場(chǎng)景需求不斷涌現(xiàn)、創(chuàng)新應(yīng)用層出不窮，AI正迎來(lái)蓬勃發(fā)展期。然而，當(dāng)傳統(tǒng)行業(yè)紛紛應(yīng)用AI推進(jìn)數(shù)字化轉(zhuǎn)型、智能化升級(jí)時(shí)，AI行業(yè)自身卻還處于手工作坊式的階段。以上游AI企業(yè)專項(xiàng)定制進(jìn)行算法開(kāi)發(fā)的傳統(tǒng)模式，已難以滿足規(guī)�；�的應(yīng)用需求。越來(lái)越多的企業(yè)都希望具備自主的AI模型開(kāi)發(fā)能力以靈活應(yīng)對(duì)場(chǎng)景需求，同時(shí)又訴求在投入成本和產(chǎn)出效益方面實(shí)現(xiàn)平衡。

在技術(shù)發(fā)展與行業(yè)需求的雙向促進(jìn)下，AI領(lǐng)域的新星企業(yè)共達(dá)地從競(jìng)爭(zhēng)激烈的行業(yè)中脫穎而出，憑借自主創(chuàng)新的AutoML平臺(tái)和技術(shù)，用更低門(mén)檻、更低成本即可訓(xùn)練出高精度的AI模型。以此為核心構(gòu)建的GoodAIdea零代碼自動(dòng)化AI算法訓(xùn)練平臺(tái)，更可為企業(yè)提供零代碼AI算法訓(xùn)練以及一鍵到端的部署能力。企業(yè)無(wú)需組建專業(yè)AI團(tuán)隊(duì)，僅需上傳算法相關(guān)的數(shù)據(jù)集，即可以0代碼的方式，在數(shù)小時(shí)內(nèi)獲取高精度的AI模型，并直接下發(fā)到應(yīng)用終端上。這種一站式的AI模型定制開(kāi)發(fā)模式，將定制開(kāi)發(fā)各類(lèi)機(jī)器視覺(jué)長(zhǎng)尾算法的效率提升近百倍。

從單點(diǎn)落地到規(guī)�；瘧�(yīng)用階段，AI行業(yè)急需破解門(mén)檻高、成本高、效率低困境

近年來(lái)，機(jī)器學(xué)習(xí)在計(jì)算機(jī)視覺(jué)領(lǐng)域?qū)崿F(xiàn)的突破，讓AI技術(shù)成為了各行各業(yè)全新的生產(chǎn)力工具，并全面掀起了AI商業(yè)化的第一波浪潮。短短兩三年間，以人臉識(shí)別、人群分析、車(chē)輛識(shí)別、車(chē)牌識(shí)別等為主的視覺(jué)AI技術(shù)，為一些單點(diǎn)應(yīng)用場(chǎng)景帶來(lái)了巨大創(chuàng)新，提升了諸如人員通行、交通管理、城市安全管理的效率和體驗(yàn)。

然而，隨著AI技術(shù)與傳統(tǒng)行業(yè)的融合逐步深入，AI已被視作賦能實(shí)體經(jīng)濟(jì)的重要驅(qū)動(dòng)技術(shù)，其應(yīng)用場(chǎng)景需求也逐漸從單點(diǎn)走向規(guī)�；�。尤其是“十四五”規(guī)劃以來(lái)，傳統(tǒng)行業(yè)的數(shù)字化轉(zhuǎn)型紛紛加速，對(duì)AI技術(shù)的應(yīng)用提出了越來(lái)越多的碎片化、長(zhǎng)尾化的需求。比如通過(guò)AI技術(shù)識(shí)別共享單車(chē)亂停亂放、高空拋物、煙火、占到經(jīng)營(yíng)、街道垃圾、渣土車(chē)等并實(shí)現(xiàn)智能化管理，成為當(dāng)下推進(jìn)智慧城市建設(shè)的重要基礎(chǔ)。而在工業(yè)領(lǐng)域，針對(duì)成百上千種不同類(lèi)型零部件的多種缺陷進(jìn)行自動(dòng)化檢測(cè)，是提高生產(chǎn)質(zhì)量和生產(chǎn)效率的重要關(guān)鍵。

但面對(duì)這樣的產(chǎn)業(yè)機(jī)遇，AI的規(guī)�；�落地卻面臨諸多挑戰(zhàn)。一方面，場(chǎng)景的碎片化使得大量的需求存在不確定性，給數(shù)據(jù)處理帶來(lái)極大難題，無(wú)法針對(duì)性地進(jìn)行數(shù)據(jù)采集、標(biāo)注。同時(shí)在算法模型的訓(xùn)練過(guò)程中，開(kāi)發(fā)人員也很判斷何種場(chǎng)景使用何種算法，導(dǎo)致最終開(kāi)發(fā)出來(lái)的算法性能存在較多不確定性。

另一方面，AI開(kāi)發(fā)的門(mén)檻較高。從數(shù)據(jù)標(biāo)注、模型訓(xùn)練、參數(shù)調(diào)節(jié)、模型部署、芯片適配、性能優(yōu)化等AI算法開(kāi)發(fā)的全鏈條中，不僅環(huán)境眾多，且每一步都非常依賴于AI開(kāi)發(fā)人員的主觀經(jīng)驗(yàn)和能力水平。因此，企業(yè)即便投入大量的人力物力，最終的應(yīng)用效果也可能無(wú)法達(dá)到預(yù)期。

在AI的單點(diǎn)應(yīng)用階段，由于通用性強(qiáng)、需求量大，企業(yè)尚可采用“堆人頭”的方式進(jìn)行定制化開(kāi)發(fā)。但隨著海量碎片化細(xì)分場(chǎng)景的出現(xiàn)，這種定制化開(kāi)發(fā)路線的弊端逐漸凸顯，面對(duì)各種不確定性和超高門(mén)檻，很難在成本、質(zhì)量和效率上做到完美的平衡。只有完成從手工作坊式向自動(dòng)化流水線方式的升級(jí)，讓每一個(gè)企業(yè)隨時(shí)都可以根據(jù)自身需求，低門(mén)檻、高效率、靈活地自行開(kāi)發(fā)AI算法，才能夠真正實(shí)現(xiàn)AI的規(guī)�；�。

共達(dá)地自動(dòng)化AI開(kāi)發(fā)訓(xùn)練平臺(tái)，讓算法開(kāi)發(fā)周期降至小時(shí)級(jí)

以解決視覺(jué)AI規(guī)�；瘧�(yīng)用需求的新興AI企業(yè)，正在掀起AI的第二波商業(yè)化浪潮，成立于2020年3月的共達(dá)地便是其中的引領(lǐng)者。憑借對(duì)AI發(fā)展趨勢(shì)的準(zhǔn)確預(yù)判和率先布局，其基于全新的自動(dòng)化機(jī)器學(xué)習(xí)（AutoML）核心技術(shù)打造的GoodAIdea零代碼自動(dòng)化AI開(kāi)發(fā)訓(xùn)練平臺(tái)（下文簡(jiǎn)稱共達(dá)地AI平臺(tái)），以零代碼自動(dòng)化方式，高效率、低門(mén)檻地完成端到端的AI開(kāi)發(fā)，破解AI規(guī)模化需求帶來(lái)的多重挑戰(zhàn)。

作為業(yè)界領(lǐng)先的計(jì)算機(jī)視覺(jué)領(lǐng)域的自動(dòng)化訓(xùn)練平臺(tái)，共達(dá)地AI平臺(tái)由數(shù)十名算法科學(xué)家共同參與，深刻理解并剖析算法開(kāi)發(fā)在每個(gè)環(huán)節(jié)的業(yè)務(wù)痛點(diǎn)，從數(shù)據(jù)標(biāo)注、數(shù)據(jù)質(zhì)量分析、算法建模、芯片適配、算法迭代各個(gè)環(huán)節(jié)實(shí)現(xiàn)技術(shù)優(yōu)化，將原本需要數(shù)十名專業(yè)技術(shù)工程師耗費(fèi)數(shù)月完成的算法開(kāi)發(fā)工作，優(yōu)化為算法的零代碼全自動(dòng)化生產(chǎn)的小時(shí)級(jí)工作。

有效的數(shù)據(jù)處理是實(shí)現(xiàn)高質(zhì)量、高效率AI算法開(kāi)發(fā)的前提，但也是一直以來(lái)最為消耗人力的環(huán)節(jié)。共達(dá)地AI平臺(tái)可以根據(jù)需要，對(duì)海量數(shù)據(jù)進(jìn)行快速自動(dòng)標(biāo)注，結(jié)合人工復(fù)檢的方式，讓數(shù)據(jù)標(biāo)注更高效。同時(shí)，平臺(tái)還可以針對(duì)不同需求對(duì)數(shù)據(jù)進(jìn)行多維度自動(dòng)分析，提升數(shù)據(jù)分析效率近百倍。

在算法層面， 首先在AI模型開(kāi)發(fā)的結(jié)構(gòu)搜索設(shè)計(jì)環(huán)節(jié)，傳統(tǒng)的開(kāi)發(fā)模式需由工程師花費(fèi)至少一周時(shí)間對(duì)每個(gè)模型結(jié)構(gòu)進(jìn)行芯片適配，以尋求最佳的模型結(jié)構(gòu)，而共達(dá)地AI平臺(tái)可以自動(dòng)尋求最佳模型搜索結(jié)構(gòu)，將整個(gè)流程時(shí)間壓縮到小時(shí)級(jí)。其次模型的預(yù)訓(xùn)練環(huán)節(jié)則非常依賴工程師的經(jīng)驗(yàn)，加之?dāng)?shù)據(jù)集極其龐大，整個(gè)過(guò)程通常需要耗費(fèi)1～2個(gè)月時(shí)間，共達(dá)地AI平臺(tái)有效地融合了大量工程師的多年實(shí)踐經(jīng)驗(yàn)，可以快速、精準(zhǔn)地提升預(yù)訓(xùn)練模型的效果，省去試錯(cuò)環(huán)節(jié)，使算法開(kāi)發(fā)效率倍增

AI模型的適配和部署是AI落地的最后一環(huán)。一般來(lái)說(shuō)，AI算法在適配芯片前只有10％左右的芯片利用率，需要通過(guò)專業(yè)團(tuán)隊(duì)近幾個(gè)月的調(diào)優(yōu)使芯片性能得到充分發(fā)揮，否則易造成芯片資源的極大浪費(fèi)，消耗更多時(shí)間和功耗。共達(dá)地AI平臺(tái)目前已適配市面50余款A(yù)I芯片，算法生成后算法利用率可提升至最佳數(shù)值，實(shí)現(xiàn)更好的性能功耗比，無(wú)需再進(jìn)行人工調(diào)優(yōu)，即可讓算法快速部署上線。

據(jù)了解，共達(dá)地的核心團(tuán)隊(duì)大疆創(chuàng)新、蘋(píng)果、微軟、華為、西門(mén)子、百度等頂級(jí)科技企業(yè)，研發(fā)人員占比70％，多年專注于AutoML技術(shù)領(lǐng)域，在人工智能，尤其是智能硬件、機(jī)器人、多媒體等領(lǐng)域，曾經(jīng)多次主導(dǎo)過(guò)領(lǐng)先于行業(yè)1－2年的技術(shù)創(chuàng)新和突破，累計(jì)獲得40余項(xiàng)全球核心技術(shù)發(fā)明專利。

隨著當(dāng)下AI技術(shù)開(kāi)始深入到城市治理、社區(qū)維護(hù)、企業(yè)運(yùn)營(yíng)、工業(yè)質(zhì)檢、智能制造中的每一個(gè)業(yè)務(wù)環(huán)節(jié)和業(yè)務(wù)流程當(dāng)中，提高AI行業(yè)自身的生產(chǎn)效率，是解決AI規(guī)�；�落地難題最根本的手段。從數(shù)據(jù)采集到模型部署的全流程，共達(dá)地AI平臺(tái)只需用戶三步操作，即可快速獲得AI算法，開(kāi)發(fā)成本降低超過(guò)90％，有望讓各行各業(yè)的企業(yè)擁抱AI第二波商業(yè)化浪潮的紅利，從根本上實(shí)現(xiàn)效率提升，促進(jìn)產(chǎn)業(yè)升級(jí)。

截至目前，共達(dá)地AI平臺(tái)已和多個(gè)行業(yè)的多家翹楚企業(yè)達(dá)成合作，其中包括智慧城市行業(yè)的中國(guó)南方電網(wǎng)、平安智慧城市等，AI芯片領(lǐng)域的紫光展銳、寒武紀(jì)、比特大陸等企業(yè)，以及智慧工業(yè)領(lǐng)域的大族激光、金東唐等企業(yè)，為AI的規(guī)模化時(shí)代構(gòu)建高效的基礎(chǔ)設(shè)施。