国际权威数据机构发布2022亚太AI报告，百度成唯一入围中国企业

来源：@首席数智官（ID：shouxishuzhiguan）

百度AI又取得了新成绩。

近日，国际权威数据机构IDC发布《2022年亚太地区（不包括日本）人工智能生命周期软件工具和平台供应商》评估报告。报告显示，百度凭借领先的AI中台和AI开发“双平台”，成为报告中唯一入选的中国科技企业。

这并非百度首次入选IDC报告。事实上，百度在国内AI市场一直处于领先位置。

在今年6月22日IDC发布的《2021H2中国 AI 云服务市场研究报告》中，百度已连续6次拿到中国 AI 公有云服务市场份额第一。而从市场总体来看，2021下半年，中国 AI 公有云服务市场规模已达26.02亿元，其中百度智能云作为中国 AI 云服务厂商在整体 AI 软件及应用市场中位列前四。

回溯百度近几季度财报，百度在AI智能领域的持续投入，为百度带来了稳定的营收增长。尽管外部经济压力以及疫情冲击的影响仍未消散，但百度智能云的营收却保持着相对客观的增长态势。根据11月22日百度发布的财报显示，今年前三季度，百度智能云营收分别为39亿元、43亿元、45亿元，增速同比去年分别增长了45%、31%、24%，增速高于行业平均水平，并且推动百度核心非广告收入同比增长25%。

值得一提的是，今年9月，百度智能云发布了“云智一体，深入产业”全新战略。百度集团执行副总裁、百度智能云事业群总裁沈抖表示，百度躬身入局，从水电能、制造、政务、交通、金融这些重点行业切人，聚焦生产经营的核心场景，通过把AI技术与云技术深度融合，帮助客户打造面向未来的竞争优势。

也就是说，在集中发力智能化的战略下，百度AI正在越发从技术走向产业，也带领百度集团稳步增长。

企业智能化加速，AI全生命周期能力是关键

当前，智能化已经深入到各个行业。但在实际的智能化的过程当中，企业依然面临来自多方面的问题和挑战。

一方面，AI开发是复合型的系统工程，需要大量精通AI、理解技术与业务的复合型人才，不断在业务中发现与技术结合的创新点；

另一方面，从组织架构层面来看，目前大多数企业并没有形成统一的IT架构与系统平台，非常容易出现重复建设，这无疑会摊薄智能化升级所产生的收益，最终导致难以形成增长势能。

IDC发布的《2022年亚太地区（不包括日本）人工智能生命周期软件工具和平台供应商》报告显示，在亚太地区企业数智化升级过程中，超过60%的项目都需要每周重新训练模型。

对于企业数字化升级而言，全生命周期的AI开发能力至关重要，它代表着企业智能化建设的能力进程。而“AI生命周期软件工具”则包含支持端到端AI模型开发所需的包括数据准备、模型构建与训练、模型操作评估与部署等各类软件工具。

从能力和策略两个维度综合考量，百度成为IDC报告中唯一入局的中国科技企业。

面对企业对端到端模型开发、全生命周期管理产品需求的爆发增长，百度智能云提供了多层次、全流程的产品能力支撑。

针对数据采集与标注、模型开发与训练、模型管理、推理部署以及与业务场景匹配的应用构建等一系列AI生命周期环节提供支持，助力企业更高效、更快速掌握AI能力研发、应用与运营能力。

报告中高度认可的百度智能云全功能AI开发平台BML和零门槛AI开发平台EasyDL双平台，便是用于数据准备、模型训练、开发、评估、部署、MLOps及可信性的端到端集成平台，能够满足专业算法工程师、业务人员和应用开发者等不同群体的开发需求，让企业低门槛地获得AI全生命周期能力，实现基于业务的快速创新。

IDC表示，BML和EasyDL广泛适用于寻求从边缘到云的变革性创新企业以及对模型可信度要求高的企业。

百度智能云AI开发“双平台”集成了自主研发的产业级深度学习框架飞桨和产业级知识增强大模型文心，贯通AI产业链。依托飞桨繁荣开源生态，BML和EasyDL不断为开发者提供高精度模型效果和高效能的产品体验。

最新数据显示，飞桨已经凝聚535万开发者，创建67万个模型，涵盖超过600个产业模型库。同时，不断进化和拥抱行业的文心知识增强大模型，也能够有效提升企业场景化AI模型开发的效率和效果，提升企业应用AI的效率和效益。

突破难点，百度智能云加速产业智能化落地

尽管AI早已被认为是企业提升效率效益的有效手段，不过，在AI落地的过程中，也存在着一定的挑战。百度AI中台产品架构师靳伟日前在接受媒体采访时表示，对于智能化企业而言，最大的困难来自于企业内部可供智能化计算的数据积累不足。

“巧妇难为无米之炊。有的企业没有任何数据积累，有的企业数据受限于安全要求无法进行提取计算。这是目前AI落地企业比较大的难点。”靳伟表示。

另一大难点在于企业对ROI的评估。

企业投入资源进行智能化建设，自然期待其能够为企业业务带来可期的收益。但实际上如何评估AI带来的效果，是目前AI商业化普遍存在的难题。

事实上，在实际业务开展的过程中，除了AI计算模型之外，包括与客户直接触达的前端网站、各类营销内容、甚至渠道客服等等一系列环节，都有可能对最终的业务指标产生影响。

“A/B测试确实可以解决一部分问题，但业务全流程的A/B测试对于很多企业来说都并不现实，所以如何更好衡量AI所带来的效果，恐怕也是现阶段影响企业智能化进程的原因，需要假以时日也许能够更好解决。”

即便企业智能化尚存一些难点与挑战，但依然有不少产业正在尝试通过AI来进行产业转型升级。

依托百度十余年AI技术与能力的积累，百度智能云正在为金融、能源、制造、互联网、航空、物流等多个领域输送AI全生命周期能力。

以此前获得IDC FIIA 2022“亚洲最佳风险管理”大奖的“邮储大脑暨风险模型实验室”项目为例，依托百度智能云AI中台解决方案，中国邮储银行构建了国内大型商业银行中首个落地的全行范围统一机器学习平台，使得相同模型训练更新周期从月级缩短至小时级，图像模型部署扩容从天级缩短至秒级，极大提升了AI技术应用的效率。

而在能源领域，国网福建通过引入百度智能云AI中台后，构建了人工智能电力关键业务数据的全链条智能处理能力；山东枣庄电网基于百度智能云打造了时序建模引擎的高精度母线负荷预测系统，已经覆盖枣庄电网34条母线，预测准确率超98%，保障电力安全的同时提高了工作运行效率。

航空领域，随着机场人脸通行、智慧航显人脸识别、贵宾厅寻人、车辆管理、行李防暴力运输、机务维修质检等智能化应用在航空领域的广泛落地，建立统一的算法管理中心至关重要。

百度智能云AI中台助力某航空公司，搭建了算法实验平台与算法管理中心，一方面，为算法和业务人员提供丰富的建模工具和快速易用的研发环境；另一方面，实现AI资产共享与跨团队复用，并将AI能力标准化使用与运维，训练与服务资源也实现统一管控，按需调度，不仅减少了重复建设，也加快了创新智能应用与服务的上线速度，提升旅客的智能化体验。

by@首席数智官（ID：shouxishuzhiguan）