哪个才是实践人工智能最好的企业?传统企业。如何更好推动机器学习的应用?准备好数据。这是上海音智达信息技术有限CEO孙晓臻给出的两个答案。

作为一家成立于2011年，专注于分析预测与行业应用的大数据公司，音智达一直为用户提供基于大数据技术的预测性分析及商务智能解决方案，旗下主要有顶尖大数据软件产品、基于大数据技术的预测性分析和BI商务智能解决方案、数字化转型相关的咨询服务等三大业务，业务涵盖生命科学、快消品、汽车、零售、电子消费产品等领域。

然而，随着客户多元化需求的不断增长，以及行业环境的不断变化，音智达不得不开始寻求与合作伙伴一起协作来共同推动业务的发展。

孙晓臻在接受记者采访时介绍：“对于我们公司来说，挑战是非常明确的，主要包括四个方面的问题：一是人才的招聘和培养非常不容易，并且因为市场越热，人才流失率也越高;二是开发技术难度越来越大，因为现在的技术架构已经和五年前十年前完全不同;三是部署和运维的成本很高，但客户通常又不愿意为之付出很多价格;四是缺乏好的、有性价比的平台。”

近年来，越来越多的企业客户选择亚马逊云科技托管云基础设施，并实现性能、安全性、可靠性和可扩展性的提高。这其中就有很多的客户，原本都是音智达多年来的服务对象。这在选择合作伙伴方面，给了音智达很强的一个参考。

孙晓臻表示，一方面，音智达意识到未来数据平台最重要的趋势就是上云，并且非常迫切地需要一个强有力的合作伙伴体系来支撑;另一方面，亚马逊云科技也需要合作伙伴，特别是像音智达这样，在各行各业都有着丰富数据服务经验的企业。因此双方一拍即合，音智达很快成为了亚马逊云科技的高级合作伙伴，并且还是首批获得AI/ML合作伙伴能力认证的公司。

2020年音智达获得亚马逊云科技AI/ML能力认证，并基于Amazon SageMaker完成了端到端的ML任务。

据了解，Amazon SageMaker是亚马逊云科技推出的机器学习平台服务，可以帮助开发者和数据科学家快速地规模化构建、训练和部署机器学习 (ML) 模型。作为一个开放的平台，Amazon SageMaker的推出让数据科学家、算法工程师、业务开发者都能轻松驾驭机器学习。此外，Amazon SageMaker拥有的工具横跨整个机器学习开发生命周期，能够帮助数据科学家的效率提升10倍，降低机器学习总体应用成本高达54%。

作为合作伙伴，针对大数据分析相关的问题，音智达可以为使用亚马逊云科技服务的企业实现定制化的云上智能存储、建模和部署，将更多的客户业务迁移到云端，助力客户实现数字化转型和创新。

在聊到Amazon SageMaker的使用体验时，孙晓臻说道：“无论客户的答案是什么，只要将Amazon SageMaker结合其他PaaS服务，不管架构怎样千变万化，都可以在亚马逊云上非常快速地构建起来。过去十年里，我们大部分的解决方案都是本地化的，围绕Hadoop生态需要千变万化地搭积木，每个不同的业务场景都不可能套用一个生态，每次都需要不一样的组件。而Amazon SageMaker结合亚马逊云科技的Amazon EMR、Amazon S3，就可以针对各式各样的业务场景，组织出不一样的技术架构，来满足不同用户的需求。”

“Amazon SageMaker是一个非常优秀、面向数据科学家的机器学习服务平台。从项目需求的理解，到模型的搭建和生成，以前我们的项目实施是以月为时间单位，但现在是以周为时间单位，极大地压缩了时间成本。客户对人工智能的期望值也变得越来越高。现在客户中谁意识到了数据的痛点，谁认识到运维很难再升级扩容和发展，谁就越迫切地告诉我想要用Amazon SageMaker。”孙晓臻透露，“一方面从客户案例来说，我们在客户的商机挖掘上效率比过去提升了50%以上，获得了更多的机会;另一方面从业务本身来讲，我们也有高达30-40%的显著增长，因为AmazonSageMaker这个一站式平台把许多工程师、架构师的工作都简化了，所以显著提升了数据科学家的工作效率。”

目前，亚马逊云科技的服务拥有超过200多种，包括，计算、存储、网络数据库、分析、IoT、AI/ML和安全。全球有数以十万计的客户在使用亚马逊云科技进行机器学习，92%的TensorFlow云上工作负载和91%的PyTorch云上工作负载都在亚马逊云科技上。

“时至今日，应该再没有客户会认为，自己没有数据也能够把业务做好。但也并不是所有的客户在有了数据之后，都能够把自己的业务做成功。”孙晓臻表示，“以前说起人工智能，大家第一时间可能都会想到互联网企业，但是现在人工智能应用最多的，恰恰是许多传统产业。因为很多传统产业都有数据驱动，譬如音智达服务的客户，很多都是五百强的头部企业。五年前他们的数据量平均是10TB，五年后平均数据量基本上都已经在200TB以上，好的公司数据量甚至有1PB。既然有如此丰富的数据，那么人工智能就可以为企业带来非常大的价值。”

这些传统企业真正在实践人工智能技术的应用，而人工智能技术也需要更广泛的普及和推广。同时，Amazon SageMaker代表了一个很重要的选择，孙晓臻认为它的发展会很快。“有一个很重要的点是，它确实带来了效率的提升，做项目的周期显著缩短了。从一个项目需求的理解、到模型、到生产，我们现在基本上是按照多少周出一个系统来谈，以前像这样的事情都是按月来谈的。”

从行业发展来看，企业如果想推动机器学习的应用，最关键的还是要在数据上做好准备。“传统行业有很多历史的数据没有留存，这对于数字化转型来说当然是障碍。所以互联网会走在前面，是因为它数字基因，但传统行业不是。所以位列第一的挑战当然是数据。”孙晓臻表示：“作为我们来讲，我们的挑战是人才，是算法的开发难度，是部署的运维的问题。”

孙晓臻对未来的发展充满信心：“总体上来讲，我们数据科学家团队的业绩今年一定是增长的。但是没有到很爆发的阶段，这是我们期望接下去的一个发展的过程。”

关键词： 机器学习 数据 企业 实践