國際權威數據機構發布2022亞太AI報告，百度成唯一入圍中國企業

來源：@首席數智官（ID：shouxishuzhiguan）

百度AI又取得了新成績。

近日，國際權威數據機構IDC發布《2022年亞太地區（不包括日本）人工智能生命周期軟件工具和平臺供應商》評估報告。報告顯示，百度憑借領先的AI中臺和AI開發“雙平臺”，成為報告中唯一入選的中國科技企業。

這并非百度首次入選IDC報告。事實上，百度在國內AI市場一直處于領先位置。

在今年6月22日IDC發布的《2021H2中國 AI 云服務市場研究報告》中，百度已連續6次拿到中國 AI 公有云服務市場份額第一。而從市場總體來看，2021下半年，中國 AI 公有云服務市場規模已達26.02億元，其中百度智能云作為中國 AI 云服務廠商在整體 AI 軟件及應用市場中位列前四。

回溯百度近幾季度財報，百度在AI智能領域的持續投入，為百度帶來了穩定的營收增長。盡管外部經濟壓力以及疫情沖擊的影響仍未消散，但百度智能云的營收卻保持著相對客觀的增長態勢。根據11月22日百度發布的財報顯示，今年前三季度，百度智能云營收分別為39億元、43億元、45億元，增速同比去年分別增長了45%、31%、24%，增速高于行業平均水平，并且推動百度核心非廣告收入同比增長25%。

值得一提的是，今年9月，百度智能云發布了“云智一體，深入產業”全新戰略。百度集團執行副總裁、百度智能云事業群總裁沈抖表示，百度躬身入局，從水電能、制造、政務、交通、金融這些重點行業切人，聚焦生產經營的核心場景，通過把AI技術與云技術深度融合，幫助客戶打造面向未來的競爭優勢。

也就是說，在集中發力智能化的戰略下，百度AI正在越發從技術走向產業，也帶領百度集團穩步增長。

企業智能化加速，AI全生命周期能力是關鍵

當前，智能化已經深入到各個行業。但在實際的智能化的過程當中，企業依然面臨來自多方面的問題和挑戰。

一方面，AI開發是復合型的系統工程，需要大量精通AI、理解技術與業務的復合型人才，不斷在業務中發現與技術結合的創新點；

另一方面，從組織架構層面來看，目前大多數企業并沒有形成統一的IT架構與系統平臺，非常容易出現重復建設，這無疑會攤薄智能化升級所產生的收益，最終導致難以形成增長勢能。

IDC發布的《2022年亞太地區（不包括日本）人工智能生命周期軟件工具和平臺供應商》報告顯示，在亞太地區企業數智化升級過程中，超過60%的項目都需要每周重新訓練模型。

對于企業數字化升級而言，全生命周期的AI開發能力至關重要，它代表著企業智能化建設的能力進程。而“AI生命周期軟件工具”則包含支持端到端AI模型開發所需的包括數據準備、模型構建與訓練、模型操作評估與部署等各類軟件工具。

從能力和策略兩個維度綜合考量，百度成為IDC報告中唯一入局的中國科技企業。

面對企業對端到端模型開發、全生命周期管理產品需求的爆發增長，百度智能云提供了多層次、全流程的產品能力支撐。

針對數據采集與標注、模型開發與訓練、模型管理、推理部署以及與業務場景匹配的應用構建等一系列AI生命周期環節提供支持，助力企業更高效、更快速掌握AI能力研發、應用與運營能力。

報告中高度認可的百度智能云全功能AI開發平臺BML和零門檻AI開發平臺EasyDL雙平臺，便是用于數據準備、模型訓練、開發、評估、部署、MLOps及可信性的端到端集成平臺，能夠滿足專業算法工程師、業務人員和應用開發者等不同群體的開發需求，讓企業低門檻地獲得AI全生命周期能力，實現基于業務的快速創新。

IDC表示，BML和EasyDL廣泛適用于尋求從邊緣到云的變革性創新企業以及對模型可信度要求高的企業。

百度智能云AI開發“雙平臺”集成了自主研發的產業級深度學習框架飛槳和產業級知識增強大模型文心，貫通AI產業鏈。依托飛槳繁榮開源生態，BML和EasyDL不斷為開發者提供高精度模型效果和高效能的產品體驗。

最新數據顯示，飛槳已經凝聚535萬開發者，創建67萬個模型，涵蓋超過600個產業模型庫。同時，不斷進化和擁抱行業的文心知識增強大模型，也能夠有效提升企業場景化AI模型開發的效率和效果，提升企業應用AI的效率和效益。

突破難點，百度智能云加速產業智能化落地

盡管AI早已被認為是企業提升效率效益的有效手段，不過，在AI落地的過程中，也存在著一定的挑戰。百度AI中臺產品架構師靳偉日前在接受媒體采訪時表示，對于智能化企業而言，最大的困難來自于企業內部可供智能化計算的數據積累不足。

“巧婦難為無米之炊。有的企業沒有任何數據積累，有的企業數據受限于安全要求無法進行提取計算。這是目前AI落地企業比較大的難點。”靳偉表示。

另一大難點在于企業對ROI的評估。

企業投入資源進行智能化建設，自然期待其能夠為企業業務帶來可期的收益。但實際上如何評估AI帶來的效果，是目前AI商業化普遍存在的難題。

事實上，在實際業務開展的過程中，除了AI計算模型之外，包括與客戶直接觸達的前端網站、各類營銷內容、甚至渠道客服等等一系列環節，都有可能對最終的業務指標產生影響。

“A/B測試確實可以解決一部分問題，但業務全流程的A/B測試對于很多企業來說都并不現實，所以如何更好衡量AI所帶來的效果，恐怕也是現階段影響企業智能化進程的原因，需要假以時日也許能夠更好解決。”

即便企業智能化尚存一些難點與挑戰，但依然有不少產業正在嘗試通過AI來進行產業轉型升級。

依托百度十余年AI技術與能力的積累，百度智能云正在為金融、能源、制造、互聯網、航空、物流等多個領域輸送AI全生命周期能力。

以此前獲得IDC FIIA 2022“亞洲最佳風險管理”大獎的“郵儲大腦暨風險模型實驗室”項目為例，依托百度智能云AI中臺解決方案，中國郵儲銀行構建了國內大型商業銀行中首個落地的全行范圍統一機器學習平臺，使得相同模型訓練更新周期從月級縮短至小時級，圖像模型部署擴容從天級縮短至秒級，極大提升了AI技術應用的效率。

而在能源領域，國網福建通過引入百度智能云AI中臺后，構建了人工智能電力關鍵業務數據的全鏈條智能處理能力；山東棗莊電網基于百度智能云打造了時序建模引擎的高精度母線負荷預測系統，已經覆蓋棗莊電網34條母線，預測準確率超98%，保障電力安全的同時提高了工作運行效率。

航空領域，隨著機場人臉通行、智慧航顯人臉識別、貴賓廳尋人、車輛管理、行李防暴力運輸、機務維修質檢等智能化應用在航空領域的廣泛落地，建立統一的算法管理中心至關重要。

百度智能云AI中臺助力某航空公司，搭建了算法實驗平臺與算法管理中心，一方面，為算法和業務人員提供豐富的建模工具和快速易用的研發環境；另一方面，實現AI資產共享與跨團隊復用，并將AI能力標準化使用與運維，訓練與服務資源也實現統一管控，按需調度，不僅減少了重復建設，也加快了創新智能應用與服務的上線速度，提升旅客的智能化體驗。

by@首席數智官（ID：shouxishuzhiguan）