文 | 曾響鈴

來源 | 科技向令說（xiangling0815）

人人都想搭上人工智能這輛快車。

然而不會編程，心有余而力不足，無法跟上技術推動下產業發展的節奏應該怎么破？

百度EasyDL正是這樣一款能夠讓沒有技術基礎的中小企業在智能化轉型方面實現“彎道超車”的工具。

最近EasyDL推出的“萬有引力”計劃，進一步將AI落地的門檻與成本打了下來，讓人工智能從概念到實驗室，再到落地現實走入企業業務和大眾生活，這一整套閉環流程不再像想象中的那么遙不可及。

EasyDL讓AI落地so easy

1956年的夏天，麥卡錫、明斯基等科學家在美國達特茅斯學院開會研討“如何用機器模擬人的智能”，首次提出了“人工智能（Artificial Intelligence，簡稱AI）”這一概念。

經過60多年的發展，人工智能進入到大規模落地階段，越來越多的企業也開始進行智能化升級，這也讓AI應用場景趨于多樣化和復雜化，企業對高效定制AI的需求也越來越大。

在這樣的背景之下，新的問題也產生了。

根據百度和波士頓咨詢公司的聯合調研中，發現約86%的市場需求需要定制開發業務場景下的AI模型，在定制模型的過程中，企業用戶和開發者往往會面臨缺少模型訓練經驗、數據采集和標注成本高、模型適配與部署流程繁瑣、模型優化迭代周期長等難點，從而造成整個項目成本高、周期長，且在前期對項目效果無法準確預期。

就像一座大山橫亙在企業與技術之間，企業想進行智能化轉型，一方面自身不具備如此專業的能力，另一方面又因轉型過程的不確定性而心生猶豫。

企業需要一種“傻瓜式”的AI落地或者應用的工具，基于百度飛槳深度學習平臺的EasyDL就這樣出現了。

作為一個高效易用的零門檻、一站式AI開發平臺，EasyDL支持智能數據、模型開發、服務部署等全流程功能。目前已經支持圖像分類、物體檢測、圖像分割、音視頻分類、語音識別自訓練、表格數據預測、文本分類、情感傾向分析等任務類型，可以幫助中小企業結合業務需求，解決效率和成本的問題。

EasyDL讓AI落地到底有多容易，我們來看看兩個例子。

青島愛包花飾是一家專業的箱包檢品公司，每天需要檢查貨品十多萬件。

愛包花飾之前采用傳統的X光檢針機通過X射線返回箱包內部信息，其中需要人工肉眼判斷箱包中是否有金屬異物、金屬配件數量是否符合生產要求，不光效率低而且人力成本大，長時間的重復工作還容易讓檢驗員產生疲勞和松懈，以致品控始終難以提高。

愛包花飾使用EasyDL訓練箱包質檢模型，只是提供了含有針、剪刀等異物和金屬部件商品的X光圖像，在完全無需了解AI算法細節的前提下，也訓練出了準確率90%的模型，箱包生產過程中的殘留異物（如針、金屬零部件等）的檢出率和箱包的質檢效率大大提高。

瀚才獵頭之前也有著類似的煩惱，200萬條人才數據，利用率不到10%。

作為“高級管理人員代理招募機構”，如何高效地為客戶推薦合適的人才是瀚才獵頭的核心業務，也是其在行業發展中的核心競爭力。

但瀚才獵頭10余年發展過程積累的體量龐大的人才“數據庫”卻因為其難以整理和分類，導致大量的數據資源處于“閑置”狀態，瀚才獵頭的優勢也沒有得到體現和發揮。

這個局面在使用EasyDL后發生了改變，通過EasyDL平臺的數據清洗和訓練分類能力，瀚才獵頭在1個月時間內將200萬條經營數據劃分成12個大行業、147個小行業和10個通用職級信息，使被“遺棄”的數據開始有了匹配的“用武之地”。

以前按照關鍵詞搜索的方法，每天只能找到60-70份合適的候選者簡歷，現在經過數據結構化處理后，20分鐘就可能達到600-1000份，而且精準度達到了95%以上，整個效率提升了200倍。

使用簡單的背后是復雜技術的高度集成

以上兩個案例都有一個共同點，即模型的訓練過程不需要任何代碼基礎，只需按業務需求，完成數據處理和提交，然后選擇部署方式就可以了。

看似簡單的背后，實際上是百度EasyDL對復雜AI技術的深度掌控。

首先，在基礎層，百度的超大數據庫保證了模型效果。

EasyDL好用的第一關鍵在于效果，EasyDL保證效果的基礎就是預置了百度大規模數據訓練的預訓練模型，讓模型精度大大提升。

比如，在視覺任務中，圖像分類訓練任務內置了百度基于海量互聯網數據，包括10萬+分類、6500萬圖片訓練的超大規模預訓練模型，平均精度可提升3.24%-7.73%；物體檢測訓練任務內置百度基于800+標簽、170萬圖片，1000萬+檢測框訓練的超大規模物體檢測預訓練模型，平均精度可提升1.78%-4.53%。

再比如，在自然語言處理方向，EasyDL預置了由百度自研的預訓練模型文心（ERNIE）2.0，將大數據預訓練與多源豐富知識相結合，持續學習海量數據中的知識，將機器語義理解水平提升到一個新的高度。目前文心（ERNIE）在中英文的16個任務上已經超越了業界最好模型，全面適用于各類NLP應用場景。

其次，在應用層，通過智能數據服務來提升企業效率。

所謂的智能數據服務，就是從數據采集到數據標注，再到數據清洗，EasyDL都能提供一站式的全方位服務。

以中科立業為例，這家做智能結算果蔬秤的公司希望將AI服務集成在智能果蔬結算秤上進行果蔬識別，但他們在超市試運營時，經常會出現因物體遮擋（塑料袋遮擋）、光線多變（亮光、暗光）、果蔬形狀角度多變等情況，導致數據采集質量不高，如果要解決這一痛點，提高識別率，需要更加豐富的訓練數據。

EasyDL通過軟硬一體、端云協同的自動數據采集方案，提前對端設備進行測評和適配，將數據采集效率從周提升到小時。

在數據標注方面，EasyDL提供圖片、文本、音頻、視頻四種數據格式的11種數據標注模板，在物體檢測、圖像分割、文本分類三類任務場景中，通過百度自研的Hard Sample主動學習挖掘算法，進行針對性適配，在同樣的模型效果指標下，可減少70%的數據標注量。

上文提到瀚才獵頭簡歷庫的文本分類中，員工手動標記了1萬條，其余的199萬條全部是自動完成的。

中科立業使用EasyDL后，通過對圖像數據進行相似度的去重去模糊，剪裁，旋轉，鏡像以及數據增強等數據清洗處理，在50種水果的測試中，準確率達到了95%以上，整體效率提升了60%。

最后，在部署環節，多種方案讓AI落地“零門檻”。

目前EasyDL提供了公有云API、本地服務器部署、設備端SDK、軟硬一體部署四種方案。

其中，設備端SDK，適配了NV Jetson系列、Intel神經加速棒、華為NPU、華為Atlas、高通DSP、RK等十幾種業界主流的端設備。

在軟硬一體方案部署上，EasyDL提供了6款軟硬一體方案，支持專項適配與加速，覆蓋高中低全矩陣，模型識別速度可提升10倍。

對于用戶而言，無需關注任何模型轉化、適配的細節，甚至不用寫一行代碼，只需經過簡單的設置，就可以將訓練好的模型轉換為滿足業務場景需求的服務，其中的效果和性能還能達到非常高的水準。

像偲睿科技基于EasyDL開發辦公場景下的自動場景識別模型，如在辦公室場景下監控人數多少、窗簾狀態等，考慮識別的實時性，選擇將訓練好的模型在EasyDL部署為EasyEdge設備端SDK，綜合識別率達到91%。同時由于EasyDL設備端SDK易于部署的便捷性，設備端模型集成周期從之前的1個半月縮減到只需2天，足足縮短了20倍。

“萬有引力”計劃，助力EasyDL實現AI普惠的推手

山就在那里，靜默無語。你眼中是奇峰羅列，還是臨淵而立？那不取決于山，只取決于所站的高度和角度，以及內心的深遠。

這是作家輝姑娘在《智者見山，愚者見淵》一文中，對“不同人對同一事物不同認知”的描述，將這段話放置于企業智能化轉型的時代背景之中，也是企業家們不同創新思維的真實寫照。

如上文舉的那些案例一樣，面對智能化轉型的潮流趨勢，有些企業會勇敢的擁抱變化，在自身能力范圍之內，盡可能創造條件，制造機會，主動融入其中；有的企業不愿跳出自己的舒適區，視轉型為洪水猛獸，前怕狼后怕虎，始終沒有邁出關鍵的第一步。

事實上，當企業采用EasyDL進行智能化轉型的嘗試之后會發現，這件事并沒有想象中的那么難。

瀚才獵頭一位創始人就表示，他們曾對很多AI開發平臺進行過對比，最后選用EasyDL，不僅是因為數據結構化的效果好，更重要的是其零開發門檻、一站式服務的特性，節省了自己配置技術團隊，做數據處理、算法研發和算力支持的成本。

這或許能給那些想動而未動的企業們很好的經驗啟示，換個角度來看待企業智能化轉型這個事情，改革的關鍵力量往往不是創新，而是如何“除舊”，如何跳出傳統的產業思維，走向人人向往的智能時代。

EasyDL正是這樣一個致力實現“AI普惠”的AI開發平臺，對于很多企業來說，無論智能化轉型的探索有多艱難，風雨都會過去，EasyDL就是他們見到的那道彩虹。

現在有個好消息，為了進一步全面降低企業應用AI的門檻與成本，EasyDL于近期面向所有中小企業推出了“萬有引力”計劃，為有AI應用需求的企業提供專項基金，助力萬家企業，創享AI能力。

參與本次活動的企業及個人開發者，只需通過EasyDL經典版免費完成業務模型的定制訓練、部署與應用，即可領取萬元專項代金券。針對落地效果突出的項目，還有機會獲得最高十萬元的特殊補貼。

很明顯，“萬有引力”計劃將EasyDL的“AI普惠”夢想又向前大大推進了一步。

我們可以暢想的未來是，EasyDL持續迭代，繼續提供更加豐富的產品功能與友好的開發環境，將企業和開發者從低效的“重復造輪子”中解放出來，讓他們更加聚集于業務與創新，AI從算法到落地的應用進程大大提速，智能經濟也將獲得高速發展。

*本文圖片均來源于網絡

*此內容為【科技向令說】原創，未經授權，任何人不得以任何方式使用，包括轉載、摘編、復制或建立鏡像。