36氪
當“AI+”的趨勢無可迴避，企業領導者們需要比過往更認真地思考，如何適應全新的AI時代和其所代表的未來發展趨勢。
頭圖來源 | 視覺中國
當AI成為基礎設施
眼下，已經沒有企業的領導者會將AI排除在企業未來長期的發展規劃之外。
要求快速接納創新技術的壓力一方面來自於企業運營邏輯的根本變化，在數據重要性顯著提升的當下，數據可收集、可尋址與可分析的現狀讓企業的所有部門都成為了效率部門，揹負在各大部門上的ROI壓力使它們必須密切關注人工智能技術的發展；另一方面，在經過數十年的穩健發展後，人工智能已經從實驗室走向大部分的商業實務場景，落地決策場景帶來的顯著效率提升，也讓企業高層們難以迴避“AI+”的趨勢。當然，除了這些核心因素之外，政府、新聞媒體與社會輿論對人工智能的追捧也成為了這一進程的催化劑。
AI成為了引導整個社會正常運行的基礎設施，這句話可能是形容當前情況的合適註腳。但是，人工智能近年來的快速發展也讓企業不能只限於喊喊口號這麼簡單，讓人工智能真正賦能公司的全鏈實際上關乎著企業的未來想象空間。
對於任何一家企業而言，要想實現“AI+”的遠景大概能夠分出四個步驟：基礎、數據、開發與部署。首先，在基礎層面要確保企業的整體文化足以接納AI的技術演進理念，並在人才團隊組建等方面為後續技術的發展提供支持；其次，對於數據這一信息時代的石油來說，它的獲取、存儲、處理和管理成為公司眼前亟需解決的問題；隨後，基於數據的建模與算法開發能力決定了人工智能對公司未來助益的大小；最後，對算力、算法與數據進行合理且高效地部署，將與公司的長遠發展密切相關。
簡單來說，現實境況迫使著企業必須邁入AI旅程，但這個過程註定不會輕鬆。事實上，如果我們回望歷史，就會發現幾次工業革命在讓一些公司脫穎而出的同時、也令其他公司黯然退出商業舞臺。這中間的決定因素首先在於企業的領導者是否提前感知到變化即將發生，其次在於他們是否能夠採取正確的步驟開啟企業的變革之路。
從基礎到數據，夯實基礎
越來越多的觀察者們開始發現，雖然AI對整個社會的重要性愈益提升，但它在不同行業中的發展進程卻不同頻。例如互聯網金融、廣告營銷等行業中的人工智能技術應用就已成熟，而這源於這些領域為AI提供了厚實的基礎，譬如潛藏著大量的商業利益、規模十分龐大的數據量以及能夠實現的即時結果反饋。
對於企業高管來說，在部署AI技術之前，首先需要考慮的問題就是“基礎”二字，其主要體現在兩個層面：第一，我是否在企業文化和架構上做好了應對AI時代的準備；第二，我是否為AI時代的到來貯備了豐富的“燃料”。
企業在作為商業組織之前，首先它是一個“組織”，組織本身就意味著一群人要在同一目標的感召下具有凝聚力地完成目標。因此，在發展人工智能技術之前首先確保獲得每個人的支持對於取得長遠成功至關重要，而在企業內部培養數據驅動型文化成為了獲得支持的有力手段。
當企業內部明確目標並在此基礎上構建起合適的方法之後，數據這個“燃料”就顯得至關重要。在數據獲取階段，針對不同的場景搭配不同的解決方案成為常態，例如對於需要分佈式計算與內存的場景（如網絡安全監控）就需要低功耗、高性能的方案，這時輕型英特爾銳炬顯卡就能夠滿足所需；而在數據量不斷增長的情況下，出色的可擴展性就成為就成為企業的需求，選擇至強可擴展處理器和傲騰數據中心級固態盤就相對明智。
在隨後的數據準備、分析和行動階段，類似這樣根據場景的差異性選擇不同解決方案，同樣應該成為企業高層採取行動的標準。比如在數據分析上，英特爾的數據平面開發套件能夠幫助企業加速數據包的處理，OpenVINO可以助益人眼視覺的應用，數學核心函數庫（MKL）則能針對未來的英特爾處理器事半功倍地優化代碼。相較於其他的技術解決方案供應商，Intel多年深耕AI+商業落地場景所積累的經驗，幫助其擁有更多的技術儲備實力，從而能夠更好地解決企業AI轉型的問題。
當面對場景豐富、規模不小的技術工具時，企業“選購”和搭配組合更具針對性的解決方案成為必需。
以中通快遞為例，不計其數的包裹、22000個服務網點和68個分揀中心都將產生大量數據，規劃合適的物流路線勢必需要存儲和調取量級龐大的數據。這時，第二代英特爾至強可擴展處理器和英特爾傲騰數據中心級持久內存成為了中通的選擇。對於中通而言，選擇一個更加可靠的合作伙伴顯然至關重要，畢竟當AI技術日益重要，企業對其的投資即是長期投資。如果無法確保穩定的合作關係和技術支撐，那對處於轉型期的企業而言無疑意味著風險。在這一解決方案的加持下，中通建立起了足以應對複雜情況的高度敏捷且響應迅速的技術基礎設施。
從開發到部署，提升實力
在擁有良好的企業文化和流暢的數據流通管道之後，建模與算法則決定了後續AI是否能夠幫助企業切實解決實際的商業問題。
對於尋求在現有基礎設施上開發全棧分析或深度學習解決方案的數據科學家，英特爾提供了大量優化後的框架、工具與服務來協助他們簡化開發流程，並且更快滿足有關性能和準確度的要求。其中就包括了前述OpenVINO、數學核心函數庫以及TensorFlow開源深度學習框架等，這些工具的提供幫助企業節省了從頭開始研發AI技術所必需付出的團隊建設成本和時間消耗，讓企業有條件快速實現向“AI+”的轉型。
而在最後，企業還不得不考慮有關部署的問題，這個問題尤其在5G時代來臨的情況下將變得更為關鍵。5G所具有的高傳輸速率和低時延特點，將讓物聯網（IoT）時代真正到來，部分聯網的邊緣設備將面臨著分佈式數據存儲與分析的需求。這時，通過怎樣的部署形式使得人工智能所帶來的效率提升最大化，便成為企業與英特爾這樣的技術供應商協力合作的領域。
例如如果計劃在邊緣運行人工智能來分析視頻素材，這時就需要優先考慮低延遲、高性能計算和專為邊緣提供支持的大容量持久內存；另外，如果在雲中訓練算法，而後在本地運行迭代，這時也需要配置兼容的環境讓必要的程序在平臺間實現無縫切換。
總而言之，伴隨著本地、私有云和公有云中的數據庫和應用激增，企業在擁有更多選擇的同時，也要對自身最終的選擇小心翼翼。選擇怎樣的硬件和軟件解決方案，直接關乎著AI技術在不同場景下的延展與持續應用的能力。
事實上，當人工智能技術的發展不斷深化，這時企業轉型“AI+”時就需要考慮更多的實務操作問題。其中不僅包括如何構建合理的數據驅動型文化加速變革，也涵蓋強大技術基礎設施的配合與支撐。
在這一進程中，英特爾既在軟件層面上推出了以Analytics Zoo等為代表的軟件工具，也提供了類似第二代至強可擴展處理器這樣的硬件設備——據估算，藉助英特爾的深度學習加速技術，人工智能的推理速度可提高至30倍之多。考慮到人工智能長期持續的自我學習能力，眼下推理速度上呈現的30倍提升，對於企業未來的AI轉型意義重大。藉助英特爾在AI技術上的持續精進，企業便能有能力始終站在技術和業務發展的前沿。
換言之，當“AI+”的趨勢無可迴避，企業領導者們需要比過往更認真地思考，如何適應全新的AI時代和其所代表的未來發展趨勢。這時，英特爾提供的多樣化解決方案或許就成為了幫助企業迅速完成轉型的利器之一。
閱讀更多 AI工信科創 的文章
