一文说清AI智能平台.pdf

一文说清AIAI智能平台

有一天，小李的领导说：“我们要做AI平台！”。

虽然平台产品也不是新概念了，随着AI技术的成熟，AI平台产品也越来越多，

们要做什么样的AI

AI平台找找灵感。

一、AI平台产品分类

AI平台大致可以分为AI开发平台和AI支撑平台（名字是小李瞎起的）两类。

1.AI开发平台

AI开发平台面向的是模型开发者，围绕AI模型/算法的生命周期（数据收集、

要对算法开发流程、算法种类丰富度都有较好的积累，因此大部分平台类产品是

由内功比较深厚的大厂推出的。

（百度BML功能架构）

1）用户

都叫开发平台啦，用户想必应该是开发人员，使用AI开发平台的研发人员对人

工智能的了解程度不尽相同，他们可能是业务应用的开发人员（只需要调用某个

模型API），也可能是AI工程师（需要对模型调参数，甚至重新设计网络结构），

但归根到底AI开发平台是面向开发人员的B端产品。

2）场景

在需要AI能力支撑的时候，用户可以使用AI开发平台提供的不同层级的工具/

功能（嵌入级、API级、数据训练级、模型定制级、算法开发级），实现所需的

AI能力。

3）解决问题

AI赋能其他产品。AI平台作为一个产品，想解决的核心问题是如何便捷的让其

他应用或产品获得智能化的能力。看到很多强调AI平台是为了让AI算法开发更

简单的说法，但归根到底，如果不是其他产品需要AI模型或者AI能力，自然也

不需要算法开发，更就没有必要有所谓AI开发平台存在了。

2.AI支撑平台

AI支撑平台大多是面向运营人员/业务人员，为某个AI应用提供能够使之work

的配置、管理等“支撑”功能。智能对话平台就是一种非常典型的AI支撑平台，

因为智能对话应用并非只依赖某个模型就能实现，所以需要根据业务场景进行技

能管理、对话设置等工作，智能对话平台就是这些配置功能的载体。

1）用户

主要是业务人员或者运营人员，也就是需要对某个应用的具体规则、具体内容进

行设置的工作人员。

2）场景

在使用某个智能应用时，用户需要根据实际业务场景对应用中的某些功能进行配

置，才能使应用按照需求运行起来。

3）解决问题

使智能应用按照用户的期望运行起来。那为什么这些应用需要配置呢？为什么不

能固化呢？因为应用的使用场景千差万别，比如在银行的智能客服和商场的智能

客服，虽然底层的技术途径一致，但具体客服面对的问题、使用的话术完全不一

样。

从产品角度看，为了使产品的通用性更强，我们往往会设计一个通用的应用框架，

然后把高频且重要的功能做成可配置项以适应更多用户的需求。也不是说把功能

固化下来不行，但那样的话产品就变成了定制化的项目，成本非常高且无法复用。

（AI开发支撑平台对比）

二、AI开发平台

1.按AI模型生命周期拆解

知乎看到的一个比较好的平台产品定义：“平台产品提供共用性强的工具，连接

多端多角色之间的活动或交易”。AI开发平台产品也一样，是围绕着围绕AI模

型/算法的生命周期提供工具，连接不同层次开发者对AI模型设计、训练、使用

等活动。

AI模型的生命周期，大概是这样的：

AI开发平台即然是服务于AI模型生命周期的工具，自然也离不开以上这些模块。

所谓平台，可以只针对某一个环节，比如数据收集+标注环节，或者模型部署环

节，也可以针对整个生命周期，这就解释了为什么同是AI平台，有大有小。

如果我们从AI模型生命周期角度拆分，那么就有：

1）数据标注平台

面向数据接入、清洗、标注等和训练数据有关的工作。数据接入、清洗的工作其

实和大数据的关联性比较强，有些标注平台甚至是大数据系统的组件。

对于AI标注/数据平台来说，一个思路是类似百度的EasyData，针对模型训练

数据提供一部分预处理功能（如缩放、翻转图像提高模型鲁棒性，或者对图像进

行滤波、降噪等增强操作）和智能标注功能（先利用已经训练好的模型自动标注

一把，然后再由人工校准或微调），正是这些功能支撑起了数据标注平台。

另外一个不错的思路是更侧重“标注”这个动作本身，类似basicFinder，做数

据需求方和数据标注商的撮合生意并提供标注工具。

2）模型设计平台

这个一般不会作为单独的产品，个人猜测原因主要是模型结构设计门槛高、需求

小。从我自己的经验来看，使用开源框架开发和使用平台提供的工具效率差别不

大。