站在人工智能的“风口”，顺势发展。纵使市场风起云涌，聚焦技术产品研发。以更前沿更专业的视角，为客户提供满足其当前和未来需求的产品服务。
上海殷泊信息科技有限公司创始人 鲁为民博士
顺势而为 谋求新发展
殷泊（MoPaaS）成立于2016年底，公司最初提供通用的PaaS/容器云平台，业务上主要面向制造业企业客户，为其打造工业互联网业务中台。企业客户需求千差万别，产品交付难免需要一定量的定制。虽然在其容器云产品化的努力收到一些成效，但MoPaaS的2B业务快速增长在当时仍面临很大的挑战。
2018年与清华大学合作打造人工智能平台成为MoPaaS转型的契机。尽管当时市场上人工智能平台解决方案的可参考的信息不多，从零开始搭建这样的平台面临诸多挑战，但由于国家对于人工智能发展已作出了相关规划，并且市场对于人工智能应用的需求也在日益增加，MoPaaS顺势而为打造出人工智能平台以帮助客户加速人工智能技术应用的落地，其业务也成功地从通用PaaS转向人工智能平台。MoPaaS 人工智能平台让客户机器学习项目的模型训练、模型推理、和模型运维等方面的工作都可在平台上完成，使客户的研发更加侧重于人工智能应用创新，同时简化其工程实践过程。与此同时，公司的业务更加聚焦，改变了以往的业务模式。
MoPaaS首先看到了人工智能领域的人才缺口，所以先从高校和科研机构切入到人工智能平台市场，通过人工智能平台来提供机器学习的实验环境，协助高校和科研机构的人工智能的科研实验和教学实训。鲁博士提到，尽管人工智能行业最终的成果需要通过企业实施落地，但人才缺口较大，因此要先解决人工智能领域人才培养问题才可以有效促进行业发展。将业务方向拓展至高校领域，也使得MoPaaS的整个业务版图变得更加聚焦，业务发展更为迅速。MoPaaS也通过不同的销售方式来开拓更广阔的企业市场，也为企业客户的业务带来了更多的全新的发展机会。
赋能深度学习 渗入人才培养
目前，MoPaaS与高校的合作已逐渐将企业的人才需求渗入到了人才培养体系中，从最初服务“双一流”高校也逐渐扩展到普通高校以及高职院校。MoPaaS所提供的是赋能类产品，首先是帮助客户优化整合算力资源，其主要能力体现在两方面：一是通过技术创新，提供灵活的高性能并行计算方法，帮助客户对其算力资源进行优化和整合。二是利用虚拟化技术可根据客户需求将GPU的资源进行安全切分和管理。
鲁博士介绍到，通过MoPaaS的人工智能平台，用户可以将多台物理GPU服务器当作一台超级计算机集群使用，从而将人工智能项目所需的算力进行整合。特别是MoPaaS可提供这些服务并且可针对典型的人工智能工程场景提供规模化深度学习所需要的算力。另外，也可以很好的服务于高校学生满足其机器学习项目上机实践需求，通过资源集群化以及虚拟化切分，让学生可以安全灵活地使用所需资源，以此解决高校GPU服务器资源有限等问题，同时也不会造成算力资源的浪费。
MoPaaS的人工智能平台也灵活地提供机器学习训练环境，除提供通用的开源的机器学习人工智能框架（TensorFlow、PyTorch、Caffe）外，也支持客户方便集成自研或第三方的各种能力。传统的应用软件系统主要提供应用的服务能力，将软件写好后通过容器或其他方式部署在云上为客户提供服务，其业务逻辑是事先定义清楚的。而机器学习系统则复杂得多，它支持整个机器学习工程流程，即MLOps，它主要分为两个阶段：第一阶段是从数据出发训练机器学习模型，这是传统应用系统所不具备的。它所需要的数据预处理、特征工程和模型训练都极为复杂。除此之外，第二阶段通过利用机器学习模型提供业务逻辑来支持传统应用软件系统能力，特别是在模型确定后还要对模型进行精调、评估、管理、部署和运维等。这些正是MoPaaS所提供的人工智能平台主要功能，该平台作为客户机器学习项目整个工程中不可或缺的环节，全流程支持MLOps，真正满足客户的需求。
聚焦产品研发以应对市场风云
MoPaaS成立的这几年，无论是从技术革新还是应用领域都可谓是经历了人工智能变动最大的几年。如何才能在“风口”中良好的存活和发展？鲁博士认为，市场的波动是新技术早期演化中的固有现象，由于人工智能近些年的发展备受关注，特别是这些技术变革和突破确实解决了不同领域的一些新老问题，但也难免带来新的问题，使得人们对其技术能力的期待也不断地变化，加上某些媒体的推波助澜可能会影响到市场的起伏。但这些临时波动并不影响到人工智能技术和工程发展的大势。
之所以会有这样根本性的改变有三点因素：一是人们都有意识搜集数据，使得大量数据可以利用；二是高算力计算硬件的呈现，特别是英伟达首先用户GPU处理器来做人工智能训练的服务器的核心，这对于算力的提升帮助很大。三是人工智能算法的创新，其突破在于卷积神经网络（CNN）和变换器（Transformer） 等方法的涌现。比如前者充分利用了图像数据方面（局部性、位移不变性）的特点，使其可以作用在局部训练数据，使得模型训练的计算复杂性降低，训练速度加快。这些突破使得人工智能技术应用落地的可行性大大增加。
从人工智能的发展轨迹来看，其向上的趋势是从未停滞过的。MoPaaS通过自身研发能力的提升以及更深入的了解用户的应用需求，可以使目光更加聚焦在打造产品上，这也是MoPaaS可以持续快速发展的根本因素之一。
另一方面是基于公司拥有的人工智能领域的强大技术背景，公司的两个主要创始人都在人工智能领域深耕多年，因此非常了解整个人工智能市场的需求以及它的落地所面临的挑战。因此，在服务客户方面不仅可以为其解决问题，甚至可以为客户带来前所未有的惊喜，真正做到想你所想，做你未想。
除了领先的技术团队外，公司还通过销售的创新，拓宽销售市场，并且打造了一套切实可行的销售机制，进一步加强了市场占领的优势。
多领域布局 促进公司良性发展
公司服务高校市场的占比就目前而言有一定优势，这与早期公司的市场切入点相关。随着人工智能技术的进一步发展，公司在业务中的侧重也会根据市场发展优化调整。鲁博士提到，随着大批人工智能专业的人才进入到企业中来，企业利用人工智能红利的机会也得到大幅度提升。从这个角度而言，MoPaaS也同样看重未来的企业市场。企业市场不仅包括人工智能研发企业，同时也包含行业应用型企业，如医疗卫生、新零售、金融等行业。MoPaaS提供的人工智能平台对不同工程应用环境所用到的技术是相通的，虽然不同领域用户的画像不同，但是在人工智能技术方面通用，这就意味着MoPaaS可以使其人工智能平台产品更加标准化，与此同时可以减少团队的技术支持压力，不需要针对不同领域的用户进行过多的定制化支持服务。这也有利于公司业务的快速发展，使得业务具备更强的扩展性，不会因为客户的增加而增加销售管理和技术支持的成本。
人工智能市场风起云涌，其未来发展也是众目所归。鲁博士坦言，尽管相对于几年前人工智能的发展是逐渐向好，特别是深度神经网络技术在多个应用场景也已经显示出超人类的性能优势，但使人工智能技术真正游刃有余的应用在当前各个领域事实上还具备很大的挑战。如何真正让企业市场应用好人工智能技术？首先就要增强客户对人工智能技术的基本认知，MoPaaS目前也在加大这方面的力度，用通俗的言语去向客户和合作伙伴解释人工智能技术解决问题的基本原理，让现有以及潜在的客户真正去了解人工智能的技术基础和整个生态，传递人工智能技术可带来的方便、高效的工作体验，同时也有效地规避人工智能工程应用中可能的陷阱。
另外，有些客户对于人工智能技术，特别是深度神经元网络模型，有着过高的期待值，因此可能会忽略人工智能可能的风险。首先是人工智能模型的推广性能(Generalization )：训练模型应用到实际场景中可能并没有训练性能好，虽然这个问题通过后期调试可能解决的，但过程也同样具有挑战性。其次是人工智能系统的安全性(Security)或鲁棒性(Robustness)：目前人工智能的系统不可避免的会带来一些安全漏洞，由于深度学习模型的高维性和过度拟合，人们很容易制造具备攻击能力的对抗数据样本，导致推理性能降低甚至起反作用。模型的推广性和安全性问题是整个行业目前应该关切的问题。MoPaaS 也会帮助客户在实施人工智能工程项目中规避这些方面的风险。
此外，这两年大语言模型高歌猛进，追求“大模型”成为了业界“热潮”。的确“大模型”会拥有提升系统性能以及解决更多问题的能力，但由于训练运行成本，迁移性能，和安全鲁棒性的挑战，使得它们在解决实际问题中还是会有一定的期待差距和潜在风险。因此，用户目前不必盲目追求“大模型”，适合的规模才是最好的，不要因为市场上的舆论导向而影响自己本身的判断，还是要结合自身的实际情况去进行选择。
对于人工智能领域的未来发展，MoPaaS也作出了相应的规划。鲁博士强调，MoPaaS打造人工智能平台坚持走到客户的前面，切实帮助客户实现人工智能应用的落地，特别是对客户人工智能项目和工程提供全方位的技术指导和支持。在MoPaaS人工智能平台技术和产品研发上，除了继续为客户提供所需的关键功能外，会更多的将重点放在数据预处理和模型管理等方面，以更大限度的提升产品的功能来满足客户的需求。在销售方面也将会持续发力，从技术产品创新以及销售渠道创新两方面进行提升和拓宽，以使MoPaaS 人工智能平台受惠到更多的用户，进而更加促进MoPaaS 公司未来的发展。
文 / 中教全媒体 张晓蒙
评论前必须登录！
注册