“通過數據和算力的云原生化，調度和分布式編程范式的規?；蠈铀惴ㄩ_發和服務標準化和普適化建設，三步實現AI工程化。”10月21日，阿里巴巴副總裁，阿里云計算平臺事業部高級研究員，達摩院 AI平臺負責人賈揚清在云棲大會AI工程化技術峰會現場表示，隨著數據的爆發，單位數據價值降低，人工智能在持續探索如何用更高效的辦法，輔助開發者進行大規模計算和數據管理，企業需要用好AI工程化能力，提升開發和經營效率。
在感知智能向決策智能發展的今天，大模型成為趨勢，AI開發平臺的普惠性兼容性、數據標注的智能化、模型優化，成為AI工程化開發的核心能力。2021杭州云棲大會的AI工程化技術峰會匯集了AI業內大咖，阿里巴巴AI技術專家聯手合作伙伴，共同分享AI工程化趨勢、AI工程化平臺架構、智能標注及自動編譯技術、行業領頭羊企業實戰方案等熱門話題。
人工智能得到了爆發式的發展，算法以及背后的工程體系更加的收攏，深度學習應用開發的門檻進一步下降，算法結構創新不那么高不可攀，同時，大規模預訓練模型以及從大模型進行場景化蒸餾，進而產生垂直場景的AI應用。那么，如何能夠將AI的工程化做到更大普惠化，AI工程如何能夠有效支撐超大規模預訓練，成為人工智能研發的關鍵，也成為AI工程化支撐企業使用AI技術的關鍵。
阿里云機器學習平臺PAI，面向企業客戶及開發者，提供輕量化、高性價比的云原生機器學習平臺，涵蓋PAI-Studio可視化建模、PAI-DSW交互式建模、PAI-DLC分布式訓練AI基礎平臺，以及PAI-EAS彈性推理平臺，實現從模型構建、訓練到在線部署的全流程，全面提升企業AI工程效率。經過多年沉淀，PAI平臺提供成熟的行業解決方案，已經在智能推薦、用戶增長、端側超分、自動駕駛等眾多場景成熟商用，成為眾多企業的優選服務。
未來，大規模預訓練模型+小樣本蒸餾的模型開發流程將成為主流。阿里巴巴會持續進行AI工程化建設。由系統來優化如何高效、低成本來執行模型訓練和推理，幫助企業實現高效的數智化轉型。
免責聲明：市場有風險，選擇需謹慎!此文僅供參考，不作買賣依據。
營業執照公示信息