天雲大資料雷濤: 掘金萬億AI 市場,AI PaaS 平臺重構商業實踐
所有複雜的、難以抽象的商業規則和場景,將它們數字化以後,複雜問題反而可以被清晰地界定和量化,演算法可以對商業實踐做替代,這個過程,即AI PaaS平臺可以成為產業升級、數字化轉型的基石。
編輯/溫瑞連
據預測,到2020年我國人工智慧及其相關產業市場規模將達到萬億級,其中有8500億份額來自服務端。隨著各行業海量、高速、多樣、大密度資料的爆發,資料的複雜性要求AI技術服務端具有平臺能力的企業,重新定義、使用和包裝演算法,將演算法和資料與場景有效地結合,解決多樣化場景問題,AI PaaS平臺應運而生。
天雲大資料自2013年成立以來持續深耕銀行業,成為國內唯一能夠同時提供分散式計算平臺產品和AI平臺基礎設施的科技廠商,並擁有博士後工作站和國家級高新企業稱號。為解決國內AI技術商業實踐痛點,天雲大資料提出:“讓企業獲取機器智慧像讀書一樣簡單。”天雲CEO雷濤認為,所有複雜的、難以抽象的商業規則和場景,將它們數字化以後,複雜問題反而可以被清晰地界定和量化,演算法可以對商業實踐做替代,這個過程,即AI PaaS平臺可以成為產業升級、數字化轉型的基石。
降低機器學習門檻 AI 智慧化、PaaS 化成趨勢
一直以來,專家經驗在機器學習建模過程中起著重要作用,超高的人才生產成本,也導致了企業應用機器學習建模昂貴、困難。
目前,天雲的大資料平臺BDP,配合由複雜網路引擎Hilbert與HTAP資料庫Hubble形成的資料中臺,能夠實現對企業海量資料高效、統一的管理,實現資料標識融合、多源資料融合和多業務流程融合;PaaS化AI平臺Maxim AI已實現從特徵工程的自動化流水線,到訓練模型的自動化機器學習,再到推理端基於容器的模型一鍵釋出。HTAP資料中臺與AI PaaS平臺無縫對接,全線產品支援規模化與智慧化處理資料服務,現已成功落地在金融、能源、招聘、營銷、政府、醫療、物流等領域。
據瞭解,自2015年起,天雲開始將大資料技術同人工智慧技術結合,針對金融業務場景,基於BDP平臺和Maxim AI平臺對海量資料探勘,先後訓練出多個模型並部署落地,為金融機構在優化風險控制、智慧客服和智慧營銷、金融監管等方面提供解決方案。
實踐資料顯示,利用天雲大資料自動化機器學習演算法獲得的模型,與原本需要資料科學家手動建模調參,持續不斷優化2-3天獲得的模型效能相仿,但自動化機器學習只需在空閒時間執行,基本不佔用人員時間。可見,MaximAI使得企業進行機器學習建模更加容易,成本可大大降低。
天雲PaaS化AI平臺Maxim AI,使得傳統上由資料科學家在實驗室完成的工作,也可以由普通開發者、業務人員藉助工具完成,降低了AI使用的門檻,在弱人工智慧時代實現了高效率、低成本的批量化模型生產,解決了AI人才成本高昂、高度依賴科學家等業界難題,讓企業獲取機器智慧像讀書一樣簡單。
演算法重構商業實踐,AI模型跨行業賦能不同於更多基於規則、流程的商業決策,演算法的商業形態模式可以打通、重構各行業的 商業實踐。
相比傳統的離線、抽樣、統計為主的資料探勘平臺,天雲大資料的AI平臺Maxim AI可以處理線上、全量、實時的資料,更高效地利用資料科學工具解決業務問題。
·在金融領域,天雲大資料融合銀行內部的資料,建立資料探勘系統,引入地域關係、推薦關係等拓展建立申請人社交關係的複雜網路,利用分散式大資料技術與機器學習,全量、線上分析資料,建立信用卡申卡欺詐分析預警新模式,極大提高了申卡欺詐團伙犯罪預警的準確率。
·在能源領域,天雲大資料利用演算法抽象出石油管道洩漏的風險,面對沒有圖紙、只有單表的油氣管道,無法實現壓力差的複雜現實場景,實現了從靜態地質圖,到動態感測器資料智慧採油,大大降低石油企業運營成本。
·在醫藥領域,天雲人工智慧MaximAI平臺,基於藥物靶點蛋白資料研究對藥物適應症的作用進行關係演示,將具有高維特徵的資料
進行降維處理,利用隨機分佈森林演算法對資料進行機器學習建模,結果區分度較高,同時使用複雜網路全景展現了之前只能兩兩展示的多維資料,演示資料表明人工智慧應用於藥物適應症和副作用預測前景廣闊。
2018年上半年,天雲大資料完成由曦域資本、華映資本領投的1億元人民幣的B輪融資。目前,其AI賦能平臺已經顯現出巨大的商業價值。雷濤表示,現在金融方面的體量已經開始增長,未來醫藥、能源方面也在發力,隨著更多應用場景的使用,將迎來持續的紅利期。