如果以 2006 年亚马逊发布第一个云服务 S3 算起，云计算已经诞生了 13 年，而在最近几年，随着 AI 技术快速发展，云与 AI 的结合，正在释放全新的计算和智能红利。

这也是上周华为智能计算大会传达出的信号，在这场会议上，华为云中国区总裁洪方明介绍了华为在「云+ AI」的探索以及一系列进展，洪方明透露，仅在过去半年，华为云客户数量增长了 33 倍，超过 170 万企业客户和开发者选择了华为云。

另据公开资料显示，IDC 公布的最新数字中，华为云以营收超过增长超过 300%，PaaS 市场份额增速近 700% 的成绩进入中国云计算市场前五，同时也是全球市场增速最快的云计算公司。

上述成绩的背后，充分展现了华为「云+AI」战略的正确性，自 2018 年确立 AI 战略之后，华为基于鲲鹏生态，打造了从芯片到服务器的 AI 基础设施，不久前发布的晟腾 910 芯片，无论是算力还是功耗都领先行业，与此同时，华为还持续构建了全栈全场景的 AI 解决方案和产品，满足企业、开发者对于 AI 的多样化需求。

在华为云一系列 AI 产品中，AI 开发平台 ModelArts 的重要性不言而喻。一方面，ModelArts 往下对接 AI 开发框架，如 Tensoflow 以及华为即将开源的 MindSpore，往上则与 AI 通用技术、行业方案协同；另一方面，ModelArts 作为一站式 AI 开发平台，其产品体验、技术以及整合能力如何，部分意义上也决定着 AI 开发者对于华为云 AI 能力的认可度。

那么，华为云 ModelArts 的技术能力到底如何？在全球日益增长的云端机器学习开发需求中，ModelArts 是否能继续推进华为「云+AI」的战略，并在未来「云+AI+5G」的技术潮流中抢占制高点呢？

在回答这些问题之前，不妨先从行业视角去看看当下机器学习开发的现状以及所面临的挑战与机遇。

机器学习开发的痛点

与过往几十年成熟的软件开发相比，机器学习开发有着极其鲜明的特点，比如它需要海量的数据做支撑，对于绝大多数中小企业和个人开发者而言，业界多个开源数据集或许可以满足基本需求。

其次，机器学习开发对于计算能力的需求非常大，如果在本地通过 GPU 训练模型，且不说价格有多昂贵，只说当下机器学习模型算力的发展速度，早已超越了摩尔定律「18 个月翻一番」的行业规律，根据 2018 年 OpenAI 的调查数据，自 2012 年开始，机器学习训练所用的算力需求，平均每 3.43 个月便会翻倍。

这意味着，使用本地 GPU 训练机器学习模型是一个「无底洞」，成本高昂、训练效率低下。剩下的选择就只能依靠云端，这也是过去几年Google、亚马逊、阿里相继推出基于云端的机器学习平台的原因所在。

但面对如此多的平台选择，企业和开发者不得不面临一系列新问题。比如，在 Google 等海外云服务没有落地国内的背景下，如何解决机器学习模型训练与部署的时延问题？再比如，中美两国人工智能开发、创业的大环境有很大差异，海外这些云端服务的 AI 能力到底能多大程度满足中国开发者的开发需求，这些都是一个巨大的问题。

更重要的一点，机器学习开发是一个复杂的流程，在这个流程里，涉及到数据收集、数据标注、模型训练、算法调参优化、模型部署等多个阶段，不同阶段有着不同的计算需求，比如，由数据科学家和机器学习研究人员完成模型构建和训练，而部署则由软件工程师、机器学习工程师和数据工程师来完成，再比如，模型训练通常由多人在多台虚拟服务器上完成，而部署模型需要具备扩展能力，能够处理海量的 API 请求。

上述几点，构成了当下机器学习开发领域的几个痛点，这对所有云端机器学习平台而言都是机会，接下来我们来看看华为云 ModelArts 如何破解这些痛点，从而实现机器学习一站式开发的愿景。

三大优势使能机器学习开发

云计算的出现，改变了过往技术基础设施的计费模式，按需付费或按时付费成为云时代最显著的商业特征。上文也提到，机器学习对于计算能力的需求非常大，那么如何缩短云端机器学习的时间，加快模型训练、模型部署的进程，成为摆在包括华为云 ModelArts 在内的所有云端机器学习平台面前的一道难题。

华为云的工程师通过技术突破解答了这道难题。2019 年 3 月份，在斯坦福大学发布的最新 DAWNBench 榜单里，华为云 ModelArts 获得图像识别训练和推理性能双料冠军，将模型训练时间大幅缩减的同时实现了超强推理性能。

来看一组具体数字，在训练性能方面，ResNet50_on_ImageNet 上的测试结果显示，当采用 128 块 V100 时，华为云 ModelArts 上模型训练时间仅需 4 分08 秒，与 2018 年 12 月创下的 9 分 22 秒纪录相比又快了一倍，比此前 fast.ai 在 AWS 平台上的训练速度快 4 倍；在推理性能方面，华为云 ModelArts 识别图片的速度是排名第二厂商的 1.7倍、亚马逊的 4 倍以及 Google 的 9.1 倍。

斯坦福大学 DAWNBench 是全球人工智能领域最权威的竞赛之一，是用来衡量端到端的深度学习模型训练和推理性能的国际权威基准测试平台，华为云 ModelArts 能取得这样的成绩，展现了其在机器学习平台的技术优化能力，通过技术创新降低机器学习平台的使用成本，最终将技术红利让给企业和开发者。

另一方面，AI 的快速发展，必须要降低 AI 技术门槛，特别是机器学习模型训练、部署的技术门槛。华为云 ModelArts 也践行了华为公司「把复杂留给自己，把简单带个客户」的理念，内置了自动（机器）学习特性，通过算法实现模型训练的参数自动化选择和模型自动调优，让零 AI 基础的业务开发者快速完成模型的训练和部署，甚至在一些场景中可以实现零代码开发 AI 模型。

其次，如果说技术创新为开发者降低了技术门槛与使用成本，那么 ModelArts 在 AI 全流程开发的平台能力，则解决了开发者在机器学习冗长流程的众多难题。

这里不得不提 ModelArts 的「前世」，作为从华为内部衍生的产品，ModelArts 也是华为内部 AI 开发能力的集中展现。华为内部拥有众多算法工程师、AI 开发者以及AI 工程人员等，他们能够理解 AI 开发过程中数据标注与准备、模型训练、模型调优、模型部署等流程的关键点，因此，最终提供给企业和开发者的产品也具备了一站式的 AI 开发能力。

比如，为了解决机器学习中数据标注耗时耗力的行业难题，ModelArts 通过内置 AI 数据框架，以 AI 机制来治理数据，再通过迭代训练解决标注的数据量问题，这在数据量较大的场景中可百倍提升数据标注效率。

而在模型训练和部署阶段，除了上文提及的部署时间缩短之外，ModelArts 已实现一键推送模型到所有边缘、端的设备上，云上的部署还支持在线和批量推理，可满足大并发和分布式等多种场景需求。

更进一步，ModelArts 还拥有全流程可视化管理，可以帮助开发者快速了解模型训练的进展，ModelArts 提供了从数据、算法、训练、模型、服务全流程可视化管理，通过任意一个对象查看这个流程，真正做到了工作流的可视化。

与此同时，利用混淆矩阵和热力图，开发者还能在模型训练结束后拿到一份可视化的模型评估报告，帮助企业和开发者快速进行评估模型或模型优化。

其三，从技术创新到产品全流程，ModelArts 还在生态使能上有自己的思考。AI 市场就是其中一例，这是一个基于 ModelArts 构建的开发者生态社区，提供了 AI 模型、API 交易、数据、竞赛案例等内容共享功能。

在这个市场，不管是科研机构还是 AI 应用开发商、解决方案集成商，抑或是不同行业不同类型的企业，都可以快速找到符合自身需求的技术或商业机会，有效连接 AI 开发生态链各参与方，加速 AI 产品的开发与落地，也保障了 AI 开发生态链上各个参与方的商业利益。

正是在技术、平台能力以及生态层面的使能，华为云 ModelArts 自发布以来很快拥有了大量「粉丝」，已应用在医疗、智能制造、自动驾驶、智慧城市、建筑、园区等场景中，帮助包括金域医学、广联达、云庐科技在内的众多企业及开发者加快 AI 训练和部署，推动这些领域踏上 AI 的快车道。

写在最后：云+AI+5G的变革才刚刚开始

过去几年，业界普遍认为，AI 是一项通用目的技术。这意味着，所有行业都有可能被 AI 带来的技术与理念所重构，这是技术进步带给产业的全新机会。

华为自 2018 年确立全栈全场景的 AI 战略之后，打造了一系列聚焦 AI 的底层产品到平台能力，逐步覆盖 AI 芯片、AI 框架、AI 开发平台等完整的 AI 技术架构，与华为在云、5G 的技术和产品优势一起，使能各行各业，推动行业数字化、智能化的变革。最新的消息是，华为将担当建设唯一基础软硬件国家 AI 开发创新平台的重任，这也是国家层面对于华为 AI 技术能力的认可。

而 ModelArts 作为贯通 AI 底层架构与 AI 基础能力的开发平台，也肩负着使能各行业 AI 开发流程与生态搭建的平台使命，在 5G 技术红利逐步显现的当下，ModelArts 的技术、平台能力以及生态建设，已然构成了华为云在 AI 领域迅速发展的先锋部队。当普通用户都可以以极低成本训练一个模型，当企业级开发者可以一站式完成复杂模型的训练与部署，当开发者与企业实现 AI 开发的商业价值，选择华为云 AI 开发可谓正当时。

在这条目标明确的赛道上，华为云的 ModelArts 正快速奔跑。（完）