程寧/文

當(dāng)今中國市場，企業(yè)和創(chuàng)新主體均對新技術(shù)始終保持高熱情，AI 技術(shù)正向社會各領(lǐng)域加速滲透。據(jù)IDC預(yù)計，中國人工智能市場規(guī)模到2026年將超過264.4億美元。而從全球范圍來看，2022年6月，Meta 發(fā)布關(guān)于實行“去中心化組織結(jié)構(gòu)”的人工智能（AI）戰(zhàn)略轉(zhuǎn)型公告，指出將采取一種新的方式來開展和管理AI 工作，即將原本的中央式AI 團隊轉(zhuǎn)變?yōu)槿ブ行幕疉I 團隊，更加專注于前沿研究?？萍冀缇揞^的這一舉動印證了Bernard Marr 等未來學(xué)家所注意到的一大趨勢：AI的專業(yè)性和通過AI獲益的途徑正在變得民主化，AI 正從核心的專業(yè)領(lǐng)域轉(zhuǎn)向業(yè)務(wù)前線。

以“去中心化”應(yīng)對專業(yè)勞動力短缺

如今，企業(yè)要利用AI 取得成功，在于如何將現(xiàn)有工具和創(chuàng)建AI 應(yīng)用所需的技能之間取得平衡。有些供應(yīng)商專注于某些功能，為特定領(lǐng)域的AI工程師和研究人員提供工具。

AI 研究的專業(yè)工具用例有很多，如用于跨團隊共享實驗的Weights & Biases 以及幫助研究人員實現(xiàn)GPU 編排的Run: AI，但是創(chuàng)建和生成應(yīng)用程序所需的高水平AI工程師和研究人員有限，難以跟上市場需求的發(fā)展。因此，AI 去中心化的同時，亟需新的工具幫助AI專家更加快速地開展工作。

AI 工具得以發(fā)展的一大主要推動力就是當(dāng)前的勞動力市場缺乏足夠的工程師。如果再細(xì)化到對有經(jīng)驗的AI工程師和研究人員的需求，勞動力短缺的問題則更為普遍。

隨著業(yè)界對AI技能需求的持續(xù)增長，各企業(yè)爭相成為其所在領(lǐng)域的“主導(dǎo)者”，力求通過“AI 去中心化”實現(xiàn)AI 應(yīng)用的開發(fā)，并部署到數(shù)以百萬計的邊緣設(shè)備（AIoT）。企業(yè)也愈發(fā)重視創(chuàng)建一個可在任何地方（云、本地、邊緣或混合部署）進行AI 數(shù)據(jù)處理的環(huán)境。

為了同時滿足AI專家和非專業(yè)人士的需求，供應(yīng)商致力于提供完整的端到端的低代碼/無代碼和專業(yè)AI平臺。由于通用AI模型無法發(fā)揮最大成效，因此，開發(fā)人員也需要與其專業(yè)水平和業(yè)務(wù)領(lǐng)域相匹配的工具，就像員工和團隊需要具備符合行業(yè)所需的專業(yè)能力一樣。

如此一來，企業(yè)就能更多地專注于提升自身附加值，并讓專業(yè)的終端用戶能夠騰出時間開展AI研究等工作，讓一線員工承擔(dān)更高價值的任務(wù)。

優(yōu)秀的AI平臺不僅能夠提高人類的知識水平，還能使用戶能夠集中時間和精力專注于關(guān)鍵的工作和決策。

全新的現(xiàn)成AI工具讓專業(yè)及非專業(yè)群體共同受益

簡單的拖拽式低代碼或無代碼AI 平臺是大勢所趨，讓經(jīng)驗豐富的AI專家和非專業(yè)人士能夠以不同的方式受益于這一趨勢，當(dāng)下也有這種平臺可以同時服務(wù)于不同群體。

對于專業(yè)人士來說，一些平臺為他們提供了適合其專業(yè)水平的空間和經(jīng)過測試的模型，同時也為他們提供了發(fā)揮空間，讓他們能夠在非專業(yè)人員無法駕馭的環(huán)境中進行按需構(gòu)建、測試和調(diào)整。

對于非AI工程師來說，圖形拖拽式軟件使他們不需要耗費大量的時間學(xué)習(xí)代碼就能夠創(chuàng)建解決方案。

斑馬技術(shù)提供機器視覺和深度學(xué)習(xí)軟件平臺，可以簡化生產(chǎn)、倉儲和運輸環(huán)境中質(zhì)量檢測應(yīng)用的部署，同時也為經(jīng)驗豐富的程序員和數(shù)據(jù)科學(xué)家提供了創(chuàng)造自己工作成果的空間。讓有經(jīng)驗的專家和非專業(yè)人士都能更便利、更直觀地獲取AI 資源，可以顯著優(yōu)化企業(yè)整體運營流程中的分析和決策流程，并通過AI和其他技術(shù)及勞動力投資來實現(xiàn)高投資回報。

初創(chuàng)企業(yè)和大型企業(yè)面臨的機遇和挑戰(zhàn)

在未來3～5 年內(nèi)，隨著無服務(wù)器功能和容器部署等基礎(chǔ)設(shè)施模塊的構(gòu)建逐漸成熟并成為主流，AI應(yīng)用程序開發(fā)和部署將越來越普遍。與此同時，收集訓(xùn)練AI 模型所需的獨特數(shù)據(jù)集以及利用自身領(lǐng)域的經(jīng)驗來解決新案例需求的企業(yè)將具備顯著優(yōu)勢。因此，其無需構(gòu)建應(yīng)用程序，也不需要AI 工程師和研究人員。

需要注意的是，這一發(fā)展對不同規(guī)模的企業(yè)意味著不同的機遇和挑戰(zhàn)。隨著AI 的成本和所需技能水平的降低，進入市場的成本也會隨之降低，一方面，初創(chuàng)企業(yè)會以更快的速度進入市場，甚至以其解決方案顛覆市場；另一方面，更大、更成熟的企業(yè)仍會擁有更多的人力和更多的資源。

未來，這些專業(yè)的AI工具也有可能被更大的企業(yè)收購以加速其自身平臺的發(fā)展。業(yè)界也許會同時出現(xiàn)幾個主導(dǎo)的企業(yè)，它們擁有低代碼或無代碼專業(yè)現(xiàn)成解決方案，這些解決方案成本較低，并以大批量部署為前提。

無論如何，企業(yè)領(lǐng)導(dǎo)層和數(shù)據(jù)科學(xué)團隊負(fù)責(zé)人都需要立即采取行動，了解如何利用自身的數(shù)據(jù)和業(yè)務(wù)領(lǐng)域的經(jīng)驗，推動面向客戶的產(chǎn)品向前發(fā)展，否則將面臨落后的風(fēng)險。