受訪者 | 楊一帆
記者 | 伍杏玲
出品 | CSDN（ID：CSDNnews）
隨着數據信息“爆炸”時代的來臨，大數據技術解決海量數據“怎麼存”的問題後，人們開始思考數據“怎麼用”的問題，如何讓數據產生更大的價值更好地服務人們的生活？
AI，是讓數據產生價值的關鍵技術。但人工智能落地的趨勢，是算法、數據和算力的緊密結合。如何能有效地結合這三方面的技術打造適合的AI落地產品？
深耕大數據和人工智能領域的星環信息科技（上海）有限公司（下文簡稱“星環科技”），通過打造易用高效的一站式人工智能平臺——Sophon AI來解決上述三方面問題，從而加速人工智能的落地。
Sophon AI平臺是如何助力企業在AI時代業務創新與變更？對此，在本期「AI技術生態論」欄目中，CSDN（ID：CSDNnews）專訪AI產品首席產品官，楊一帆，來一探究竟。
大數據＋AI的強強聯合
目前星環科技Sophon大團隊由近百位工程師組成，有條不紊地進行數據挖掘、傳統機器學習、計算機視覺、自然語言處理、知識圖譜等領域的研究、產品研發以及實施落地。目前星環科技的產品應用已覆蓋涉及到金融、安防、電力、交通、教育等數十個行業和領域。
談及星環科技爲何會打造這樣一款一站式的人工智能平臺時，楊一帆表示，這是實現星環科技使命“把自主研發的領先創新技術賦能全世界各行各業，促進社會可持續發展，通過科技讓人類的生活更美好”的必由之路。星環科技大數據平臺有多年豐富的項目經驗和高強的技術支撐，而大數據向人工智能產品線的延申，是星環科技將前沿技術賦能更多行業的必然走向。
Sophon AI平臺提供算法、數據和算力三者的解決方案：
1、平臺提供交互式和代碼編程環境，普通用戶和高階開發者都能用自己擅長的方式參與開發，集成超過兩百種高性能分佈式算法，並可擴展，此爲“算法”層面的保證；
2、平臺支持星環科技的大數據平臺、開源大數據平臺和傳統關係型數據庫等數據來源，還支持包括流數據、對象存儲在內的多種數據格式，此爲“數據”層面的保證；
3、採用分佈式架構，支持高可用，運維和擴容便捷，能提供強大的算力支撐，此爲“算力”層面的保證。
打造一站式AI平臺的挑戰
Sophon AI擁有視頻分析、知識圖譜、邊緣模塊、雲端等模塊，涵蓋IoT、AI、大數據等技術，在打造這樣一站式的人工智能平臺時，楊一帆坦言，在這其中，技術團隊面臨不少挑戰，其中最大的挑戰應爲企業級的人工智能平臺需要提供完整的生態鏈以及豐富的應用。
因爲基礎平臺屬於“硬功夫”，平臺本身的功能、性能需要極其紮實；上層應用屬於“軟功夫”，講究針對具體行業形成針對性的開發，對特定企業用戶形成耦合效應。應用的開發需要團隊做快速的反應支撐。這裏的“硬功夫”和“軟功夫”都需要技術團隊做出精準的判斷。
技術團隊在探索的過程中，對於平臺，團隊在幾年前就選擇了微服務化路線，並針對數據採集、模型訓練、應用部署採用不同的服務框架，對場景做了先進的適配。針對業務落地場景選擇貼合實際的選型，如考慮到具體客戶的成本、資源，以及人工智能模型精度的協調和權衡，在平臺層面做出一定支撐，並沉澱出一套可行的方法論，並在實際業務中發揮了極大作用。
偷偷傾倒污水？AI來“捉人”！
在CSDN 《2019-2020 中國開發者調查報告》中，64%的企業尚未實現智能化（其中14%的企業無信息化）。對此，Sophon AI不斷通過技術來助力企業業務智能化、變更迭代：
楊一帆舉了個南方某市的水務系統的例子：經常有人違規往下水道倒入油水、泔水，污染城市水務。但衆所周知，下水道系統的管理信息化程度較低，只能靠人力制止小部分違規傾倒的個人，效率十分低下。
星環科技的AI團隊對“違規傾倒污水”這一行爲進行了視頻採樣，針對性地訓練出計算機視覺識別模型，取得令人滿意的準確率。
“違規傾倒污水”是一種抽象描述，問題的解決首先需要細緻的場景分析和量化表示；其次，由於水務系統對AI的投入經費有限，不可能無限擴充服務器資源或擴充監控設備帶寬。
技術團隊基於AI分析，成功量化這一行爲並指標化；同時選擇了輕量化的邊緣計算設備，僅需部署經濟、小巧的邊緣計算盒子，即可識別偷倒行爲。該系統可以在邊緣端識別可疑行爲，截取證據圖片，記錄詳細的時間、地點等信息並向雲端發送告警。此外，通過雲邊一體的平臺，工作人員足不出戶便可完成現場模型的增刪改，無需投入額外成本。
大數據 3.0 “ABC”公式
星環科技有個大數據3.0發展的“ABC”公式很有趣：A（人工智能）+B（大數據）+C（雲計算）=大數據3.0。
對此，楊一帆解釋道，2018年，星環科技首次提出大數據3.0的概念。因爲他們相信從技術趨勢的維度看，大數據、雲計算和人工智能將走向深度融合，容器編排系統、大數據分析和深度學習能夠融合在一起，大數據從技術上將邁入3.0階段。並且在3.0階段，大數據技術基本上普及化，可以隨手獲得，絕大部分的人都能夠非常便捷地獲取大數據分析能力。
大數據3.0時代具備五大特徵：
1、融合的數據平臺，從數據湖，到數據倉庫、數據集市，都不再需要混合架構，由此解決了兼容性差、運維難度高、數據安全無法保障等問題。
2、融合的大數據分析生產力工具（如SQL、R、Python等工具語言，或如Sophon Base所見即所得的托拉拽式建模平臺），即可以進行大部分場景的大數據分析，開發成本大幅度降低。
3、BI與AI進行融合。
4、AI進行數據分析需要藉助BI的可視化功能，BI也在嵌入AI特徵，進行智能分析。
5、大數據、人工智能、雲計算的深度融合。應用、數據、服務相互促進，並融合成爲生態。
星環科技的技術和產品戰略也正是順從大數據3.0階段的這些特徵，與技術的深度融合：星環科技Transwarp Data Hub（TDH）數據平臺，可以處理從GB到PB的應用場景。
5G時代，加速數據+算法+算力三者合一
2019年，5G正式步入商用時代。楊一帆表示，隨着5G的發展，數據+算法+算力三者合一的理念會被更充分地放大。數據採集的智能化（計算前置）、海量異構數據的存儲（大數據）、跨域計算等話題都將成爲熱點。
“5G將催生出物聯網行業真正的爆發，邊緣端設備在有用5G通信能力後迎來極大的發展，雲邊一體的需求將呈現爆發式增長。”楊一帆說。類似於Sophon Edge雲邊一體平臺將賦能更多的應用落地。
此外，由於各種類型設備的接入，數據採集的多源化問題將突增，異構數據間的知識網絡建立會成爲一個通用的需求，知識圖譜類應用會有很大的想象空間，對此，Sophon KG也做了提前的佈局。
下一步
2019年5月，星環科技推出“全鏈路AI”戰略，截止目前，人工智能平臺Sophon用戶已達到數百家，覆蓋數十個行業和領域，其中在銀行、券商、交通等領域獲得較好反饋。在教育領域，星環科技與北大、南大等高等院校形成合作，依託Sophon平臺進行人工智能課程教學，並開設了多個聯合實驗室。Sophon在去年佈局國外市場，與新加坡國立大學、新加坡理工學院、AI Singapore等機構有不同形式的合作。
未來星環科技將積極探索新型市場，發力認知領域、聯邦計算等領域，打造殺手級應用。如在認知領域包含了對自然語言處理和認知圖譜領域、語義化的圖像識別（如行爲識別）以及（深度）圖神經網絡的各種產品化工作；而聯邦計算則用於解決隱私計算、跨域計算、數據孤島等問題。
在生態方面，星環科技是業界首個使用容器編排技術實現大數據和AI服務彈性化的公司，這使得星環科技的平臺產品藉助容器技術可以無縫鏈接私有云、混合雲和和邊緣計算，爲三者提供統一的計算平臺，全面實現AI、雲和大數據的融合，產品線涵蓋ABC，在技術生態上有良好的支撐。AI的應用需要從數據收集、流傳、存處理等多個環節的配合，每個環節的數據質量都影響着最終的應用，這個鏈條上涉及到如傳感器、攝像頭等衆多的領域的夥伴，星環科技和合作伙伴一起，未來將會加強技術生態建設，同時培育更多熟悉Sophon開發的人工智能工程師。
“人工智能是生產力的創造者和社會基礎供應者”
在今年疫情爆發之際，AI+大數據技術成爲抗疫中重要的一員，出現如AI測溫等實用落地應用。星環科技也參與了鍾南山院士團隊的疫情預測工作，基於AI+大數據的判斷，鍾院士對國內的疫情發展做出了較爲準確的推演，實際生活中的封城、停工、隔離等各項政策，確保了大家較好地控制住了疫情。
楊一帆表示，AI+大數據在理解了業務的前提下，會產生極大的經濟價值，甚至是關乎生命的價值。這次疫情，讓大家看到，好的平臺和產品加上充分的業務理解會產生無限的價值，深入到業務中才能把技術的價值最大化，相信未來，AI+大數據的技術將會進一步和業務融合，在更多的行業和場景下產生價值。
在未來3-5年，他會有更多領域AI和大數據的應用會迎來爆發期，比如金融領域、工業領域、管理領域等，如解決數據孤島和多源數據融合問題的知識圖譜和跨域/隱私計算；比如解決工業和實際生產環境的企業級雲邊一體方案；解決海量數據和算力不夠矛盾的產品；解決建模難於快速打通業務最後一公里的完整企業級應用生態，都是可以大有作爲的方向，都是非常大的機遇。
最後，他總結道：“從國家戰略高度上人工智能日漸被重視，且被列入新基建7大產業之一，人工智能的需求將會全面鋪開，從專業領域應用的單一項目變成了基礎性賦能，人工智能已經變成了生產力的創造者和社會基礎供應者，成爲社會供給側的基礎平臺，賦能社會的方方面面，人工智能也會幫助更多的領域完成新基建的建設。”
採訪嘉賓：
楊一帆，2008年中國科學技術大學本科/碩士畢業，後續在University of Kentucky獲得統計博士學位。曾在美國銀行風險合規部門和阿里巴巴搜索事業部對抗智能團隊任職。目前就職於星環科技-人工智能產品部門。有豐富的統計學習、深度學習、圖計算和強化學習研究經歷。有十餘篇論文發表於SCI核心期刊和各大機器學習會議，涵蓋統計、生物信息、機器學習中圖計算、強化學習等方向。