近日，國際權(quán)威研究機(jī)構(gòu) IDC（國際數(shù)據(jù)公司）最新發(fā)布的《中國 AI 云服務(wù)市場（2020 上半年）跟蹤》報(bào)告顯示，華為云一站式 AI 開發(fā)平臺(tái) ModelArts 位居機(jī)器學(xué)習(xí)公有云服務(wù)中國市場份額第一位，高達(dá) 29%。

　　報(bào)告指出：華為在國內(nèi)市場具有先天的認(rèn)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(rèn)知和信賴。其中，華為云一站式 AI 開發(fā)平臺(tái) ModelArts 在行業(yè)用戶中的主動(dòng)提及率非常高。可以見得，在 ModelArts 平臺(tái)學(xué)習(xí) 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(wù)市場半年度研究報(bào)告，2020H1》

　　眾所周知，市場份額是產(chǎn)品是否好用的一個(gè)忠實(shí)反應(yīng)。對于用戶來說，「好用」的標(biāo)準(zhǔn)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(shí)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(tái)，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(huì)關(guān)心：這個(gè)平臺(tái)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(hù)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(xùn)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(xùn)成本居高不下。同時(shí)，模型上線后的工作性能受物理硬件的限制，橫向擴(kuò)展耗時(shí)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(gè)方面。在門檻方面，推動(dòng) AI 發(fā)展的核心四要素——算法、算力、數(shù)據(jù)和知識(shí)，每一個(gè)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(fù)造輪子，資源復(fù)用率低。

　　在種種困境下，華為云 ModelArts 走進(jìn)了這些開發(fā)團(tuán)隊(duì)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(gè)里程碑事件。它讓整個(gè)社區(qū)嘗到了「預(yù)訓(xùn)練」的甜頭：只需要簡單的遷移策略，就能讓模型在下游任務(wù)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(jī)器學(xué)習(xí)專家的階段，進(jìn)入到大規(guī)模、可復(fù)制的大工業(yè)生產(chǎn)的階段。這一經(jīng)驗(yàn)同樣可以復(fù)制到其他領(lǐng)域，華為云 ModelArts 的通用預(yù)訓(xùn)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(shí)，可以進(jìn)行模型選擇自動(dòng)設(shè)計(jì)、參數(shù)配置自動(dòng)調(diào)優(yōu)，在分鐘級內(nèi)完成模型訓(xùn)練，無需依仗專家經(jīng)驗(yàn)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(yù)訓(xùn)練模型 + 小樣本微調(diào)」的高效訓(xùn)練模式，能夠讓開發(fā)者基于行業(yè)小樣本數(shù)據(jù)訓(xùn)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(biāo)注數(shù)據(jù)才能進(jìn)行的訓(xùn)練，在 EI-Backbone 的加持下，只需要幾十例甚至十幾例標(biāo)注數(shù)據(jù)即可完成，節(jié)省標(biāo)注成本高達(dá) 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(huì) 2020 發(fā)布的最新版華為云 ModelArts 3.0 在集群規(guī)模、任務(wù)數(shù)量以及分布式訓(xùn)練各個(gè)環(huán)節(jié)做了針對性優(yōu)化，并支持彈性訓(xùn)練。彈性訓(xùn)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(xùn)練作業(yè)，訓(xùn)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(jì)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(jià)比，在大多數(shù)典型場景下可以提升性價(jià)比 30% 以上。這種降本增效的成果在實(shí)際的業(yè)務(wù)場景中是非常可觀的，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(jìn)行訓(xùn)練，得到的模型可能不夠準(zhǔn)確，或泛化性較差。在此背景下，各個(gè)數(shù)據(jù)擁有方不可避免地要進(jìn)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(jī)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(gè)數(shù)據(jù)中心進(jìn)行模型訓(xùn)練，從而形成了一個(gè)個(gè)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(wù)、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(jìn)行嚴(yán)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(xué)習(xí)解決思路。在華為云 ModelArts 3.0 下，用戶可以各自利用本地?cái)?shù)據(jù)訓(xùn)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(shí)現(xiàn)云邊協(xié)同訓(xùn)練。此外，華為云 ModelArts 3.0 不僅支持橫向聯(lián)邦學(xué)習(xí)，處理對齊的數(shù)據(jù)，還支持縱向聯(lián)邦學(xué)習(xí)，可以輕松處理訓(xùn)練樣本 ID 重疊多的數(shù)據(jù)。

　　對于使用華為云 ModelArts 實(shí)現(xiàn)行業(yè) AI 落地的用戶來說，引入聯(lián)邦學(xué)習(xí)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(biāo)注難度非常大，需要領(lǐng)域?qū)＜业慕槿耄虼顺杀痉浅８摺Ｍㄟ^聯(lián)邦學(xué)習(xí)，各個(gè)數(shù)據(jù)擁有方都可以在這一技術(shù)的保護(hù)下實(shí)現(xiàn)數(shù)據(jù)價(jià)值的交換，顯著降低成本。

　　3. 對模型的掌控

　　模型從實(shí)驗(yàn)室走向生產(chǎn)環(huán)境是一個(gè)令人揪心的過程。開發(fā)者和企業(yè)會(huì)擔(dān)心這個(gè)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(dòng)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(xì)的，僅精度方面就有準(zhǔn)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(xiàng)指標(biāo)。這些指標(biāo)可以幫助用戶進(jìn)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(dāng)前，華為云 ModelArts 已經(jīng)在金融、醫(yī)療、藥物研發(fā)、自動(dòng)駕駛等多個(gè)領(lǐng)域得到了廣泛應(yīng)用。

　　在金融領(lǐng)域，華為云 ModelArts 已經(jīng)用于金融票據(jù) OCR 識(shí)別。由于金融票據(jù)格式多樣，差別細(xì)微，需要 AI 專家進(jìn)行長時(shí)間的票據(jù) AI 訓(xùn)練，因此業(yè)界識(shí)別準(zhǔn)確率普遍不夠精準(zhǔn)。針對票據(jù)模型開發(fā)訓(xùn)練數(shù)據(jù)標(biāo)注、模型訓(xùn)練、調(diào)優(yōu)和部署上的諸多難點(diǎn)，華為云 ModelArts 通過數(shù)據(jù)集分類、自動(dòng)學(xué)習(xí)、遷移學(xué)習(xí)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(biāo)注工具，完成部署。

　　在醫(yī)療領(lǐng)域，去年 11 月份，放射學(xué)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(xué)電信學(xué)院、華中科技大學(xué)同濟(jì)醫(yī)學(xué)院附屬協(xié)和醫(yī)院放射科聯(lián)合團(tuán)隊(duì)的最新研究成果：運(yùn)用華為云 ModelArts 開發(fā)的一套基于 CTA 影像的腦動(dòng)脈瘤檢測算法。該算法靈敏度高達(dá) 97.5%，幫助醫(yī)生臨床診斷靈敏度提升約 10 個(gè)百分點(diǎn)，漏診率降低了 5 個(gè)百分點(diǎn)，同時(shí)有效縮短了醫(yī)生的診斷時(shí)間。

　　在藥物研發(fā)領(lǐng)域，2020 年，華為云 EI 與中國科學(xué)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(yīng)用到藥物研發(fā)的 AI 任務(wù)中，精準(zhǔn)預(yù)測藥物水溶解性、心臟毒性和激酶活性。中國科學(xué)院院士、中國科學(xué)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(tái)的藥物聯(lián)邦學(xué)習(xí)服務(wù)，以解決研發(fā)數(shù)據(jù)高壁壘、高成本以及高機(jī)密的問題。實(shí)踐證明，通過華為云 EI 聯(lián)邦學(xué)習(xí)訓(xùn)練后的模型，準(zhǔn)確度遠(yuǎn)超傳統(tǒng)的聯(lián)邦學(xué)習(xí)和深度學(xué)習(xí)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(tuán)隊(duì)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(wù)和 ModelArts 推出了 AI+CT 醫(yī)學(xué)影像分析服務(wù)，運(yùn)用計(jì)算機(jī)視覺與醫(yī)學(xué)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(shí)變進(jìn)行分割以及量化評價(jià)，并結(jié)合臨床信息和實(shí)驗(yàn)室結(jié)果，輔助醫(yī)生更高效、精準(zhǔn)地區(qū)分早期、進(jìn)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(gè)低門檻、高效率同時(shí)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(shí)現(xiàn)技術(shù)普惠的重要條件，讓「學(xué) AI，用 ModelArts」成為開發(fā)者群體的新風(fēng)尚，亦將讓行業(yè) AI 落地開拓者們親手觸碰到未來。