過去十年，AI算法的落地集中在人臉識別、車牌識別等社會治理領域，安防、交通是AI技術最快實現產業化、市場化的行業應用。

但其實，AI在更廣闊的領域，比如工業、教育、醫療、農業等領域，還有很大的市場空間正待開發，未來各行各業將涌現出大量的AI算法生產需求。

然而，AI算法開發生產過程周期長、專業門檻高、成本高的問題，一直是制約AI成功落地的一大因素。一個AI算法從提出規劃想法，到模型最終上線，需要10-15人的開發團隊，整個開發周期長達數月，其效率和成本都無法應對未來大規模AI場景落地的需要。

目前，各行業的軟件開發商或系統集成商，在實際項目中都需要定制化開發AI算法。共達地高級市場總監李蘇南認為，作為軟件開發商，為了完成項目的定制化開發，花費巨資、人力和時間，組建、培育自己的AI開發團隊，這明顯是不現實的，對比項目落地的實際產出，投資回報往往并不理想。

據統計，AI領域的人才缺口在2022-2024年將達到150萬，專業算法工程師的培養門檻、培養成本極高。另一方面，目前行業主要通過“堆人頭”的方式進行算法訓練，效率低、周期長，導致AI超大規模與精細化的商業落地陷入瓶頸。

為了解決這個行業痛點，基于AutoML建立的AI自動化訓練平臺，推動算法生產自動化，成為不少軟件開發商和系統集成商的睿智之選。

0代碼，成本低，精度高

近日，共達地高級市場總監李蘇南在接受OFweek維科網·電子工程編輯采訪時表示，通過AutoML自動化AI訓練平臺，把AI算法的開發效率，從過去以月為單位，縮短至以小時為單位，整個項目不需要AI工程師參與，不需要寫一行代碼，而且算法精度高于行業平均水平。

AutoML自動化AI訓練平臺就是通過“AI生產AI”，實現算法生產自動化，解決過去AI落地難、算法生產周期長、成本高等問題，已成為行業公認的解決方案。

李蘇南認為，AI算法“場景定制化”的特點，決定了AI算法不太可能被標準化，但我們可以做到AI算法生產流程的標準化，通過AutoML自動化機器學習，用AI訓練AI，把算法生產過程中十幾個步驟用自動化的方式，標準化地進行訓練，包括自動超參調節、自動的神經網絡選擇、自動模型壓縮和裁剪，自動的遷移學習、知識蒸餾等技術。

AutoML平臺把這些技術封裝平臺當中，用戶只需要做到AI場景的定義和數據的采集，隨后整個模型的訓練和生產過程都可以由AutoML平臺自動化的去完成。簡單來說，就是“進去的是數據，出來的是算法”。

目前，共達地自主打造的AutoML自動化AI訓練平臺，通過全自動數據工程，可以在數小時內完成AI模型訓練，面向行業提供規模化的AI算法定制能力。過往實踐經驗顯示，共達地AuotML自動化AI訓練平臺可在1周內從0到1定制算法并完成交付，精度超出行業平均水平。

在算法精度方面，共達地的算法超市提供5000+種“即買即用”的AI算法，算法精度達到92%以上，可以媲美8年以上經驗的算法工程師。

李蘇南認為，算法要做到高精度，無非是需要更多的精確適配場景的數據，以及持續的、高頻次的優化迭代。AutoML的自動化機器學習可以24小時“不眠不休”進行自我優化和訓練，效率會高很多，最終呈現的算法精度也會更高。

在算法落地部署方面，共達地的AI自動化訓練平臺，可以快速適配行業90%以上的主流芯片和硬件，比如華為昇騰、Intel、高通、英偉達等主流廠商的芯片和硬件設備，共達地都進行了預先的適配，算法落地部署做到靈活、快速。

據了解，共達地目前已適配100多款芯片，對比行業平均水平，在適配性上有相當大的優勢，在項目落地的時候，讓客戶可以更主動更寬泛地選擇硬件設備。

解決AI大規模商業化落地難題

共達地成立于2020年，是國內領先的人工智能自動化訓練平臺服務商，專注于通過AutoML自動化機器學習實現AI的大規模商業化落地。

李蘇南表示，共達地是行業首個實現了“端到端”自動化機器學習的服務商，推出第一個“端到端”的AutoML平臺。所謂“端到端”，是指從需求定義開始，一直到模型的下發，整個過程實現了自動化，不需要人工參與，也不需要寫任何一行代碼，共達地在行業中第一個做到了這一點。

在產品理念上，李蘇南認為，要真正把行業的門檻降低，讓更多人可以使用和創造AI，就需要做到“端到端”，做到AI算法開發全流程的自動化，不需要算法工程師的參與。

目前，共達地已與智慧城市、智能制造、智慧農業以及AIoT行業的諸多企業達成合作。

李蘇南介紹，共達地主要面向行業提供三類服務：

1.平臺服務：客戶可通過共達地AutoML自動化AI訓練平臺自行建設算法生產能力，適用于算法需求量較大，對訓練效率要求較高的客戶；

2.算法定制服務：主要面向算法需求不常見或需求量較少、完全不具備AI能力的客戶；

3.算法商城服務：即市面上的主流算法需求，可通過共達地算法商城直接采買，一天內即可部署；

以平臺服務為例，共達地與一家專注于計算機視覺深度研發的人工智能公司合作，對方使用共達地AutoML自動化AI訓練平臺快速生產算法，并通過其深耕多年的行業渠道，將算法集成為行業解決方案交付給終端客戶。

基于自動化AI訓練平臺，該公司將算法開發周期從原本數月縮短至了數小時內，并且在常規數據集下算法精度可媲美人類工程師。兩家的合作已入選信通院2022“人工智能平臺應用優秀案例”，同樣入選的還有中國聯通研究院、中國移動通信集團天津有限公司、華為云計算技術有限公司、百度網訊科技有限公司等十八家企業。

在智慧交通的應用場景中，湖南省某市的交通管理部門在建設相關項目時,便使用了共達地的AutoML自動化AI訓練平臺，定制了“行車未系安全帶識別”、“行車打電話識別”等有關安全駕駛的一系列相關AI視覺算法。在幾乎沒有投入AI算法工程師的情況下,兩周之內便完成了各類復雜交通場景下的AI算法模型訓練。

并且,基于共達地自動化AI訓練平臺對于芯片的廣泛適配,快速將算法部署到基于其芯片的硬件設備之中,僅用三周時間便完成算法定制開發和下發部署整套流程。

除此之外，基于這次合作，通過共達地自動化AI訓練平臺訓練出來的定制化算法，也被用于智慧城市監控、智慧金融網點安防等場景。

李蘇南認為，城市管理是非常典型的超大規模AI應用的場景，其中業務場景非常復雜，算法數量非常多，算法開發需要精細化適配各種場景，用AutoML自動化AI訓練去解決這種問題，就顯得非常有必要，對客戶來說也能產生最大的價值。

下一步規劃

提及下一步的規劃，李蘇南回答，共達地首先會把客戶服務好，同時提升平臺的易用性，提升算法輸出的完善度和可靠度，以及把硬件生態伙伴“朋友圈”建的更加完善。幫助現有客戶解決他們的痛點問題。

目前，共達地AutoMl自動化AI訓練平臺已經支持99%以上的視覺場景，包括檢測、分割、分類、動作識別、單目3D等等。未來，共達地會引入更多更新的視覺場景，比如包括3D點云、事件識別等，這些都會放在未來的產品規劃當中。

李蘇南稱，世界上能夠用肉眼去解決的視覺問題，都可以用自動化機器學習平臺做出AI算法，這是我們的一個縱深的目標。

此外，共達地將會大力發展生態社區，讓AI從業者，甚至是各行各業對AI有興趣的人都可以參與進來的社區，大家通過算法生產能力標準化的平臺，用自己的行業知識與AI技術相結合，不斷創造出新的AI算法，讓AI應用到更廣闊的千行百業，解決更廣泛的問題，創造更核心的價值。

審核編輯黃昊宇