中国的“Databricks”们：打造AI基础结构，我们是认真的

AI落地最大的驱动因素是基础架构的升级。

近年来，大数据分析、AI等领域一直备受关注，常有引人关注的融资事件发生。美国数据科学公司Databricks刚刚在今年8月底完成了16亿美元H轮融资，其最新估值高达380亿美元，相比7个月前G轮融资时280亿美元的估值，又轻松增加了100亿美元。

Databricks“红了”，连带着“深巷里的美酒”——数据科学也得到了更多关注。虽然数据科学是一门复杂的学科，但如今已进入金融、工业乃至千行百业，这一过程其实也是AI从“可用”到“好用”的一个缩影。

“AI落地的关键，是其价值的彰显，以及寻找到适合的商业落地途径。”九章云极DataCanvas董事长方磊指出，“以前，人们认为算法可能是壁垒。但随着技术的快速迭代、开源开放，事实证明算法并非高不可攀，AI落地最大的驱动因素是基础架构的升级。”

AI基础架构升级刻不容缓

当前，中国正处于企业数智化转型的时代拐点。回顾信息化发展的历程可以发现，1980年-2000年，这是基础信息化时代，服务器、存储、操作系统、数据库等基础设施软硬件快速发展；2000年-2020年，进入到流程数字化时代，云计算开始大行其道，云成为基础设施，各类SaaS应用百花齐放；2020年以后，市场迈入新的阶段，其标志是“决策智能化”，相关领域包括数据科学平台、云原生数据仓库、开源技术等迎来爆发的机会。

决策智能化的实现，需要一个“智能化的底座”，也就是常说的AI基础架构。通过AI基础架构的不断完善和升级，AI应用落地的效率会更高，也更容易。“AI基础架构的价值就在于，它能够让企业在其上自主地开发AI应用。”方磊概括道。

AI落地的探索源于算法的创新，之后涌现出的一批AI企业，致力于为客户提供定制化的端到端的AI应用开发。这在无形中造成了AI落地的高门槛。随着各行各业对智能化的需求愈发迫切，AI已经成了众多行业头部客户的刚需。但是这些头部客户不仅业务规模庞大，而且十分复杂，其需求也各不相同。如果仍然沿用过去那种“千人千面”的定制化端到端应用开发模式，很难快速满足这些头部客户的业务需求，而且AI应用的门槛依然高高在上，客户始终掌握不了主动权。

“从各行业头部客户的需求来看，他们更希望围绕自身的业务开发自己的AI应用，这就需要一个自主可控的基础设施。”方磊表示，“依托AI基础架构，由企业自主开发AI应用，锻炼并形成自主的AI能力，这才是市场主流，也是AI应用落地的内驱力。”

（编辑：焦作站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!