企业数字化转型进入深水区，需要供给侧进一步升级其产品与服务。如果说前几年各云计算厂商的核心是“云”，那么进入2021年，“数”+“智”就成为各家云厂商产品与服务的“主力军”。近日，阿里巴巴副总裁、阿里云计算平台负责人贾扬清在媒体沟通会上表示：“要想真正把数据用起来，需要‘大数据’+‘AI工程化’。”
大数据大家并不陌生，各厂商已经推动数年，而“AI工程化”则是新趋势。去年年底，Gartner将“AI工程化”列为2021年度九大重要战略科技趋势之一。Gartner认为，目前只有53%的项目能够把AI技术转化为生产力。由于缺乏创建和管理生产人工智能管道的工具，AI项目的扩展难度很大。为了将AI转化为生产力，就必须转向人工智能工程化这门专注于各种人工智能操作化和决策模型治理与生命周期管理的学科。
推进AI工程化，目前不同厂商有不同的理解和不同的路径。贾扬清认为，“AI工程化”从供给角度看，它是数据和算力的云原生化;从核心技术角度看，它是调度和编程范式的规模化;从需求或者出口的角度看，它是开发和服务的标准化普惠化。
为此，阿里云机器学习平台PAI构建了灵活、易用和功能丰富的机器学习全栈产品：PAI-Studio(可视化建模平台)、PAI-DSW(云原生交互式建模平台)、PAI-DLC(云原生AI基础平台)、PAI-EAS(云原生弹性推理服务平台)。
对企业来说，工程化已经超越算法，成为AI落地的更大瓶颈。日前，阿里巴巴与清华大学合作发布了超大规模中文多模态预训练千亿参数模型M6。该模型的数据集包含超过1.9TB图像和292GB文本，参数规模达到1000亿，可完成产品描述生成、视觉问答、问答、中国诗歌生成等跨模态任务。目前，M6已经用于业务场景里。“我们希望将M6的场景化服务能力开放给所有企业。”贾扬清表示。
要把AI转化为生产力，不仅要懂AI更要懂行业。阿里云机器学习平台PAI以电商、金融、游戏、直播等业务为起点，在智能推荐、用户增长、金融风控、音视频文本等多模态场景积累了丰富的实战经验，沉淀了大量成熟算法、框架及工程化组件等“原子能力”，帮助开发者及企业客户更快地孵化和构建新场景业务。
“大数据和AI密不可分，结合在一起，更能帮助企业在数字时代从容应对不确定性。”贾扬清表示。从大数据的维度看，经过近20年的发展，大数据已从早期的数据挖掘进化为承载数据分析、数据管理、数据协同功能的综合治理平台。
