謝天謝地，AI開發者的“吐槽大會”終於結束了

今天是個被AI圈刷屏的日子。

原因不是谷歌新手機和波士頓動力的機器人，而是華為發布了一款新的AI開發平台：ModelArts。

我粗略統計了一下，AI從業者與開發者們之所以瞬間被撩到嗨點，是因為國內看似熱鬧無比的AI行業，其實已經很久沒有AI開發相關的重要項目出來了。ModelArts一出來，有一種終於被重視了的“久旱逢甘霖”體驗。

這事其實非常吊詭：AI再怎麽巨集大敘事，不也要靠開發者一磚一瓦蓋起來嗎？可偏偏AI行業是PPT邏輯圖發了不少，用來乾活的家夥卻屈指可數。

而AI開發，在今天並不是一個多麽成熟的工作，其中問題與矛盾非常顯著。

在HC大會第三天，華為雲分析了今天AI開發的困境。今天限制AI開發的兩個主要因素，一個是快，一個是慢，兩者形成了相互依賴的矛盾體，解決一個要依賴另一個的大幅改善。

可以說，這是對AI開發現狀的精準判斷。

而ModelArts的價值也不僅是刷屏朋友圈，而是與其他AI開發工具一起，從全流程、普惠的角度針對性解決了今天AI開發中幾個最明顯的“槽點”。

想要明白ModelArts與AI開發生態的背後秘密，咱們要先從這些“槽點”說起。

寫到這，其實筆者心中的洪荒之力已經按耐不住了。因為長時間採訪AI開發者，筆者電腦和大腦裡都存儲了無數開發者的吐槽——要不是因為擔心收視率不高，我都能做好幾期AI吐槽大會了......

謝天謝地，好在這一切終於快結束了。

每一個都是戰士：夠開幾季“吐槽大會”的AI開發者們

好，大家嚴肅點，下面開始吐槽了。

經過長時間追蹤AI開發者，我們的記者團隊一致認為今天這個行業都是戰士。尤其是那些希望用AI開發來創業的，更是戰士中的斯巴達克斯。這裡咱們可以看幾種最有槽點，不對，是最典型的AI開發案例：

案例1：親朋好友一起上型AI開發者。我們知道，AI裡有個詞叫做AI民工，或者數據民工。就是說AI訓練之前，其實有大量時間沒乾別的，就是做數據標記。這個活其實非常簡單，但問題是極其枯燥大量重複，並且一旦某些數據標記錯，很可能帶給開發者後面訓練時以“無限驚喜”。

而我們了解到的情況是，雖然大家都在說所謂AI民工，但這個崗位由於非常新穎且上下不靠，即使在大公司也是稀缺資源。而對小團隊開發者來說，哪裡找AI民工來標記數據啊？所以很多人的解決方案，就是親戚群裡發紅包幫標點數據、老同學裡叫一聲幫我弄點數據，更有甚者我見過朋友圈眾籌標數據的——做AI，愣做出了拚多多購物的既視感。

案例2：“Boss求求你了”型AI開發者。這種開發者一般存在於科研機構和高校中，以在讀博士為主要人群。他們寫完模型，等著變成paper，於是想用學校買的架構驗證一下。那麽好，先登記排隊。輪到號了訓練一下一星期過去了，結果發現不太對？挑個參數又一星期，優化一下數據集又一星期。由於師兄師弟不少，還就經常輪不上你。

模型錯誤幾次，這類開發者和他們的導師都很容易抓狂。於是經常出現這樣一幕：某某AI博士哭訴“Boss大人求求你了再讓我算一次吧”。

案例3：創業焦慮型AI開發者。創業AI開發者，注重更多的是在部署和應用，而巧的是坑也在這裡。我們採訪過一個案例，開發者做了一個教育類的深度學習算法，但在部署時卻發現，TensorFlow上訓練的模型不支持大規模GPU並用，給後續帶來了無盡麻煩。

部署難，一部署就出錯，是很多AI開發者面臨的瓶頸。創業團隊辛辛苦苦訓練了個聰明的模型，一投入應用就變傻子，這感覺豈是一個酸爽了得。

案例4：理想豐滿型AI開發者。AI大潮襲來，也催生了很多非科班出身，尤其是IT工程師轉型AI。結果一入門發現，各種算法算力算子不計其數，調參配比極其複雜。而且AI的黑箱性還帶來一種“養蠱”的快感，入門級選手連錯都不知道哪錯了。最終只能是AI前景遠大，AI理想豐滿，AI讓我暫時撤退……

案例5：早知如此型AI開發者。 AI開發，經常要經過N個版本的優化和再訓練，當然這就跟做設計一樣，經常結果是第一版最好。於是經常出現老闆或者導師沉思了一下，說：我覺得三版之前那個蠻好的，找出來數據再優化一下吧。呵呵噠，三版之前是啥天知地知反正我不知——遇到這種情況，開發者經常只能捶地大喊：早知如此何必……

案例6：對不起有點狂，因為可吐槽的案例實在太多了，就說最後一個吧。還有一種“社區大神”人設的AI開發者，專注混社區五百年。貌似啥都會，就是不會賺錢。我們見過盜用大神分享的工具和數據拿到融資，但大神愣不知道的。AI開發人才如何實現IP保護和變現，其實也是個大問題。

AI開發，是個有多重要就有多少無奈的行當。

好在，以上這密密麻麻的槽點，已經被華為剛發布的ModelArts以及相關工具“一劍斬群寇了”。

讓“貝爺”們都進星級廚房：華為做了個什麽事？

假如說，開發者是一位位大廚，打算為我們端上美味的AI大餐。

那麽今天AI開發的問題，就是大廚們不是穿戴整齊走進廚房煎炒烹炸。而是上山找芯片調算力，下海找人標數據，進林子裡采工具，到亂世從中跑訓練。好端端的一位大廚，愣被割裂的開發場景和高企的費用給逼成了《荒野求生》的貝爺。

而假如一位廚師要從上山打獵開始做起，又怎麽能期望他燉肉效率高呢？

為什麽會這樣？

原因在於今天的深度學習訓練流程，是在一個個偶然、垂直條件下產生的。開發框架有的是最開始僅供少部分科研，有的是僅供企業內部調用；數據集和算子，是經過各種偶然因素，被不同人或組織開源的；AI算力，最早都是附加在IT算力上的“增值服務”。而一些自動機器學習項目，則噱頭價值遠大於實際部署價值——於是四面奔波，不斷解決兼容問題就成了開發者的常規操作。

而華為雲剛剛在HC大會上拿出來的ModelArts，特質就在於它把以上場景全都整合到了一套雲服務體系下。開發者可以不離開系統，完成從數據標記與訓練準備，到訓練、調試、推理、部署等所有工作。

這就好比打造了一整套星級廚房，裡面有水電燃氣，各種廚具食材，那麽開發者將省去前面無比漫長的準備工作，直接一展廚藝可矣。

具體來說，名為ModelArts的廚房，跟以前常規用的“野炊”模式相比，有四大直觀改變：

一、食材隨意購

AI開發者能夠快速完成數據標記，就像廚師能夠快速買到食材一樣重要。畢竟做廚師，沒有先從養殖場乾起的——知道的我是AI開發者，不知道還以為我是數據農家樂呢！

針對最耗時的數據標記環節，ModelArts內置了AI數據框架，以AI機制來治理數據，用迭代訓練來解決標注的數據量問題。也就是讓AI來完成數據標注本身，不斷優化數據集，從而讓數據標注與準備效率百倍提升。

當然，數據還是開發者來準備，只是準備體驗將獲得巨大躍升。

二、開灶有火

AI模型的訓練速度，關乎於AI算力的提供，也關乎於訓練平台的路徑優化。AI訓練過程就像點火做飯，火夠大當然炒菜更快。針對訓練效率問題，ModelArts通過各類優化技術，達成了在同樣的模型、數據集和同等硬體資源情況下，模型訓練耗時降低一半——換句話說，這意味著同樣算力可以供給多一倍的開發者使用。

三、廚具齊全

上面說過，AI最怕部署，有些AI模型甚至有“見光死”的特點。尤其面對部署在不同的軟硬體架構上，給人一種東家借口鍋，西家偷個鏟的感覺。而基於全棧AI解決能力，ModelArts實現了一鍵推送模型到所有邊緣、端的設備上的能力，並支持在線部署和批量推理，滿足大並發和分布式這些最困難的部署方式。可謂一應出具俱全，做出什麽菜式都不在話下。

四、還有廚房家電都能幫忙

AI開發者的最後問題，可能是機器學習訓練中的技術門檻。針對於此，ModelArts不僅給出了明確的教學演練，還創造性地引入了AI自動學習功能，包括模型的自動設計與自動調參等，可以給開發者智能化幫助。

此外，ModelArts還實現了全流程可視化管理，不管丟在哪裡的數據和模型都能準確找到，這也間接有利於AI黑想象的攻克。

這些蘊藏的“AI黑科技”，就像冰箱微波爐這些現代廚房神器，以AI開發AI，降低開發者技術門檻，或許是接下來新的潮流。

值得注意的是，華為雲這次不光發布了“廚房”，還帶來了“餐廳”。於是我們看到了機器視覺開發平台HiLens，以及離線開發套件Atlas 200 、量子計算模擬器與編程框架HiQ，讓開發者可以模擬重要環境的實際應用場景。

據華為雲介紹，ModelArts將在年底前上線，我們會第一時間帶來上線評測。

全棧AI的第一個紅利：為什麽ModelArts敢說“全生命周期”？

在採訪中，華為雲認為，目前業界的AI開發平台，問題是都相對場景單一，不夠全面。而ModelArts則率先做到了全生命周期開發，可以支撐和管理AI開發當中的每一個環節。上面我們也說過，將割裂場景整合到一起，構成全生命周期AI開發，是ModelArts倒逼解決慢與貴的核心優勢。

這裡有個問題值得注意，相信也是大家所關心的：顯然每個人都知道廚房更好用，不想去野地裡做飯，那麽為什麽只有華為的ModelArts，在今天敢說自己是“全生命周期”？

我們或許可以這樣理解：在華為全棧AI體系剛剛發布48小時，ModelArts與視覺AI應用開發平台HiLens、離線開發套件Atlas 200 、量子計算模擬器與編程框架HiQ四件套代表的AI開發平台已經變成了第一個紅利級產品。事實上，ModelArts本身就是華為全棧AI體系的組成部分。與芯片、架構、AI使能平台緊密相連，從而能夠一個場景跑通所有數據、訓練、推理的需要。可以說是剛剛發布的華為全棧AI，探出的第一根觸手。

其次，全生命周期的AI開發，算力是一切的基礎。在昇騰芯片到來後，華為獲得了能夠組織大規模AI並聯算池的機會，從而可以保證全場景AI開發運行無阻。這裡有一個環環相扣的AI推導邏輯。

再者，我們確實可以看到，今天無論是世界巨頭還是獨角獸公司。所推的AI開發平台都是基於自身的業務考量。不會有公司推出一個與自己業務不想關，甚至自身能力之外的AI開發平台。所以我們看到AI開發場景，依然是東一榔頭西一棒子的狀態。

而華為雲，則是圍繞用戶為中心打造了AI開發平台，以不讓開發者奔波為第一思路。並且確實認真看了哪些複雜可以留給自己，找到了很多關鍵矛盾的背後邏輯，並將之消解化。這歸因於華為的IT儲備優勢，但更歸因華為雲“複雜的歸自己”以及“解決實際問題”兩大核心理念。

對比之下，以往的AI開發平台，更多是以自身產業利益為視角構建產品，而不是以開發者為出發視角，或者說不具備以開發者為中心，清掃問題的產業條件。

當全生命周期的AI開發平台開始出現，本質上意味著某些AI產業的“黑歷史”將開始瓦解。無論是華為雲還是其他品牌，很快會讓AI開發變成一個拚創意與想象力的遊戲——而不是勞動力、資金成本與技術門檻相互競底的搞笑節目。

未來的某個時刻，我們會回想起那段AI開發能開“吐槽大會”的日子，後輩會覺得簡直不可思議，往事杯酒，幾成笑談。

但那時已經遍布AI的世界，卻並不會笑我們。因為從鑽木取火，到探索人工智能，歷史會記住每一位開發者都是偉大的。