中国企业软件想成为世界级,核心不在于PaaS平台,而在于人工智能
1395
2019-05-07 10:35    文章来源:阿朱说 吕建伟
文章摘要:未来的企业应用特征是:社会化商业、网络连接、数据智能。

(1)未来


咱们想想未来。


未来的企业应用特征是:社会化商业、网络连接、数据智能


未来的信息化场景是:企业互联网-产业互联网-社会化商业

未来的信息化香港马会开奖现场体系是:产业互联网云服务、中台与平台、企业级云ERP


未来的数字化场景是:智能零售、智能仓储物流运输、智能车间、智能办公、智能城市

未来的数字化香港马会开奖现场体系是:智能硬件芯片、智能OS、IoT物联网接入平台、可视屏音箱助手


未来的中台与平台:

1、网络连接:互联网服务连接平台、物联网连接平台、SaaS服务连接平台、ERP集成平台

2、数据:数据中台、大数据技术平台

3、智能:人工智能技术平台、人工智能应用中台


未来的技术栈是:

用户交互层:传感器、人工智能视觉识别/语音交互

逻辑层:Open API Mesh、人工智能关联推荐算法

数据层:人工智能精准搜索/关系图谱、区块链


未来商业模式:

1、IT服务:云订阅服务、智能硬件

2、金融服务:大数据+AI驱动的金融信贷服务、大数据+AI驱动的金融科技服务(聚合支付服务、反欺诈服务、信用服务、实时风控服务)

3、业务服务:大数据+AI驱动的:社会化财税自动化服务、社会化用工调度服务、社会化营销数字化服务、社会化供应链资源调度服务


看,从客户需求,到香港马会开奖现场,到技术,到商业模式,全不一样了。面对未来,不管是中国BAT互联网公司,还是中国企业软件公司,还是国外的企业软件巨头公司,还是实业企业的科技公司,大家全都同一个起跑线,全都懵逼探索,就看谁从研究、战略合作、资本融资与投资并购、组织与人才、激励多方组合,谁能做到:选准、做对、跑得快,谁就能赢得未来。


(2)筑底


人工智能专业发展了60年,一共折翼两次。一次是刚刚发展起来,想通用解决问题,太乐观,当然折翼。一次是90年代,吸收了第一次的经验教训不搞通用了,专门做细分专业领域的专业系统,但太依赖专业领域知识加工,还是没法做成商业。


如何不强依赖专业领域知识呢?嘿嘿嘿,这就是这一次的发力重点:深度学习。这会对上层视觉识别、语音交互、自然语言处理三大应用领域都有加持助推效能。


而在深度学习领域,Google收购的英国DeepMind公司在这块有两个重大突破:神经网络(质量)、TransFormer(性能)。所以,各种CNN(卷积神经网络)、MTCNN(多任务卷积神经网络)、RNN(循环神经网络)、DNN(深度神经网络)、ResNet(深度残差网络)、LSTM(时间序列长短期记忆网络)、GAN(生成式对抗网络)。


模型改进:如大规模无监督模型GPT-2,并且结合了Attention机制,颇适合图像生成质量优化。


算法改进:如BERT算法,颇适合NLP训练质量优化。


当然,这些网络结构、算法、模型、机制都已经被开源成深度学习平台,这让高深的人工智能走入普通IT公司:

1、Google:Tensorflow/Koras

2、Facebook:Caffe/Pytorch

3、微软:CNTK/DMTK

4、AWS:MXNet

5、OpenAI:Open AI(目前尚无完全开源)

6、Apache:OpenNLP

7、百度:PaddlePaddle

8、Salesforce:TransmogrifAI


除了在算法模型平台层有开源外,在其他几个方面也凑在了一起:

1、算力芯片层:英伟达借助区块链比特币大风发展起来专用芯片GPU,也可用于人工智能。Google发布了TPU。

2、算力资源层:AWS、Azure云计算厂商都提供了人工智能训练所需的IaaS服务,正好适合人工智能训练这种波峰波谷的工作。

3、数据存储层:AWS、Azure云计算厂商都提供了云分布式对象存储服务、大数据存储平台、大数据计算平台

4、数据集层:4G、智能手机/高清摄像头、照片相册云盘这三样的普及,让图像数据积累快速膨胀。


所以说,这是学术界(算法模型)、工程界(开源)、云计算、智能手机移动互联网四者叠加的效果。所以,为啥这次学术界的人纷纷加入产业界,就是因为这个原因,没有数据没有算力没有应用场景,就没法改进算法模型。


(3)开源


开源是个好东西。

我这里就是列了一些通用的、大面的。至于更详细的,大家可以看:paperswithcode这个网站,浩如烟海的论文和代码,你想要的都在这里。


一、视觉

1、OpenCV(Intel)、DeepDream(Google)

2、人脸识别:InSightFace

3、物体检测:Detectron(Facebook)


二、语音

1、语音到文字:wav2Letter(Facebook)

2、语音识别:kaldi(约翰霍普金斯大)

3、文字到语音:VoiceLoop(Facebook)、Merlin(英国爱丁堡大学)


三、NLP

1、搜索:Apache的Nutch、Luence、ElasticSearch

2、关联推荐:PredictionIO(Salesforce)、关联推荐算法库LibRec(中国东北大学)

3、对话系统:如DeepPavlov(莫斯科物理学院)、ParlAI(Facebook)、Texar(卡耐基梅隆大学)

4、通用NLP:Pytext(Facebook)、OpenNLP(Apache)、Spacy、AllenNLP、NLTK(宾夕法尼亚大学)、CoreNLP(斯坦福大学)、HaNLP(中国哈工大)、FastNLP(中国复旦大学)


四、深度学习

1、深度学习:Tensorflow/Koras(Google)、Coffe/Pytorch(Facebook)、微软CNTK/DMTK、AWS的MXNet、百度的PaddlePaddle。Salesforce还针对Tensorflow出了一套简化封装的流水线TransmogrifAI

2、增强学习:Dopamine(Google)


五、机器学习/数据挖掘

1、算法库:Spark MLlib、Numpy、Pandas


(4)鸿沟


最早我们写应用,是UI、逻辑、数据一体化,如DBaseIII。


后来出现了大型关系数据库,我们才有了C/S结构,数据和应用分离。这是VB、PB、Delphi的辉煌时期。


后来又有了组件、容器中间件,所以我们才有了三层结构:UI层、业务逻辑层、数据层三者物理分离,而且三个层使用的技术也都不一样。尤其是出现了多端的时候,万金油程序员终于顶不住了,开始分离出专门的前端程序员(Web/移动App/小程序)。在数据层也是对象存储、SQL、NOSQL、数据仓库、大数据计算平台各种技术组合,就出现了数据层的专门程序员。反而业务逻辑层的技术变化并不大,编程语言也基本就是JAVA了。


但人工智能的出现,让业务逻辑层开始发生翻天覆地变化。如何让新技术从研究到研发逐环节培育转移?如何让新技术从原型到创新香港马会开奖现场到核心香港马会开奖现场逐层吸收应用?


对于前沿技术,最佳的研发组织分工应该是:

1、战略合作:云计算厂商合作、开源社区界合作、学术界合作。从云计算厂商来看,微软Azure很牛,开源社区Google很牛,学术界看了看香港很牛,港大、香港理工大、香港科技大、香港中文大学、香港城市大学都是榜上有名的。看来布局大湾区很有必要。


2、科学家研究实验室:战略合作、论文阅读理解、技术平台选择、原型算法原型模型原型应用快速突破验证


3、技术平台研发中心:人工智能技术平台正式研发、与科学家研究实验室合作开发技术算法模型、对人工智能应用平台暴露简化后的API


4、应用平台研发中心:开发人工智能应用平台、与应用雅畈中心合作开发应用算法模型、通过Open API平台对外暴露简化后的API


5、应用研发中心:微调节应用模型、调用Open API平台的一个API就直接应用了人工智能能力


6、大客户定制研发中心:微调节应用模型


最佳的研发流程应该是:

第一步:科学家研究实验室(特种部队尖刀连):搭建快而脏的原型,快速技术+应用验证应用价值场景、技术使用性和技术成熟度,然后把成果转移给创新香港马会开奖现场研发中心


第二步:创新香港马会开奖现场研发中心:创新香港马会开奖现场研发中心接到成果,当做最佳实践案例进行香港马会开奖现场分析,然后对新技术模块、新香港马会开奖现场模块,按照香港马会开奖现场管理流程与质量保证进行正式的微服务化设计(如可扩展、可定制、高性能、高可用、可实施、可运维)


第三步:核心香港马会开奖现场研发中心:在创新香港马会开奖现场商业推广一年后,核心香港马会开奖现场研发中心对核心香港马会开奖现场进行新技术的吸收与利用,升级核心香港马会开奖现场


版权声明:

凡本网内容请注明来源:水果奶奶主论坛(https://www.xinyingkj.com)”的所有原创作品,版权均属于易信视界(北京)管理咨询有限公司所有,未经本网书面授权,不得转载、摘编或以其它方式使用上述作品。

本网书面授权使用作品的,应在授权范围内使用,并按双方协议注明作品来源。违反上述声明者,易信视界(北京)管理咨询有限公司将追究其相关法律责任。

评论