谢天谢地，AI开发者的“吐槽大会”终于结束了
今天是个被AI圈刷屏的日子。
原因不是谷歌新手机和波士顿动力的机器人，而是华为发布了一款新的AI开发平台：ModelArts。
我粗略统计了一下，AI从业者与开发者们之所以瞬间被撩到嗨点，是因为国内看似热闹无比的AI行业，其实已经很久没有AI开发相关的重要项目出来了。ModelArts一出来，有一种终于被重视了的“久旱逢甘霖”体验。
这事其实非常吊诡：AI再怎么宏大叙事，不也要靠开发者一砖一瓦盖起来吗？可偏偏AI行业是PPT逻辑图发了不少，用来干活的家伙却屈指可数。
而AI开发，在今天并不是一个多么成熟的工作，其中问题与矛盾非常显著。
在HC大会第三天，华为云分析了今天AI开发的困境。今天限制AI开发的两个主要因素，一个是快，一个是慢，两者形成了相互依赖的矛盾体，解决一个要依赖另一个的大幅改善。
可以说，这是对AI开发现状的精准判断。
而ModelArts的价值也不仅是刷屏朋友圈，而是与其他AI开发工具一起，从全流程、普惠的角度针对性解决了今天AI开发中几个最明显的“槽点”。
想要明白ModelArts与AI开发生态的背后秘密，咱们要先从这些“槽点”说起。
写到这，其实笔者心中的洪荒之力已经按耐不住了。因为长时间采访AI开发者，笔者电脑和大脑里都存储了无数开发者的吐槽——要不是因为担心收视率不高，我都能做好几期AI吐槽大会了......
谢天谢地，好在这一切终于快结束了。
每一个都是战士：
够开几季“吐槽大会”的AI开发者们
好，大家严肃点，下面开始吐槽了。
经过长时间追踪AI开发者，我们的记者团队一致认为今天这个行业都是战士。尤其是那些希望用AI开发来创业的，更是战士中的斯巴达克斯。这里咱们可以看几种最有槽点，不对，是最典型的AI开发案例：
案例1：亲朋好友一起上型AI开发者。我们知道，AI里有个词叫做AI民工，或者数据民工。就是说AI训练之前，其实有大量时间没干别的，就是做数据标记。这个活其实非常简单，但问题是极其枯燥大量重复，并且一旦某些数据标记错，很可能带给开发者后面训练时以“无限惊喜”。
而我们了解到的情况是，虽然大家都在说所谓AI民工，但这个岗位由于非常新颖且上下不靠，即使在大公司也是稀缺资源。而对小团队开发者来说，哪里找AI民工来标记数据啊？所以很多人的解决方案，就是亲戚群里发红包帮标点数据、老同学里叫一声帮我弄点数据，更有甚者我见过朋友圈众筹标数据的——做AI，愣做出了拼多多购物的既视感。
案例2：“Boss求求你了”型AI开发者。这种开发者一般存在于科研机构和高校中，以在读博士为主要人群。他们写完模型，等着变成paper，于是想用学校买的架构验证一下。那么好，先登记排队。轮到号了训练一下一星期过去了，结果发现不太对？挑个参数又一星期，优化一下数据集又一星期。由于师兄师弟不少，还就经常轮不上你。
模型错误几次，这类开发者和他们的导师都很容易抓狂。于是经常出现这样一幕：某某AI博士哭诉“Boss大人求求你了再让我算一次吧”。
案例3：创业焦虑型AI开发者。创业AI开发者，注重更多的是在部署和应用，而巧的是坑也在这里。我们采访过一个案例，开发者做了一个教育类的深度学习算法，但在部署时却发现，TensorFlow上训练的模型不支持大规模GPU并用，给后续带来了无尽麻烦。
部署难，一部署就出错，是很多AI开发者面临的瓶颈。创业团队辛辛苦苦训练了个聪明的模型，一投入应用就变傻子，这感觉岂是一个酸爽了得。
案例4：理想丰满型AI开发者。AI大潮袭来，也催生了很多非科班出身，尤其是IT工程师转型AI。结果一入门发现，各种算法算力算子不计其数，调参配比极其复杂。而且AI的黑箱性还带来一种“养蛊”的快感，入门级选手连错都不知道哪错了。最终只能是AI前景远大，AI理想丰满，AI让我暂时撤退……
案例5：早知如此型AI开发者。 AI开发，经常要经过N个版本的优化和再训练，当然这就跟做设计一样，经常结果是第一版最好。于是经常出现老板或者导师沉思了一下，说：我觉得三版之前那个蛮好的，找出来数据再优化一下吧。呵呵哒，三版之前是啥天知地知反正我不知——遇到这种情况，开发者经常只能捶地大喊：早知如此何必……
案例6：对不起有点狂，因为可吐槽的案例实在太多了，就说最后一个吧。还有一种“社区大神”人设的AI开发者，专注混社区五百年。貌似啥都会，就是不会赚钱。我们见过盗用大神分享的工具和数据拿到融资，但大神愣不知道的。AI开发人才如何实现IP保护和变现，其实也是个大问题。
AI开发，是个有多重要就有多少无奈的行当。
好在，以上这密密麻麻的槽点，已经被华为刚发布的ModelArts以及相关工具“一剑斩群寇了”。
让“贝爷”们都进星级厨房：
华为做了个什么事？
假如说，开发者是一位位大厨，打算为我们端上美味的AI大餐。
那么今天AI开发的问题，就是大厨们不是穿戴整齐走进厨房煎炒烹炸。而是上山找芯片调算力，下海找人标数据，进林子里采工具，到乱世从中跑训练。好端端的一位大厨，愣被割裂的开发场景和高企的费用给逼成了《荒野求生》的贝爷。
而假如一位厨师要从上山打猎开始做起，又怎么能期望他炖肉效率高呢？
为什么会这样？
原因在于今天的深度学习训练流程，是在一个个偶然、垂直条件下产生的。开发框架有的是最开始仅供少部分科研，有的是仅供企业内部调用；数据集和算子，是经过各种偶然因素，被不同人或组织开源的；AI算力，最早都是附加在IT算力上的“增值服务”。而一些自动机器学习项目，则噱头价值远大于实际部署价值——于是四面奔波，不断解决兼容问题就成了开发者的常规操作。
而华为云刚刚在HC大会上拿出来的ModelArts，特质就在于它把以上场景全都整合到了一套云服务体系下。开发者可以不离开系统，完成从数据标记与训练准备，到训练、调试、推理、部署等所有工作。
这就好比打造了一整套星级厨房，里面有水电燃气，各种厨具食材，那么开发者将省去前面无比漫长的准备工作，直接一展厨艺可矣。
具体来说，名为ModelArts的厨房，跟以前常规用的“野炊”模式相比，有四大直观改变：
一、食材随意购
AI开发者能够快速完成数据标记，就像厨师能够快速买到食材一样重要。毕竟做厨师，没有先从养殖场干起的——知道的我是AI开发者，不知道还以为我是数据农家乐呢！
针对最耗时的数据标记环节，ModelArts内置了AI数据框架，以AI机制来治理数据，用迭代训练来解决标注的数据量问题。也就是让AI来完成数据标注本身，不断优化数据集，从而让数据标注与准备效率百倍提升。
当然，数据还是开发者来准备，只是准备体验将获得巨大跃升。
二、开灶有火
AI模型的训练速度，关乎于AI算力的提供，也关乎于训练平台的路径优化。AI训练过程就像点火做饭，火够大当然炒菜更快。针对训练效率问题，ModelArts通过各类优化技术，达成了在同样的模型、数据集和同等硬件资源情况下，模型训练耗时降低一半——换句话说，这意味着同样算力可以供给多一倍的开发者使用。
三、厨具齐全
上面说过，AI最怕部署，有些AI模型甚至有“见光死”的特点。尤其面对部署在不同的软硬件架构上，给人一种东家借口锅，西家偷个铲的感觉。而基于全栈AI解决能力，ModelArts实现了一键推送模型到所有边缘、端的设备上的能力，并支持在线部署和批量推理，满足大并发和分布式这些最困难的部署方式。可谓一应出具俱全，做出什么菜式都不在话下。
四、还有厨房家电都能帮忙
AI开发者的最后问题，可能是机器学习训练中的技术门槛。针对于此，ModelArts不仅给出了明确的教学演练，还创造性地引入了AI自动学习功能，包括模型的自动设计与自动调参等，可以给开发者智能化帮助。
此外，ModelArts还实现了全流程可视化管理，不管丢在哪里的数据和模型都能准确找到，这也间接有利于AI黑想象的攻克。
这些蕴藏的“AI黑科技”，就像冰箱微波炉这些现代厨房神器，以AI开发AI，降低开发者技术门槛，或许是接下来新的潮流。
值得注意的是，华为云这次不光发布了“厨房”，还带来了“餐厅”。于是我们看到了机器视觉开发平台HiLens，以及离线开发套件Atlas 200 、量子计算模拟器与编程框架HiQ，让开发者可以模拟重要环境的实际应用场景。
据华为云介绍，ModelArts将在年底前上线，我们会第一时间带来上线评测。
全栈AI的第一个红利：
为什么ModelArts敢说“全生命周期”？
在采访中，华为云认为，目前业界的AI开发平台，问题是都相对场景单一，不够全面。而ModelArts则率先做到了全生命周期开发，可以支撑和管理AI开发当中的每一个环节。上面我们也说过，将割裂场景整合到一起，构成全生命周期AI开发，是ModelArts倒逼解决慢与贵的核心优势。
这里有个问题值得注意，相信也是大家所关心的：显然每个人都知道厨房更好用，不想去野地里做饭，那么为什么只有华为的ModelArts，在今天敢说自己是“全生命周期”？
我们或许可以这样理解：在华为全栈AI体系刚刚发布48小时，ModelArts与视觉AI应用开发平台HiLens、离线开发套件Atlas 200 、量子计算模拟器与编程框架HiQ四件套代表的AI开发平台已经变成了第一个红利级产品。事实上，ModelArts本身就是华为全栈AI体系的组成部分。与芯片、架构、AI使能平台紧密相连，从而能够一个场景跑通所有数据、训练、推理的需要。可以说是刚刚发布的华为全栈AI，探出的第一根触手。
其次，全生命周期的AI开发，算力是一切的基础。在昇腾芯片到来后，华为获得了能够组织大规模AI并联算池的机会，从而可以保证全场景AI开发运行无阻。这里有一个环环相扣的AI推导逻辑。
再者，我们确实可以看到，今天无论是世界巨头还是独角兽公司。所推的AI开发平台都是基于自身的业务考量。不会有公司推出一个与自己业务不想关，甚至自身能力之外的AI开发平台。所以我们看到AI开发场景，依然是东一榔头西一棒子的状态。
而华为云，则是围绕用户为中心打造了AI开发平台，以不让开发者奔波为第一思路。并且确实认真看了哪些复杂可以留给自己，找到了很多关键矛盾的背后逻辑，并将之消解化。这归因于华为的IT储备优势，但更归因华为云“复杂的归自己”以及“解决实际问题”两大核心理念。
对比之下，以往的AI开发平台，更多是以自身产业利益为视角构建产品，而不是以开发者为出发视角，或者说不具备以开发者为中心，清扫问题的产业条件。
当全生命周期的AI开发平台开始出现，本质上意味着某些AI产业的“黑历史”将开始瓦解。无论是华为云还是其他品牌，很快会让AI开发变成一个拼创意与想象力的游戏——而不是劳动力、资金成本与技术门槛相互竞底的搞笑节目。
未来的某个时刻，我们会回想起那段AI开发能开“吐槽大会”的日子，后辈会觉得简直不可思议，往事杯酒，几成笑谈。
但那时已经遍布AI的世界，却并不会笑我们。因为从钻木取火，到探索人工智能，历史会记住每一位开发者都是伟大的。