随着大数据、数据中台的应用普及，技术和应用越来越往智能的方向发展，人工智能的发展必然促使大量的算法、模型的研究和应用，各大技术厂商提出和构建了AI中台，以满足快速发展的人工智能的发展和应用。那么AI中台是什么？随着人工智能技术的越来越广泛的应用、各个大的技术公司也相继产生了AI中台，那么AI中台是什么了？简单的说，当AI应用场景较多，上层应用需要下层的AI技术快速反应时，产生了AI中台，AI中台是为了减少重复的算法、模型工作，提升效率，降低成本，而产生一个技术平台。这个技术中台，通过抽象化各种算法和模型，下沉到AI中台中，当类似的AI应用场景需要使用的时候，快速的复用算法和模型，达到提升效率和降低成本的效果。2B:智能客服、AI外呼、服务机器人、内容生成、视频生成当不同的应用场景都需要进行算法模型的调用的时候，则需要AI中台进行支撑。AI中台需要具备以下几个特点才能满足以上的应用场景：
- 具备各种算法和模型，可以进行快速的拼装和组合，以达到一个复杂的应用场景
- 可以跟各大业务系统进行对接，业务系统，数据中台，开发工具等，以满足于快速的迭代和开发
AI中台一般是在数据中台的之上构建的，数据中台实现的是，业务数据化，数据资产化，资产服务化，流程自动化，场景驱动动化的目标，那么AI中台实现的目标是：算法复用化、服务标准化、流程自动化，管理统一化。
AI中台，一般情况下是在构建了数据中台和业务中台，在进行了大量的算法和模型的研发之后，从数据中台抽离出来沉淀的AI中台，主要包括用以管理训练数据的数据中心，管理各种算法模型的模型库，对模型进行算法训练的流程和工作流管理的管理平台，最后为将算法训练完成之后发布到线上环境的工作流程和模型管理。AI中台需要具备管理算法完整生命周期的功能。同时也需要具备和业务中台，数据中台、上层应用进行能力调用的能力。
目前市场上比较有名的AI中台有：阿里云的机器学习 PAI，华为的modelArts、百度的easyDL、美林数据的tempoAI、厦门渊亭的DataExa。这些AI中台都已经实现了以上描述的算法复用、服务标准、流程自动化、可视化管理，但他们服务的业务方向不同：阿里云主要服务的方向为：面向智能语音、视觉图像、自然语言处理、风险控制、智能推荐、用户增长等领域华为的modelArts主要服务的方向为：智能推荐、领域数据研究、质量检查百度的easyDL主要服务的方向为：图像处理、文本处理、语言处理、OCR处理、视频处理、结构化数据处理包括回归、分类、聚类、关联、时间序列、文本、深度学习、综合评价。厦门渊亭的DataExa的主要服务方向：主要构建了数据标注、数据推理、建模训练、数据探索、AutoML几个产品。整体上来看，阿里云的机器学习 PAI和百度的easyDL的AI中台相对比较成熟，面向具体的应用场景积累很多算法和模型，应用更加成熟。AI中台在应用方面的优势主要体现在，大厂构建的AI中台中积累了大量的算法模型和配套的环境和训练数据，如果单个企业并不需要大量的算法进行构建以满足需求的情况下，可以使用这些AI中台进行模型的微调和应用以降低开发和运维的成本，但另外一个方面，由于是通用的AI中台，不能满足所有的应用场景，设计到部分的定制开发，虽然AI中台都有可视化，流程化的界面可以操作，但由于目前AI中台由于门槛还是比较高，业务人员比较难以上手，不容易使用起来，而算法工程师可能更偏向与自动调整代码的方式来调正算法的精准度，所以AI中台应用普及还并不高，但是在算法的监控，运维和代码权限，还有有一定的应用场景。
原文作者：Ruby的数据漫谈；如有侵权，请联系管理员删除。
