紅極一時的計算機視覺、智能語音等AI算法賽道回歸冷靜，數(shù)據(jù)智能新領(lǐng)域變得更加炙手可熱。

隨著2022年東數(shù)西算工程、“數(shù)據(jù)二十條”等政策推出，數(shù)據(jù)的生產(chǎn)力要素地位更加凸顯，發(fā)展大數(shù)據(jù)產(chǎn)業(yè)成為數(shù)字經(jīng)濟發(fā)展的迫切要求。知名行研機構(gòu)IDC預(yù)測，2026年中國大數(shù)據(jù)IT支出規(guī)模將達359.5億美元（約合2438.13億元人民幣），復(fù)合增長率達21.4%。

前幾年AI企業(yè)落地以單一模態(tài)技術(shù)為主，比如以單純的圖象數(shù)據(jù)分析支持圖像識別、身份認證等應(yīng)用。近年隨著技術(shù)市場和應(yīng)用市場的逐漸成熟和深入，單模態(tài)、單模型難以應(yīng)對實際落地過程中復(fù)雜場景的需求，為數(shù)據(jù)智能的進一步發(fā)展提供了動力。

作為人工智能三大要素之一，數(shù)據(jù)正為AI產(chǎn)業(yè)帶來新的活力。面向新的2023年，多模態(tài)數(shù)據(jù)分析、可信AI、開發(fā)運維一體化有望成為產(chǎn)業(yè)發(fā)展的三大新趨勢。

一、打破數(shù)據(jù)孤島，多模態(tài)數(shù)據(jù)分析興起

進入十四五數(shù)字化轉(zhuǎn)型時期，我們看到政企行業(yè)數(shù)據(jù)的豐富程度和增長速度都很可觀，多模型、多模態(tài)數(shù)據(jù)成為AI產(chǎn)業(yè)發(fā)展的新特征。

隨之而來的是嚴重的數(shù)據(jù)孤島、知識壁壘，阻礙了AI落地進程。

以智慧零售場景為例，當(dāng)某商場需要從消費商品評價研究特定人群的消費偏好時，他們至少需要使用人群“關(guān)系”、消費“記錄”、商品“評價”等不同來源或形式的數(shù)據(jù)進行分析。按照傳統(tǒng)方法，這些數(shù)據(jù)通常來自不同數(shù)據(jù)模型的數(shù)據(jù)庫，而商場的分析團隊需要適配多種數(shù)據(jù)庫的連接、查詢、開發(fā)、分析技術(shù)等，不僅流程復(fù)雜、效率低下會帶來決策時效性差，而且數(shù)據(jù)不一致引起的決策誤導(dǎo)也容易出現(xiàn)。

在這種背景下，一種基于統(tǒng)一架構(gòu)的多模態(tài)數(shù)據(jù)分析工具應(yīng)運而生。

面向多模態(tài)數(shù)據(jù)分析需求，星環(huán)科技多模型大數(shù)據(jù)基礎(chǔ)平臺TDH9.0（Transwarp Data Hub）提出統(tǒng)一架構(gòu)：通過統(tǒng)一接口、統(tǒng)一計算引擎、統(tǒng)一分布式存儲管理系統(tǒng)、統(tǒng)一的資源調(diào)度，匯聚十種數(shù)據(jù)模型組合拳，打通了大數(shù)據(jù)業(yè)務(wù)全場景。

比如基于TDH9.0，前文提到的智慧零售數(shù)據(jù)分析難題將被解決，客戶能一舉實現(xiàn)跨三個表聯(lián)合分析，同時無需額外數(shù)據(jù)導(dǎo)出或者轉(zhuǎn)換，在準確分析的同時簡化開發(fā)流程和用戶操作。

值得一提的是，星環(huán)科技還通過知識圖譜平臺Sophon KG加持TDH9.0，增強多模態(tài)數(shù)據(jù)分析的認知智能化水平。

以金融行業(yè)為例，Sophon KG開發(fā)的圖像和自然語言處理模塊，支持從文本、圖像、關(guān)聯(lián)數(shù)據(jù)、表格數(shù)據(jù)等多種類型數(shù)據(jù)中，自動抽取和推理行業(yè)、公司及機構(gòu)名、地址、人名、產(chǎn)品、時間等實體、關(guān)系和事件，從而通過多模態(tài)數(shù)據(jù)分析幫助相關(guān)機構(gòu)智能化識別可疑交易、發(fā)現(xiàn)黑灰產(chǎn)團伙、畫像貸款人違約風(fēng)險、預(yù)測擔(dān)保人風(fēng)險等。

可以看到，多模態(tài)的數(shù)據(jù)分析已成為AI產(chǎn)業(yè)落地迫切需求。它有利于企業(yè)打破數(shù)據(jù)孤島，進而從數(shù)據(jù)這一底層生產(chǎn)要素推動AI向認知智能進化，以此幫人們解決場景更復(fù)雜的問題。

二、提倡數(shù)據(jù)流通交易，可信AI成剛需

隨著AI落地進入深水區(qū)，AI還面臨越來越多的可信挑戰(zhàn)。

比如AI模型可解釋性的缺乏限制了AI獨立應(yīng)用，系統(tǒng)如何在使用數(shù)據(jù)的同時保護用戶隱私，AI系統(tǒng)如何避免不穩(wěn)定性帶來的安全問題等，這些問題在近年來尤其凸顯，《新一代人工智能治理原則》、《人工智能算法金融應(yīng)用評價規(guī)范》《關(guān)于加強科技倫理治理的意見》等規(guī)范和標準相繼發(fā)布。

進入2022年，東數(shù)西算、“數(shù)據(jù)二十條”、數(shù)據(jù)安全法及個人信息保護法等政策制度的推出，全國多家數(shù)據(jù)交易所落成，讓數(shù)據(jù)生產(chǎn)要素的地位凸顯，數(shù)據(jù)交易和應(yīng)用有望迎來規(guī)模化階段。可信AI技術(shù)，是促進數(shù)據(jù)智能產(chǎn)業(yè)規(guī)模化的前提和保障。

為實現(xiàn)“數(shù)據(jù)-AI模型-業(yè)務(wù)”全鏈路的可信，星環(huán)科技提出了一種通用的可信AI治理框架T-DACM。楊一帆對智東西解讀道，這一領(lǐng)域具有“短板效應(yīng)”，任意一個數(shù)據(jù)處理環(huán)節(jié)出問題都會導(dǎo)致最終模型不可信。

為此，T-DACM框架覆蓋了AI開發(fā)應(yīng)用的全流程，從可信數(shù)據(jù)（Trusted Data）、可信算法（Trusted Algorithm）、可信計算（Trusted Computation）、可信管理（Trusted Management）四個層面，覆蓋了數(shù)據(jù)安全、模型安全、隱私保護、風(fēng)險控制、過程管理、可解釋性、公平倫理、追溯追責(zé)等AI熱點問題的解決方法。

T-DACM框架能有效提升模型精度、解決模型黑盒問題。比如，在某銀行授信系統(tǒng)案例中，據(jù)稱該方案助其模型精度提升至99.2%，失聯(lián)用戶率降低至0.4%，并通過引入模型可解釋模塊解決了客戶評分差異無法解釋等問題。

不過值得一提的是，從當(dāng)前產(chǎn)業(yè)發(fā)展進程來看，AI模型的黑盒仍未完全解開。因此，可信AI治理發(fā)展任重道遠，需要產(chǎn)業(yè)繼續(xù)完善可信AI框架并在實際場景中迭代升級。

三、數(shù)據(jù)流水線成熟，AI開發(fā)運維一體化

開發(fā)運維一體化，是2022年AI行業(yè)發(fā)展的另一大趨勢。

用數(shù)據(jù)科學(xué)賦能產(chǎn)業(yè)，說白了，就是通過數(shù)據(jù)特征提取、AI模型構(gòu)建提供分析服務(wù)，來促進業(yè)務(wù)降本增效、提升體驗。近年來，隨著數(shù)據(jù)和模型種類變多，散落在企業(yè)多個部門的管理和運維成本也在變高，面臨一系列挑戰(zhàn)。

對此，楊一帆認為，面向數(shù)據(jù)科學(xué)全流水線的轉(zhuǎn)型正成為一大新趨勢，數(shù)字化轉(zhuǎn)型的客戶需要開發(fā)運維一體化。

面向AI落地，星環(huán)科技推出了企業(yè)級AI能力運營平臺Sophon MLOps，圍繞企業(yè)AI模型接入、運營管理、持續(xù)訓(xùn)練的全生命周期，分別提供規(guī)模化集成管理、高效模型推理、模型監(jiān)控預(yù)警、模型性能評估、隱私安全保障等功能；同時，面向大數(shù)據(jù)開發(fā)，星環(huán)科技通過TDS（Transwarp Data Studio，星環(huán)大數(shù)據(jù)開發(fā)工具）提供DataOps能力；面向軟件開發(fā)，星環(huán)科技通過TDC（Transwarp Data Cloud，星環(huán)數(shù)據(jù)云平臺）提供DevOps和數(shù)據(jù)云服務(wù)能力。

楊一帆說，DevOps提供了一個開發(fā)集成的底座，DataOps提供了一個數(shù)據(jù)不停地集成開發(fā)的前提，MLOps進行AI數(shù)據(jù)分析方向的持續(xù)提升的使命。

通過將數(shù)據(jù)智能多個環(huán)節(jié)能力“連珠成鏈”，意味著產(chǎn)業(yè)流水線進一步走向成熟。可以預(yù)測，以星環(huán)科技為代表企業(yè)提出的全流程化的數(shù)據(jù)智能平臺如果深入實踐落地，有望促進產(chǎn)業(yè)生產(chǎn)力大大釋放。