阿里云黄博远：AI 工程化是发挥算法及数据价值的效能中枢

AI 工程化能力在人工智能与实体经济融合的过程中起到重要作用，结合人工智能算法、算力和大数据，转化为可落地应用的产品和解决方案。

5 月 25 日，在中国人工智能产业发展联盟和中国信息通信研究院主办的人工智能工程化发展论坛上，由中国信通院联合阿里云等相关产业公司共同制定的《人工智能开发平台系统功能要求》正式发布，阿里云牵头完成“模型构建”等核心章节内容编写，并荣获标准核心编写单位及核心编写专家称号。

本标准全面吸收人工智能开发平台产品方的技术实践和用户方的应用实践，规定了人工智能开发平台功能要求。

阿里云机器学习 PAI 平台产品负责人黄博远受邀参会，并分享《AI 工程化发展趋势》主旨演讲，就人工智能发展史、AI 工程化发展趋势、阿里云机器学习平台的演进等内容做了详细报告。

黄博远指出 AI 工程化是发挥算法、算力及数据价值的效能中枢，决定着 AI 在产业落地的执行效率。通过构建企业级 AI 中台，将 AI 技术与大数据技术相融合，可以充分挖掘数据价值，形成价值闭环。同时提出了 AI 工程化四大方向：

1、大数据和 AI 一体化使数据价值挖掘变得更加容易。

2、云原生化使 AI 及大数据的使用成本及技术门槛进一步降低。

3、实时化为 AI 效果提升提供了时间维度的新发展源。

4、场景化成为 AI 落地的不二法门。

并以机器学习经典场景“智能推荐方案”举例，从数据采集、特征处理、模型训练部署到效果归因分析，详细拆解 AI 工程平台在实际应用中的架构和核心能力。

AI 转化为生产力，不仅要懂 AI、还更要懂行业。阿里云在大数据和人工智能方向，沉淀了多个开发平台、成熟的解决方案，以及大量成熟算法、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。

经过近 20 年的发展，阿里云大数据平台已从早期的数据挖掘进化为承载数据分析、数据管理、数据协同的综合数据治理平台。阿里巴巴在数据治理方面拥有丰富的经验，无论是简单、易用、弹性的云数据仓库 MaxCompute，还是提供一站式数据开发、管理、治理的平台 DataWorks，都能成为企业数字化的“好帮手”。

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)。