阿里云贾扬清：如何三步实现AI工程化

“通过数据和算力的云原生化，调度和分布式编程范式的规模化，上层算法开发和服务标准化和普适化建设，三步实现AI工程化。”10月21日，阿里巴巴副总裁，阿里云计算平台事业部高级研究员，达摩院 AI 平台负责人贾扬清在云栖大会AI工程化技术峰会现场表示，随着数据的爆发，单位数据价值降低，人工智能在持续探索如何用更高效的办法，辅助开发者进行大规模计算和数据管理，企业需要用好AI工程化能力，提升开发和经营效率。

在感知智能向决策智能发展的今天，大模型成为趋势，AI开发平台的普惠性兼容性、数据标注的智能化、模型优化，成为AI工程化开发的核心能力。2021杭州云栖大会的AI工程化技术峰会汇集了AI业内大咖，阿里巴巴AI技术专家联手合作伙伴，共同分享AI工程化趋势、AI工程化平台架构、智能标注及自动编译技术、行业领头羊企业实战方案等热门话题。

人工智能得到了爆发式的发展，算法以及背后的工程体系更加的收拢，深度学习应用开发的门槛进一步下降，算法结构创新不那么高不可攀，同时，大规模预训练模型以及从大模型进行场景化蒸馏，进而产生垂直场景的AI应用。那么，如何能够将AI的工程化做到更大普惠化，AI工程如何能够有效支撑超大规模预训练，成为人工智能研发的关键，也成为AI工程化支撑企业使用AI技术的关键。

阿里云机器学习平台PAI，面向企业客户及开发者，提供轻量化、高性价比的云原生机器学习平台，涵盖PAI-Studio可视化建模、PAI-DSW交互式建模、PAI-DLC分布式训练AI基础平台，以及PAI-EAS弹性推理平台，实现从模型构建、训练到在线部署的全流程，全面提升企业AI工程效率。经过多年沉淀，PAI平台提供成熟的行业解决方案，已经在智能推荐、用户增长、端侧超分、自动驾驶等众多场景成熟商用，成为众多企业的优选服务。

未来，大规模预训练模型+小样本蒸馏的模型开发流程将成为主流。阿里巴巴会持续进行AI工程化建设。由系统来优化如何高效、低成本来执行模型训练和推理，帮助企业实现高效的数智化转型。