機器學習公有云服務中國市場份額第一的AI平臺華為云，到底做對了什么

機器之心原創(chuàng)

作者：張倩

從0到29%，華為云ModelArts為何走得又快又穩(wěn)？

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位居機器學習公有云服務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平臺學習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。對于用戶來說，「好用」的標準非常簡單，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造輪子，資源復用率低。

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「預訓練」的甜頭：只需要簡單的遷移策略，就能讓模型在下游任務中獲得良好的性能，使該領(lǐng)域由原來的手工調(diào)參、依靠機器學習專家的階段，進入到大規(guī)模、可復制的大工業(yè)生產(chǎn)的階段。這一經(jīng)驗同樣可以復制到其他領(lǐng)域，華為云ModelArts的通用預訓練模型架構(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計、參數(shù)配置自動調(diào)優(yōu)，在分鐘級內(nèi)完成模型訓練，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「預訓練模型+小樣本微調(diào)」的高效訓練模式，能夠讓開發(fā)者基于行業(yè)小樣本數(shù)據(jù)訓練高精度模型。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注數(shù)據(jù)才能進行的訓練，在EI-Backbone的加持下，只需要幾十例甚至十幾例標注數(shù)據(jù)即可完成，節(jié)省標注成本高達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、任務數(shù)量以及分布式訓練各個環(huán)節(jié)做了針對性優(yōu)化，并支持彈性訓練。彈性訓練指的是華為云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練作業(yè)，訓練速度可提升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)進行訓練，得到的模型可能不夠準確，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、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)邦學習解決思路。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)同訓練。此外，華為云ModelArts 3.0不僅支持橫向聯(lián)邦學習，處理對齊的數(shù)據(jù)，還支持縱向聯(lián)邦學習，可以輕松處理訓練樣本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)邦學習不僅解決了數(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)邦學習，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的，僅精度方面就有準確率、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。這些指標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，差別細微，需要AI專家進行長時間的票據(jù)AI訓練，因此業(yè)界識別準確率普遍不夠精準。針對票據(jù)模型開發(fā)訓練數(shù)據(jù)標注、模型訓練、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、自動學習、遷移學習等方法，讓初級AI開發(fā)者無需調(diào)參等操作，輕松操作數(shù)據(jù)標注工具，完成部署。

在醫(yī)療領(lǐng)域，去年11月份，放射學領(lǐng)域國際頂級期刊《Radiology》發(fā)表了華為云EI創(chuàng)新孵化lab、華中科技大學電信學院、華中科技大學同濟醫(yī)學院附屬協(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算法應用到藥物研發(fā)的AI任務中，精準預測藥物水溶解性、心臟毒性和激酶活性。中國科學院院士、中國科學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)邦學習服務，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)邦學習訓練后的模型，準確度遠超傳統(tǒng)的聯(lián)邦學習和深度學習算法。

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昇騰集群服務和ModelArts推出了AI+CT醫(yī)學影像分析服務，運用計算機視覺與醫(yī)學影像分析技術(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AI，用ModelArts」成為開發(fā)者群體的新風尚，亦將讓行業(yè)AI落地開拓者們親手觸碰到未來。