术比率增至 50。 2018 年应用 AI 产品平均仅 1.9 个， 2022 年增至 3.8 个。应用数量提升以外， AI 商业价值不断增长，企业部署 AI 动力显著。 ◼ 机器人流程自动化（ RPA）和计算机视觉是人工智能领域每年最常用的技术，自然语言文本理解已经从 2018 年的中间位置上升到仅次于计算机视觉的第三位。算力算法数据人工智能基础层数据基础服务与治理平台智能模型敏捷开发工具智能计算集群发展三大要素来源头豹研究院编辑整理人工智能行业定义及特征人工智能定义人工智能产业是指以人工智能关键技术为核心的、由基础支撑和应用场景组成的、覆盖领域极为广阔的行业群。智能产品是指用人工智能技术赋能的产品。设计过程中需要具备较强的仿真能力和失效模式分析能力。价值性、通用性、效率化为产业发展战略方向 人工智能赋能产业发展已成为主流趋势，下游应用场景丰富。基于软件服务、云服务、硬件基础设施等产品形式，结合消费、制造业、互联网、金融、元宇宙与数字孪生等各类应用场景，人工智能赋能各个产业发展。 人工智能的产品形态和应用边界不断拓宽； 2022 年，人工智能产学研界在通用大模型、行业大模型等促进技术通用性和效率化生产的方向上取得了一定突破。商业价值塑造、通用性提升和效率化应用是 AI 技术助力产业发展、社会进步和自身造血的要义。 AI农业 AI泛安防 AI制造 AI政务 AI教育 AI医疗 AI互联网AI交通 AI能源人工智能行业落地场景 10 ©2023LeadLeowww.leadleo.com 400-072-5588 1.2 行业发展历程人工智能行业现处于“核心硬件发展阶段，算力、数据、算法全面突破” 时期，产业未来发展将基于大规模数据识别、预测、学习和决策，逐步进入效率化生产阶段。始于 1970s，分析之后，进行智能决策；近年来才开始真正兴盛始于 1980s，起源于分析式 AI，生成新的内容； 2022 年迎来突破生成式 AI 分析式 AI 人工智能行业发展历程规则导向机器学习深度学习自主学习 1950s1980s 感知机、专家系统 1980s21 世纪初期支持向量机、神经网络、决策树 21 世纪初期至今多层圣经网络模型未来发展方向基于大规模数据识别、预测、学习、决策感知式 AI 运营营销决策、金融风险评估、医疗诊断等生成式 AI 生成各种数据、图像、语音等内容后，决策式 AI 对生成内容进行分析和决策，实现更加全面和智能的应用  AI 产生的商业价值不断增长，企业部署 AI 的动力显著。企业在业务领域扩大采用 AI 技术，应用的 AI 产品数量增加。落地 AI 应用对企业业务运营的商业价值与战略意义越来越明确。 人工智能的产品形态和应用边界不断拓宽； 2022 年，人工智能产学研界在通用大模型、行业大模型等促进技术通用性和效率化生产的方向上取得了一定突破。自然语言生成图像生成音乐生成等文本识别语音识别图像识别等理论发展硬件奠基，算法发展核心硬件发展，算法突破算力、数据、算法全面突破决策式 AI 始于 1960s，利用逻辑推理等方法进行分析和解决；兴盛于机器学习、数字挖掘技术兴起始于 1950s，让计算机感知和理解现实世界，兴盛于计算机硬件发展与大数据出现来源智东西、头豹研究院编辑整理 2022 年 11 月， ChatGPT 发布点燃 AI 浪潮。 2023 年 3 月 OpenAI 发布 GPT-4，直接升级 ChatGPT 多模态能力。 11 ©2023LeadLeowww.leadleo.com 400-072-5588 能力层应用层终端层企业级用户政府机构用户大众消费者用户文字生成音频生成图像生成视频生成虚拟人 /场景生成代码生成策略生成多模态生成 ······ 政策规划基础层生成式人工智能服务管理办法（意见稿） “ 十四五”数字经济发展规划数字中国建设整体布局规划其他企业服务零售电商传媒 /影视教育 /科研工业游戏医疗政务金融服务数据资源硬件设施技术层人工智能智能语音机器学习计算机视觉知识图谱自然语言理解多模态大模型智能文档理解视觉 -语言语音 -语言多模态检测与分割 CV大模型图像生成图像表征视频表征视频生成图像分类图像与物体检测语义分割因果推断 NLP大模型语音语义理解多语言模型语言理解与生成多模态对话文本语义与图结构开放域对话信息抽取与检索代码生成和理解 AI模型生产工具深度学习框架 /开源模型模型训练 /AI开发平台预训练大模型 AI算力基础外部合规数据数据标注结构化数据整合第三方合规数据网络资源安全资源算力资源储存资源 AI芯片云计算与云服务智能计算平台智能服务器 ◼ 在人工智能相关政策规划支撑下，技术架构链条逻辑上可分为基础层、技术层、能力层、应用层、终端层五大板块。 ◼ 基础层涉及硬件基础设施和数据、算力、算法模型三大核心要素。随着 AI 大模型规模的不断扩大，对计算资源的需求也在增加。因此，高性能的硬件设备、海量场景数据、强大的算力基础和升级迭代的算法模型成为了支持 AI 大模型发展的关键。 ◼ 技术层主要涉及模型构建。目前， Transformer 架构在 AI 大模型领域占据主导地位，如 BERT、 GPT 系列等。 ◼ 能力层、应用层及终端层在基础层和技术层的支持下， AI 大模型拥有了文字、音频、图像、视频、代码、策略、多模态生成能力等，具体应用于金融、电商、传媒、教育、游戏、医疗、工业、政务等多个领域，为企业级用户、政府机构用户、大众消费者用户提供产品和服务。中国人工智能技术架构 1.3 行业应用场景人工智能技术架构逻辑上分为基础层、技术层、能力层、应用层、终端层五大板块，其中核心技术层涵盖 AI 技术群和模型的融合创新，为各行业领域提供相关产品及服务。来源 CNKI，百度文心，弗若斯特沙利文，头豹研究院编辑整理 12 ©2023LeadLeowww.leadleo.com 400-072-5588 1.4 市场驱动因素数据、算力、算法三大核心要素推动人工智能技术迭代和商业化落地，中国人工智能企业处于发展初期，基于技术创新及成本控制等优势，中国人工智能行业将快速发展，前景广阔。来源头豹研究院编辑整理中国企业具备实现 AI 的商业化落地的商业基础中国人工智能企业创新能力不断提升，具备优质的工程成本控制能力，并能够结合自身业务特点和场景的理解沉淀，为下游行业提供高效智能的解决方案，帮助企业降本增效。中国企业能够响应新型工业化建设的需求，结合具体的场景加快融合创新，目前在智慧城市、智慧安防的落地率和普及率较高。中国企业加强 AI 底层基础设施的国产化突破数据方面，中国企业积极提高训练数据标记质量，提高模型的准确程度。同时，中国人工智能企业加强与政府及相关事业单位的合作，取得权威的训练数据，通过数据孪生等方式解决小样本数据不足等问题。算力方面，政府积极支持 AI 相关硬件的国产化，华为、寒武纪、商汤科技、地平线等国内企业推出自主研发的人工智能芯片，目前整体市场对海外的人工智能芯片依赖程度略有降低。国产化算力的逐步升高，能够有效支撑 AI 产业的发展。算法方面，国内人工智能企业在自然语言处理、智能语音、视觉计算等领域均有所突破，能够根据细分场景的痛点持续进行算法优化迭代。中国人工智能企业加大技术创新和 AI 布局力度 ◼ 中国 AI 产业处于发展初期，成长速度较快，发展空间广阔国内人工智能产业仍处于初步发展阶段，大多数企业对于人工智能的发展主要以框架搭建和应用解决方案为主。行业内领先企业专业技术能力过硬，其 AI 产品在语音语义、翻译、文字识别等方面有较大优势，能够在智慧城市、智慧交通、智慧安防等细分场景实现商业化落地。2020 年 3,751 亿人民币 797 家 2019 年 2205 家中国人工智能企业数量 2022 年人工智能整体产业规模算力是 AI 的 “基建”数据是 AI 的“燃料” 算法是 AI 的“引擎” 智能交互边缘计算实时算力云计算硬件算力本地化高精度训练集大数据语料库投喂计算任务训练标注核心技术突破多模态认知计算全息立体应用场景数字孪生虚拟现实感知交互数据算力算法 ✓ 数据、算力、算法三大核心要素推动 AI 技术迭代和商业化落地 AI 技术演化和迭代离不开数据、算力、算法三大核心底层基础 13 ©2023LeadLeowww.leadleo.com 400-072-5588 1.5 市场发展机遇 AI 广泛应用于各行各业，未来人工智能的应用需求仍有望实现较大提升，尤其在制造行业和交通行业， AI 的渗透率仍有较大增长空间。高低高IT基础设施 AI 技术渗透率农业制造医疗零售交通安防金融 To C 例如 ChatGPT教育政务 ➢ 在制造业，中国正从低成本的玩具和服装制造中心，转型成为处理器、芯片、发动机和其他高端零部件等精密制造领域的领导者，人工智能有利于促进制造业从生产执行向制造创新转型，创造超过千亿美元 *的经济价值，其中 1,000 亿美元来自于流程设计研发，利用数字孪生和机器学习模拟、测试和验证生产流程的结果， 150 亿美元来自于产品研发，验证新产品设计，快速预测设计结果制造行业 ➢ 2021 年中国制造业增加值高达 4.87 万亿美元，占全球的 29.8，已连续 13 年居世界首位。从 2021 年到 2026 年，中国制造业 IT 市场投资规模将从 7,841.12 亿元人民币增长至 1.586 万亿元，将成为全球主要经济体中制造业 IT 支出增长速度最高的国家交通行业 ➢ 2022 年中国新能源汽车产销分别完成了 705.8 万辆和 688.7 万辆，同比增长了 96.9 和 93.4，连续 8 年保持全球第一；新能源汽车新车的销量占汽车新车总销量的 25.6 ➢ 新能源车的持续渗透为人工智能在交通领域的渗透的占提供了一片沃土，人工智能有望创造超过 3,800 亿美元的经济价值，主要来自于三个方面自动驾驶（ 3,350 亿）、智能座舱（ 300亿美元）、运行管理优化（ 150亿美元） AI 在各个行业的渗透情况来源麦肯锡、头豹研究院编辑整理 14 ©2023LeadLeowww.leadleo.com 400-072-5588 1.6 行业相关政策分析政策环境持续优化，助力 AI 行业高速发展。从“十二五”到“十四五”规划，国家从宏观层面上对人工智能新技术、新产业给予巨大支持，顶层设计从方向性引导到强调落地应用与场景创新。发布时间政策名称主要内容 2022 年 12 月关于规范和加强人工智能司法应用的意见到 2025 年，基本建成较为完备的司法人工智能技术应用体系，为司法为民、公正司法提供全方位智能辅助支持。到 2030 年，简称具有规则引领和应用示范效应的司法人工智能技术应用和理论体系，为司法为民、公正司法提供全流程高水平智能辅助支持，应用效能充分彰显。 2022 年 9 月中国共产党第十九次全国代表大会 –十九大报告推动互联网、大数据、人工智能和实体经济深度融合，建设数字中国、智慧社会。推进数字产业化和产业数字化，推动数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。 2022 年 8 月关于支持建设新一代人工智能示范应用场景的通知围绕构建全链条、全过程的人工智能行业应用生态，支持一批基础较好的人工智能应用场景，加强研发上下游配合与新技术继承，打造形成一批可复制、可推广的标杆型示范应用场景。 2022 年 7 月关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见强化主题培育，加大应用示范，创新体制机制、完善场景生态，探索人工智能发展新模式新路径。以人工智能高水平应用促进经济高质量发展。 2016 年 2017 年 2021 年2018 年 2019 年对人工智能芯片发展方向提出多项要求，并促进智能终端可穿戴设备的推广落地国务院新一代人工智能发展规划按照“系统布局、重点突破、协同创新、开放有席”的原则，在深入调研基础上研究提出重点发展智能传感器、神经网络芯片、开源开放平台等关键环节，夯实人工智能产业发展的软硬件基础。工信部关于促进新一代人工智能产业发展三年行动计划发改委互联网 ”人工智能三年行动实施方案重点突破高效能、可重构类脑计算芯片和具有计算机成像功能的类脑视觉传感器技术，研发具有学习能力的高效能类脑神经网络架构和硬件系统，实现具有多媒体感知信息理解和智能增长、尝试推理能力的类脑智能系统。把握新一代人工智能的发展特点，结合不同行业，不同区域特点，探索创新成果应用转化的路径和方法，构建数据驱动、人机协同、跨界融合的智能经济形态。中央全面深化改革委员会第七次会议关于促进人工智能和实体经济深度融合的指导意见新一代人工智能产业将着重构建开源算法平台，并在学习推理与决策、图像图形等重点领域进行创新，聚焦高端芯片等关键领域。十三届全国人大四次会议 “十四五”规划纲要和 2035 远景目标纲要来源国务院、工信部、发改委、头豹研究院编辑整理 2016-2022 年人工智能产业相关政策梳理 15 ©2023LeadLeowww.leadleo.com 400-072-5588 02 MLOps 以数据为中心的技术路线是人工智能生产落地的重要推动力，为行业缔造更多商业价值 ❑ 技术与应用 16 ©2023LeadLeowww.leadleo.com 400-072-5588 2.1 数据为中心的技术路径潜力较大以数据为中心的 AI 提高性能，降低成本，发展潜力巨大。而模型驱动的 AI 应用资源要求高，无法有效助力 AI落地。平台为数据驱动的 AI 提供了一个统一、集成的环境，简化任务，降本增效作用显著。  以数据为中心的 AI拥有巨大的能量和潜力。 2022年，吴恩达在接受 IEEE Spectrum 采访时表示，模型为中心无法有效助力 AI落地。过去十年人工智能最大的转变是向深度学习转变，此后十年将向以数据为中心转百年。随着神经网络架构的成熟，许多实际应用的瓶颈将成为“如何获取、开发所需要的数据”。同时，基于平台的解决方案是目前的一大需求和趋势。模型驱动的 AI 通常涉及具有大量参数的复杂模型。训练和部署这些模型需要大量的计算能力，导致硬件和基础设施的成本较高。模型驱动的 AI 中复杂模型的训练需要时间长，特别是深度学习模型。延长训练时间增加了对计算资源的需求，从而导致成本提高。模型驱动的 AI 中的模型通常更复杂，因此为应对不断变化的需求，使用新数据更新或修改需要大量资源，导致更高的成本和更长的开发周期。以数据为中心将成行业发展方向以模型为中心的 AI 应用痛点资源、成本要求高等复杂性训练时间模型更新可解释 /理解性模型驱动的 AI 中的复杂模型通常较难解释和理解，这可能需要额外的资源来开发工具和技术以提高透明度和可信度。提高泛化能力数据驱动的 AI 强调拥有多样化、高质量的数据的重要性。数据驱动的 AI 可以提高泛化能力，并使模型在新数据上表现更好。减少对模型复杂性的依赖数据驱动的 AI 侧重于使用高质量数据来使简单模型实现相似甚至更好的性能，从而降低计算和资源需求。更容易进行微调数据驱动的 AI 使通过扩充或优化用于训练的数据来微调模型更容易。无需大幅修改模型架构或重新训练模型即可提高特定任务性能。对抗性攻击的鲁棒性通过使用多样化的数据集，数据驱动的 AI 协助模型抵抗对抗性攻击。高质量数据训练的模型难以被输入欺骗。迁移学习数据驱动的 AI 鼓励迁移学习，在大型数据集预训练的模型为较小的特定任务数据集微调。拥有缩短训练时间并提高性能的优势。以数据为中心的 AI 应用优势显著平台对于数据驱动的 AI 重要性提供统一、集成的环境简化 AI 生命周期中的任务确保数据和模型的高效管理提高数据科学家、工程师等的生产力和效果集中的数据管理可拓展性协作工作流自动化监控和维护集成实验跟踪和可重复性为存储、访问和管理数据提供集中位置。有助于实现数据的一致高效处理，使团队能够使用高质量的数据集进行训练和评估。有助于管理数据驱动 AI 解决方案的可扩展性。允许用户扩展数据处理、存储和计算资源，确保处理大数据量和复杂模型。提供简化通信、共享见解和共同处理数据和模型的工具和功能，促进成功实施数据驱动 AI 解决方案所必需的协作环境。平台可以自动化数据驱动 AI 生命周期中的各种任务。有助于节省时间、减少错误并确保始终遵循最佳实践。平台提供用于监控模型性能、数据质量等相关指标的工具。使团队能够快速发现和解决问题，确保 AI 系统继续提供最佳结果。平台可以与组织使用的其他工具、系统和基础设施集成，简化将 AI 解决方案纳入现有工作流程和流程的过程。平台可以帮助跟踪实验、管理模型版本并确保结果的可重复性。有助于比较不同模型技术、选择针对最佳方法和遵守法规要求。来源中国信通院、头豹研究院编辑整理 17 ©2023LeadLeowww.leadleo.com 400-072-5588 2.2 人工智能技术路径对比以模型为中心的 AutoML，以数据为中心的 MLOps 将数据的质量和数量置于主要位置，能提供更加有优势的解决方案，助力组织建立标准化管理体系，保障模型生产质量。来源中国信通院、头豹研究院编辑整理方法涉及过程目标 MLOps 以数据为中心通常涉及数据管理、数据治理和数据工程，以确保数据的可用性、准确性和可靠性侧重于用于训练和评估 ML 模型的数据。这种方法优先考虑收集、清理和组织高质量的数据，作为建立有效的 ML 模型的基础。在这种方法中，数据被认为是 ML 模型准确性和性能的主要驱动力，数据的质量和数量被认为比使用的具体算法或架构更关键。 AutoML 以模型为中心通常涉及优化 ML 模型架构、超参数调整和模型选择专注于建立最佳的 ML 模型架构。这种方法优先考虑寻找最佳算法