最近看了不少AI平台化的案例，包括百度的EasyDL，第四范式的AutoML，Ucloud的UAI，还有两家创业公司oneclick和偶数科技。
人工智能经过近几年突飞猛进的发展，从上层的算法，到底层的硬件，都取得了极大的突破。单纯拼算力、算法的时代已经过去。只要花点钱，就能在阿里云、腾讯云、google云上购买到想要的计算能力。而在图像识别的三大领域：分类、检测、分割，算法也基本成熟，很多模型可以开箱即用。
AI今后的发展，就是一个工具集，不管分类也好、回归也好，就是工具集里的一个工具。用户随手拿起一个工具，稍加锻造（小数据集训练），就能真正为我所用、得心应手。
在此发展过程中，很多公司看到了机会，推动AI平台化进展。所谓AI平台化，就是AI与环境的一个整合过程，面向用户提供高度集成的AI生产和运行环境，隐藏了算法、算力、存储、网络细节，使得AI更容易使用。
AI平台化实现起来，很有挑战，涉及的面非常广。借用其他公司的一张图来说明：
底层的那一套资源管理机制，负载均衡、弹性扩容、容灾、资源分配等，实际是个私有云环境。底层要负责好三块的资源供给：算力、存储、网络。
在算力调度上，目前业内做法都是容器化，通过docker生成任务实例，以支持机器学习框架（tensorflow等）的分布式训练。
在存储机制上，HDFS、Ceph都是比较成熟的解决方案，可以使用HDFS的专用客户端来完成存储读写，也可以使用Ceph的分布式块存储来进行集成。
在网络上，大容量、高吞吐量的网络（25gbps）是必选，因为在图像类训练任务里，网络吞吐量很大。如果要保证隐私和资源隔离，还要实现SDN（虚拟私有网络）。
在我们自己的解决方案里，使用K8S管理静态资源，比如HDFS、Hadoop、Zookeeper、web service，使用Yarn来管理docker容器，比如生成新的任务实例。算力分配通过docker进行，包括GPU、CPU分配。共享存储使用HDFS，网络带宽是25gbps。由于任务实例是docker，因此里面可以集成任何机器学习框架，包括tensorflow、caffe等。
这个图里描述的只是训练部分。实际上，一个完整的机器学习任务，包括数据处理 -> 模型训练 -> 模型部署的过程。
数据处理工作十分复杂，例如结构化数据的特征工程（数据清洗、分析、特征转换），图片数据的标注等。它们都需要相应的系统支持，比如结构化数据存储和计算，一般用到Hadoop、Spark这类系统，规模十分庞大。而非结构化数据（图片、视频）的存储和计算，也需要用到很大的集群。
模型部署到线上进行预测，或者发布到移动端SDK，也涉及到复杂的工程工作。
部署到线上后，要考虑后续的监控、扩容、容灾问题，而且机器学习任务的计算量很大，通常调度的机器也就更多。我们做的一项AI业务，在线上部署了100多台物理服务器在跑，对这么多硬件进行管理和调度，本身就不简单。现在很多AI业务部署是基于容器，一方面轻量化了部署过程，另一方面也不可避免的面对容器自身管理的复杂性。
移动端SDK面临的压力主要是性能优化。iOS还好，可以通过Apple自己的开发框架来调度手机的GPU，但Android阵营就复杂了，各种机型和GPU千差万别，如何适配不同手机的GPU是个大难题。另外，模型自身还要做压缩、裁剪、量化，以提升移动端计算性能。在AI平台里，一个好的移动端推理框架集成进来，会给平台大大加分。
上述描述的是AI平台的资源环境管理工作，AI平台对计算、存储、网络等硬件环境进行整合和集成，更好的适应AI开发和运行任务。而好的AI平台，还要对算法进行包装和抽象，以最大的便利性，支撑用户的模型开发任务。
这方面做得最好的是Google的AutoML，只要上传训练数据、指定任务目标，AutoML就帮你自动设计神经网络结构、自动训练和评估模型效果，用户不用关注底层的算法和工程实现，平台帮你把一切都做好了。百度的easyDL基于迁移学习，也是类似效果。
总结起来，一个好的AI平台，解决的不止是底层的工程实现问题，还解决了上层的算法封装问题，用户甚至可以零学习成本使用AI平台进行业务开发。我相信这样的平台会越来越多，AI开发的门槛也会越来越低，这对AI的普及来说，是个好事。
当然，这不意味着算法人员就没有用途了。专业的算法人员，可以投入到更高级的研究方向上，比如神经架构搜索、强化学习、神经芯片等，这些基础技术，会让AI更容易普及，更好的造福社会。将来AI在社会生活的各个领域，推动生产进步，改进生活质量，就充分体现了科研人员的价值。
