近日,，國際權(quán)威研究機構(gòu) IDC（國際數(shù)據(jù)公司）最新發(fā)布的《中國 AI 云服務(wù)市場（2020 上半年）跟蹤》報告顯示，華為云一站式 AI 開發(fā)平臺 ModelArts 位居機器學(xué)習(xí)公有云服務(wù)中國市場份額第一位,，高達 29%,。

　　報告指出：華為在國內(nèi)市場具有先天的認(rèn)知優(yōu)勢，開發(fā)者對于華為的技術(shù),、產(chǎn)品,、品牌有著天然的認(rèn)知和信賴,。其中,，華為云一站式 AI 開發(fā)平臺 ModelArts 在行業(yè)用戶中的主動提及率非常高。可以見得,，在 ModelArts 平臺學(xué)習(xí) AI 技術(shù)已經(jīng)成為越來越多開發(fā)者的偏愛,，ModelArts 也正逐漸成為行業(yè) AI 落地的首選,。

　　數(shù)據(jù)來源：IDC《中國 AI 云服務(wù)市場半年度研究報告,，2020H1》

　　眾所周知，市場份額是產(chǎn)品是否好用的一個忠實反應(yīng),。對于用戶來說,，「好用」的標(biāo)準(zhǔn)非常簡單，即你的產(chǎn)品到底有沒有解決我的問題,？比如能否實現(xiàn)降本增效,，產(chǎn)品是否安全可控等等。

　　作為一站式 AI 開發(fā)平臺,，華為云 ModelArts 的用戶所關(guān)注的問題也在這一范疇之內(nèi),。具體來說，他們會關(guān)心：這個平臺上手門檻高不高,？成本,、效率高不高？我的數(shù)據(jù)隱私能得到保護嗎,？我的模型我自己能把關(guān)嗎,？

　　接下來，我們就從這些問題入手,，看看市場份額第一的華為云 ModelArts 有沒有解決這些問題。

　　開發(fā)者和企業(yè)所看中的,，

　　華為云 ModelArts 都滿足了嗎,？

　　1. 門檻、成本和效率

　　一位從傳統(tǒng) IT 轉(zhuǎn)向 AI 軟件研發(fā)的技術(shù)總監(jiān)曾表示,，在早期的研發(fā)階段,，他們遇到了不少棘手的問題，比如從數(shù)據(jù)收集,、處理,，模型訓(xùn)練、管理到發(fā)布,，AI 開發(fā)基本都處于一種「鄉(xiāng)間作坊」的工作模式,。這種工作方式不僅效率低下，而且不利于新人的培養(yǎng),，讓人才培訓(xùn)成本居高不下,。同時，模型上線后的工作性能受物理硬件的限制,，橫向擴展耗時耗力,，資源利用率也無法有效保障,。

　　這位技術(shù)總監(jiān)提到的問題主要體現(xiàn)在門檻、成本和效率幾個方面,。在門檻方面,，推動 AI 發(fā)展的核心四要素——算法、算力,、數(shù)據(jù)和知識,，每一個都存在門檻。在成本方面,，傳統(tǒng)的「鄉(xiāng)間作坊」工作模式開發(fā)流程冗長,，涉及的人員較多，人力,、物力成本居高不下,；在效率方面，這種工作模式容易重復(fù)造輪子,，資源復(fù)用率低,。

　　在種種困境下，華為云 ModelArts 走進了這些開發(fā)團隊的視野,。

　　為什么是 ModelArts,？

　　在自然語言處理領(lǐng)域，BERT 的問世是一個里程碑事件,。它讓整個社區(qū)嘗到了「預(yù)訓(xùn)練」的甜頭：只需要簡單的遷移策略,，就能讓模型在下游任務(wù)中獲得良好的性能，使該領(lǐng)域由原來的手工調(diào)參,、依靠機器學(xué)習(xí)專家的階段,，進入到大規(guī)模、可復(fù)制的大工業(yè)生產(chǎn)的階段,。這一經(jīng)驗同樣可以復(fù)制到其他領(lǐng)域,，華為云 ModelArts 的通用預(yù)訓(xùn)練模型架構(gòu)——EI-Backbone 就是這一路徑的開拓者之一。

　　EI-Backbone 通過整合算法模型,、算力,、數(shù)據(jù)和知識，可以進行模型選擇自動設(shè)計,、參數(shù)配置自動調(diào)優(yōu),，在分鐘級內(nèi)完成模型訓(xùn)練，無需依仗專家經(jīng)驗就能大幅提升模型精度,，顯著降低 AI 使用門檻,，縮短開發(fā)流程，提升開發(fā)性能。該架構(gòu)提供了一種「預(yù)訓(xùn)練模型 + 小樣本微調(diào)」的高效訓(xùn)練模式,，能夠讓開發(fā)者基于行業(yè)小樣本數(shù)據(jù)訓(xùn)練高精度模型,。這在醫(yī)療等優(yōu)質(zhì)數(shù)據(jù)稀缺的場景中尤其有用。以醫(yī)療影像分割為例,，過去需要成百上千例標(biāo)注數(shù)據(jù)才能進行的訓(xùn)練,，在 EI-Backbone 的加持下，只需要幾十例甚至十幾例標(biāo)注數(shù)據(jù)即可完成,，節(jié)省標(biāo)注成本高達 90% 以上,。

　　效率的提升和成本的節(jié)約還體現(xiàn)在算力方面。華為全聯(lián)接大會 2020 發(fā)布的最新版華為云 ModelArts 3.0 在集群規(guī)模,、任務(wù)數(shù)量以及分布式訓(xùn)練各個環(huán)節(jié)做了針對性優(yōu)化,，并支持彈性訓(xùn)練。彈性訓(xùn)練指的是華為云 ModelArts 提供的兩種模式：一是 Turbo 模式,，可以充分利用空閑資源加速已有訓(xùn)練作業(yè),，訓(xùn)練速度可提升 10 倍以上，并且不影響模型的收斂精度,；二是經(jīng)濟模式,，可以通過最大化資源利用率給開發(fā)者提供極致的性價比，在大多數(shù)典型場景下可以提升性價比 30% 以上,。這種降本增效的成果在實際的業(yè)務(wù)場景中是非?？捎^的，無論是對 AI 開發(fā)者的低成本快速上手的需求,，還是對行業(yè) AI 智能轉(zhuǎn)型升級來說,，無疑都是最合適的選擇。

　　2. 對數(shù)據(jù)的掌控

　　AI 模型性能的提升離不開大量的多源數(shù)據(jù),。如果企業(yè)只用自己有限,、單一來源的數(shù)據(jù)進行訓(xùn)練，得到的模型可能不夠準(zhǔn)確,，或泛化性較差,。在此背景下,，各個數(shù)據(jù)擁有方不可避免地要進行合作,。

　　但與之矛盾的是，很多行業(yè)的數(shù)據(jù)涉及用戶隱私,、行業(yè)機密等問題,，數(shù)據(jù)擁有者不愿或不能將數(shù)據(jù)上傳至一個數(shù)據(jù)中心進行模型訓(xùn)練，從而形成了一個個的「煙囪」或「孤島」,。

　　華為云 ModelArts 的用戶大多是這種類型,，他們身處醫(yī)療、政務(wù)、金融等安全,、隱私性要求極高的領(lǐng)域,，因此必須對自己數(shù)據(jù)的流向進行嚴(yán)格把控，做到數(shù)據(jù)不出庫,。

　　數(shù)據(jù)不能出庫,，但模型的參數(shù)可以，這就是華為云 ModelArts 提供的聯(lián)邦學(xué)習(xí)解決思路,。在華為云 ModelArts 3.0 下,，用戶可以各自利用本地數(shù)據(jù)訓(xùn)練模型，不交換數(shù)據(jù)本身,，只用加密方式交換更新的模型參數(shù),，實現(xiàn)云邊協(xié)同訓(xùn)練。此外,，華為云 ModelArts 3.0 不僅支持橫向聯(lián)邦學(xué)習(xí),，處理對齊的數(shù)據(jù)，還支持縱向聯(lián)邦學(xué)習(xí),，可以輕松處理訓(xùn)練樣本 ID 重疊多的數(shù)據(jù),。

　　對于使用華為云 ModelArts 實現(xiàn)行業(yè) AI 落地的用戶來說，引入聯(lián)邦學(xué)習(xí)不僅解決了數(shù)據(jù)隱私問題,，還節(jié)約了數(shù)據(jù)方面的成本,。眾所周知，醫(yī)療,、制藥等領(lǐng)域的數(shù)據(jù)標(biāo)注難度非常大,，需要領(lǐng)域?qū)＜业慕槿耄虼顺杀痉浅８?。通過聯(lián)邦學(xué)習(xí),，各個數(shù)據(jù)擁有方都可以在這一技術(shù)的保護下實現(xiàn)數(shù)據(jù)價值的交換，顯著降低成本,。

　　3. 對模型的掌控

　　模型從實驗室走向生產(chǎn)環(huán)境是一個令人揪心的過程,。開發(fā)者和企業(yè)會擔(dān)心這個模型精度不夠高、性能不夠好,、可解釋性差,、可信度低等問題。在這些都沒弄清楚之前,，沒有人敢大規(guī)模部署這款模型,。

　　華為云 ModelArts 的成功之處在于，它在一定程度上緩解了這種「不透明」所帶來的顧慮,，將自動評估,、診斷之后得到的模型精度,、性能、可解釋性,、可信度等信息展示在一塊「面板」上,，讓用戶直觀地看到自己模型的基本情況。

　　而且,，這種評估是非常精細(xì)的,，僅精度方面就有準(zhǔn)確率、精確率,、召回率,、F1 值、混淆矩陣,、ROC 曲線,、數(shù)據(jù)敏感度分析等多項指標(biāo)。這些指標(biāo)可以幫助用戶進行有針對性的調(diào)優(yōu),，讓用戶做到「心中有數(shù)」,，放心部署。

　　哪些行業(yè)已經(jīng)用上了華為云 ModelArts,？

　　當(dāng)前,，華為云 ModelArts 已經(jīng)在金融、醫(yī)療,、藥物研發(fā),、自動駕駛等多個領(lǐng)域得到了廣泛應(yīng)用。

　　在金融領(lǐng)域,，華為云 ModelArts 已經(jīng)用于金融票據(jù) OCR 識別,。由于金融票據(jù)格式多樣，差別細(xì)微,，需要 AI 專家進行長時間的票據(jù) AI 訓(xùn)練,，因此業(yè)界識別準(zhǔn)確率普遍不夠精準(zhǔn)。針對票據(jù)模型開發(fā)訓(xùn)練數(shù)據(jù)標(biāo)注,、模型訓(xùn)練,、調(diào)優(yōu)和部署上的諸多難點，華為云 ModelArts 通過數(shù)據(jù)集分類,、自動學(xué)習(xí),、遷移學(xué)習(xí)等方法，讓初級 AI 開發(fā)者無需調(diào)參等操作,，輕松操作數(shù)據(jù)標(biāo)注工具,，完成部署,。

　　在醫(yī)療領(lǐng)域,，去年 11 月份,，放射學(xué)領(lǐng)域國際頂級期刊《Radiology》發(fā)表了華為云 EI 創(chuàng)新孵化 lab、華中科技大學(xué)電信學(xué)院,、華中科技大學(xué)同濟醫(yī)學(xué)院附屬協(xié)和醫(yī)院放射科聯(lián)合團隊的最新研究成果：運用華為云 ModelArts 開發(fā)的一套基于 CTA 影像的腦動脈瘤檢測算法,。該算法靈敏度高達 97.5%，幫助醫(yī)生臨床診斷靈敏度提升約 10 個百分點,，漏診率降低了 5 個百分點,，同時有效縮短了醫(yī)生的診斷時間。

　　在藥物研發(fā)領(lǐng)域,，2020 年,，華為云 EI 與中國科學(xué)院上海藥物研究所簽署聯(lián)合創(chuàng)新合作協(xié)議，將華為自研的 FedAMP 算法和 AutoGenome 算法應(yīng)用到藥物研發(fā)的 AI 任務(wù)中,，精準(zhǔn)預(yù)測藥物水溶解性,、心臟毒性和激酶活性。中國科學(xué)院院士,、中國科學(xué)院上海藥物研究所研究員蔣華良聯(lián)合華為云發(fā)布基于 ModelArts 平臺的藥物聯(lián)邦學(xué)習(xí)服務(wù),，以解決研發(fā)數(shù)據(jù)高壁壘、高成本以及高機密的問題,。實踐證明,，通過華為云 EI 聯(lián)邦學(xué)習(xí)訓(xùn)練后的模型，準(zhǔn)確度遠(yuǎn)超傳統(tǒng)的聯(lián)邦學(xué)習(xí)和深度學(xué)習(xí)算法,。

　　回顧過去的一年,，華為云 ModelArts 在抗擊疫情方面也發(fā)揮了重要作用，其參與的聯(lián)合科研團隊在 2020 年 2 月份就篩選出了五種可能有效的新冠抗病毒藥物,。此外,，華為云還依托 AI 昇騰集群服務(wù)和 ModelArts 推出了 AI+CT 醫(yī)學(xué)影像分析服務(wù)，運用計算機視覺與醫(yī)學(xué)影像分析技術(shù)對患者肺部 CT 多發(fā)磨玻璃密度影（GGO）以及肺實變進行分割以及量化評價,，并結(jié)合臨床信息和實驗室結(jié)果,，輔助醫(yī)生更高效、精準(zhǔn)地區(qū)分早期,、進展期與重癥期,，助力疫情防控工作。

　　技術(shù)賦能行業(yè)離不開一個低門檻,、高效率同時又安全,、可靠的工具。華為云 ModelArts 這類 AI 開發(fā)新工具的出現(xiàn)是實現(xiàn)技術(shù)普惠的重要條件,，讓「學(xué) AI,，用 ModelArts」成為開發(fā)者群體的新風(fēng)尚，亦將讓行業(yè) AI 落地開拓者們親手觸碰到未來,。