三个皮匠微信公众号每天给您带来最全最新各类数据研究报告
AI场景数量的爆发催生AI中台,为AI应用开发提供快速构建能力支持。Al 中台以平台化开发模式替代“烟囱式”开发架构,结合自动化、低门槛的建模方式提升投入产出比。企业应从顶层规划开始,设定用例规划,完善数据基础设施,并明确厂商选型评价指标,选择符合自身需求的供应商,按需求落地AI中台各模块。
在推进数字化和智能化转型的过程中,企业逐步构建数据中台等数据资产管理与服务基础设施,以及机器学习平台等AI模型开发基础设施,AI 中台逐渐形成。基于调研,爱分析认为,AI中台是为企业智能应用提供AI能力支撑的统-共享服务平台,主要包括开发平台层、资产层(算法库&样本库)、业务逻辑层和平台管理层。
在实际落地过程中, Al中台多采取分布式微服务架构,各模块间耦合度较低,企业会结合自身业务需求,调整AI中台架构。
Al中台是数据中台的进一步延伸。数据中台为智能化应用开发提供了数据存储和数据计算的能力,但未涉及Al工程能力建设问题。此外,数据中台的数据治理依赖于人工操作,且难以满足不同场景的个性化需求。因此,随着智能化应用数量的增长,企业在提升自身AI工程能力的过程中,把单场景开发下的数据接入、存储、分析、训练和发布的模型开发流水线自动化,逐步形成了Al中台架构。
在AI中台实际落地的过程中,企业往往会根据业务需要,优先侧重某一AI 技术能力的建设。机器学习平台、NLP 平台等皆为构建AI中台的重要模块。由于数据分析相关应用于前台业务场景耦合度更高,企业一般会从机器学习平台出发,构建AI中台架构,并逐步加入NLP、计算机视觉等其他Al功能模块。
点击下载报告:2020中国AI中台应用趋势报告(58页)