前几天, 华为与新智元主办了 "华为 HiAI 能力开放公开课", 很多我们的读者都关注了这次课程. 于是不少读者留言或者在问答类平台邀请我们来回答, 如何看待和理解这次课程. 也有读者本身就是移动应用的开发者或者从业者, 来询问我们到底如何将 HiAI 平台带来的 AI 开发能力与自身业务相结合, 以及想要走这条 "移动 AI 之路", 要注意哪些地方.
仔细想想, 这确实是一次从各方面详细解释了 HiAI 架构与华为提出的移动 AI 战略的 "干货分享", 感兴趣的读者不妨找来看看. 但毕竟这是一次偏重 AI 平台与技术能力的分享, 很多移动应用开发者可能对这个领域还比较陌生, 所以我们今天来专门回答一些读者的提问.
我所接触到的很大部分移动应用开发者, 其实目前还处在听说了 AI 很好, 但对于到底如何进入 AI, 如何快速完成商业化, 以及到底选择如何与平台发生连接, 还是有些模糊.
所以我们希望用最直白的方式, 从一个不懂算法的开发者的视角 (中国大部分移动开发者都是如此), 来审视一下 HiAI 架构到底带给了开发者哪些东西. 在面对 AI 的时候, 开发者又应该如何思考, 如何来完成自己 APP 的快速 AI 化.
从移动时代跳到 AI 时代, 不能听别人怎么说, 仅仅跟着风口起舞. 更重要的, 是开发者要知道 "我" 到底想要什么.
"我要小风险尝试"
假如我们是移动应用开发者, 听说了 AI 可以给自己的 APP 实现各种功能, 加持各种炫酷的玩法, 我们的第一反应会是什么? 其实最理性的反应一定是一句话: 我能玩得起吗?
这并非杞人忧天, 就在刚刚, AI 大神 Yann Lecun 发了条推特, 意思是 AI 泡沫会快速破裂, 最核心的原因在于, 很多目标定在月亮那么高的 AI 企业, 钱已经快花完了....
大概世界上最大的悲剧莫过于此: AI 还没搞出来, 钱搞没了....
其实在 HiAI 架构和麒麟 970 芯片到来之前, 中国的移动应用开发者如果想尝试 AI, 基本的套路是购买云服务商的 AI 相关算力与服务, 这个是按流量计费的, 用户越多成本越高, 并且很多测试部署都会产生成本. 而更可怕的其实是开发者必须从头收集海量的训练用数据, 以及模型训练的巨大工作量和训练难度.
显然小开发者, 创业团队是很难承受从头开发 AI 应用的时间, 技术和费用成本的, 中大型移动应用团队则无法承受价值不确定性和战略压榨.
所以说, 假如我是移动开发者, 想要尝试 AI 化, 但又对未来没有百分百把握, 那么我最需要的是什么呢?
答案是, 小成本快速进场尝试的机会.
HiAI 架构目前之所以具有唯一性和领先于行业的想象力, 是因为端侧开放的 AI 运算能力在行业内仅此一家. 换言之, 开发者就避免了使用云服务进行 AI 开发的高额成本. 基于麒麟 970 芯片中 NPU 的专项处理能力, 开发者即可以享受高于 GPU 十倍的 AI 算力, 又可以规避掉超高的成本压力.
而连接了 HiAI 架构之后, 整个华为的移动 AI 生态, 提供给开发者的是相对完善的五大引擎和全套接口, 也就让开发者有了可以针对性实现 AI 能力达成的平台, 避免了自己收集数据, 从头训练这个过程的技术难度和大量时间与金钱成本.
从开发者的价值选取中看, 麒麟 970 和 HiAI 架构的出现, 是通过端侧计算这个相对更合理的算力支撑方式, 给开发者提供了平台支持, 解决了硬件瓶颈. 而全面开放的平台策略解决方案输出, 则让开发者省去了一切从头来的尴尬, 可以专注于移动场景, 专注于手机上的 AI 体验.
综合来看, 小风险, 低门槛, 有较强生态整合度的 HiAI 体系被搭建出后, 应用开发者就可以基于平台能力去开发创新性的 AI 应用. 而不是从头做起, 面对未知进行高成本长时间的盲目探索.
风险小, 回报可期, 是一切技术商业的前提.
"我的 APP, 当然我做主"
在面对 AI 时, 另一个开发者必须关注的问题, 是自己的 APP 到底能否通过 AI 获得成长, 还是仅仅凑个热闹?
今天很多领域中, 单独利用 AI 场景或者 AI 能力达成的体验已经非常出名, 比如说电商领域的识图购买. 一旦某个能力出名了, 一般情况是行业内的竞品都会跟风加入, 裹挟了很多开发者其实是 "不得不 AI".
但这里有个问题, 就是这种跟风和模仿来的 AI 应用能力, 其实只是一个单独的片段. 大家都有, 当然自己也要跟进. 但基于开发环境的闭塞, 这个 AI 能力无法得到完善, 也不能跟其他功能产生联动. 时间一长, 开发者就会发现自己被某个 AI 功能耗费了大量人力物力, 版本更新之后就无计可施, 只能让 AI 沦为鸡肋.
这就是开发平台无法解决关联推理和持续开发的问题. 由于机器学习框架中完成的模型都是单一的, 很难跟其他能力拼接在一起形成整体.
而这种问题的解决方案, 就是使用 HiAI 架构这种平台所带来的推理开发能力. HiAI 架构目前提供的解决方案和平台功能, 涵盖了视频, 拍照, AR, 电商, 社交, 语言翻译六大领域, 可以说基本覆盖了今天移动应用的主要区域, 并且全面开放了芯片能力, 应用能力和云端能力.
换言之, 开发各种各样的关联技能, 或者进行不同程度的开发升级, 都可以借助 HiAI 来达成, 实现应用的强成长性.
这是一个非常值得关注的问题: 很多贸然闯入 AI 世界的移动开发者, 都仅仅满足于某个细节 AI 了. 这其实带给用户的体验提升有限, 但却耗费了自身大量成本. AI 的前提, 必须保证自己是 APP 的主人, 可以清晰的规划 APP 下一步的需求与发展, 让想到与做到之间没有鸿沟.
在 HiAI 架构非常强调的开发应用层能力中, 集成了通用深度学习开发框架, 兼容各种开发方式. 这意味着, 开发者不会在 HiAI 上仅仅完成了加速, 或者某个能力的 AI 实现, 然后就无事可做了. HiAI 提供的能力整合化服务, 可以结合识别, 学习和主动输出多种能力于一体, 让开发者在 AI 领域找到适合自己的聚集点.
优质的平台, 当然不是给开发者一条路, 让开发者走到黑, 而是应该给开发者一个棋盘, 让大家自己去纵横捭阖.
"我要干我最擅长的事"
还有一个在移动 AI 开发领域一直没有被正视的问题, 是中国大多数开发者并不是工程师, 并不擅长技术突破, 他们真正擅长的或许是运营和商业创意.
但吊诡的是, 我们今天在讨论手机上的 AI 时, 似乎默认了开发者应该都要懂算法, 懂搭建, 懂机器训练, 否则似乎就不是真正的 AI. 但实际上, 做 AI 就要 "全民懂算法", 绝对是一种技术偏见.
AI 作为一种工具化的后端技术, 显然更合理的方式是开发的归开发, 应用的归应用, 整合在同一平台下的高效任务分配, 才可能有更加合理的生态化.
回到开发者这边, 我想大部分移动开发者对于 AI 的需求, 是我不需要开始学习复杂的算法和模型, 而是要知道去哪里接入这些算法, 直接作用于我的 APP, 并让我清楚的知道接下来还能做哪些更酷的事.
总而言之, 开发者真正应该发挥的, 是自己的创造性和和商业洞察力. 而技术应该越来越友好和简单, 而不是让每个开发者都变成全链路的专家.
HiAI 引擎的目标, 通过开放应用层 API, 使能开发者在不懂 AI 算法的情况下也能开发高质量 AI 应用, 完全聚焦在应用的体验和业务实践上. 这就需要平台将多种能力全面开放给开发者, 在不同层级打开 AI 开放基础环境, 让不同需求, 不同基础的开发者都可以有效选择适合的方式, 即使彻底不懂算法的开发者, 也可以短时间将自己的 APP 进行针对性 AI 化.
符合这一条件的, 目前来看世界上仅有 HiAI 框架自己. 苹果和三星目前对 AI 芯片能力都采取了封闭政策, 更别提全面化的开放.
HiAI 最突出的业界价值, 显然是在平台层面提供了不同等级, 领域的能力输出, 把选择权归还到了开发者这一边.
通过工具化, 全辅助式的 AI 架构支持, 让开发者重新回到商业和创意当中, 或许才是 AI 的正路, 也是 AI 生态化的未来.
下面我们或许期待的, 是开发者通过对新环境, 新基础不断去学习与摸索, 快速打造出能够激发广泛关注的现象级 AI 移动应用.
当鲜花和舞台都准备好之后, 大概就要看开发者自己的了.
来源: http://www.bubuko.com/infodetail-2482756.html