在企業(yè)數(shù)字化轉型的浪潮中，對于AI等新技術的應用，先進與落后的企業(yè)之間，會有多大的差異？

與南方電網(wǎng)廣東能源技術公司過去一年的合作中，百度為其提供全方位的AI支持，更多地解決了堪稱“苛刻”的業(yè)務場景訴求。

這個案例，僅是百度AI在電力能源行業(yè)的一次成功下探，其背后，卻離不開作為時下國內(nèi)廣受企業(yè)級開發(fā)者追捧的開源深度學習平臺“飛槳”（PaddlePaddle）的支持。 

究竟什么樣的企業(yè)需要深度學習平臺？或許可以站在兩個層面來回答：一是在開發(fā)層面，好的深度學習平臺大大降低了企業(yè)和個人開發(fā)者構建AI應用難度；一個是在業(yè)務層面，利用AI創(chuàng)新應用的企業(yè)，尤其是在傳統(tǒng)領域，它們最終的目的是通過新技術顛覆現(xiàn)有的商業(yè)模式。

一個大的趨勢是，國內(nèi)企業(yè)信息化、數(shù)字化、智能化轉型正呈現(xiàn)一種“三化融合”的狀態(tài)。即利用互聯(lián)網(wǎng)、云技術實現(xiàn)企業(yè)業(yè)務在線，利用數(shù)據(jù)處理技術為企業(yè)構建數(shù)據(jù)中臺，以及利用機器學習、深度學習等AI手段，深入挖掘數(shù)據(jù)的價值。

正如百度首席技術官、深度學習技術及應用國家工程實驗室主任王海峰所言，“深度學習正在推動人工智能進入工業(yè)大生產(chǎn)階段，具有很強的通用性，同時具備了標準化、自動化和模塊化的基本特征，推動人工智能技術從實驗室走向產(chǎn)業(yè)，并且越來越大規(guī)模使用起來。而深度學習技術和平臺也在不斷發(fā)展，在未來的時間里也將繼續(xù)發(fā)揮重要作用?！?/p>

那么，為什么飛槳能成為廣東電科院能源技術公司智能裝備賦能的首選呢？我們先來看看電網(wǎng)公司在電力巡檢環(huán)節(jié)所面臨的挑戰(zhàn)。

巡檢機器人的“火眼金睛”

實際上，飛槳與廣東電網(wǎng)合作的契機源自于當前廣泛應用于電力行業(yè)的巡檢機器人。傳統(tǒng)的巡檢方法主要依靠人工巡視，而電力機器人可以代替人工從事高危險性和高重復性的工作。

其中表計讀取是電力機器人巡檢的一項重要工作內(nèi)容，傳統(tǒng)圖像識別方法由于復雜背景、光線條件等因素，會影響到檢測與識讀的準確率。 

為此，廣東電網(wǎng)利用飛槳平臺的技術優(yōu)勢，與百度聯(lián)合開發(fā)了電網(wǎng)特定場景下讀取表針的圖像的語義分割技術，并應用到智能巡檢機器人身上，使其表計的深層次特征提取能力大大提高，方法的準確率和魯棒性顯著提升，在表計目標檢測、示數(shù)讀取等方面的效果尤為顯著。 

一組數(shù)字是，從6小時的人工巡檢變?yōu)?5分鐘的巡檢結果復核，實現(xiàn)對輸變電設備的實時檢測和分析。

實際上，飛槳EasyDL定制化訓練和服務平臺（經(jīng)典版）也可以應用于巡視電線是否破損、是否有鳥窩等場景。

“EasyDL這項服務是相對輕量級的，不需要技術的深度對接，但表計識別這個場景，對技術的依賴還是蠻深的?！闭劶芭c廣東電網(wǎng)的合作，百度深度學習技術平臺部總監(jiān)馬艷軍感慨頗多，“關鍵在于，飛槳是貼近核心業(yè)務場景的，像對輸變電設備進行巡檢，是電力行業(yè)共同的痛點?！?nbsp;

這恰恰說明，針對企業(yè)中不同難度的場景訴求，飛槳提供的產(chǎn)品形態(tài)也不相同，核心都是為輔助客戶真正解決問題。

與此同時，參與合作的廣東電網(wǎng)的工程師楊英儀博士還是百度黃埔學院的學員，通過在黃埔學院的學習，從深入學習的入門者成為了飛槳平臺的優(yōu)秀開發(fā)工程師，快速成長為廣東電網(wǎng)智能巡檢機器人重大攻關團隊在AI領域的骨干成員。這也是飛槳既能授之于魚，也能授之以漁的思路。盡管企業(yè)具有豐富的 AI 技術應用與落地場景，擁有深度學習所需的數(shù)據(jù)和技術條件，但他們在理論及技術應用方面都存在不小的挑戰(zhàn)。

從技術到業(yè)務再到人才的賦能，這很好地形成了一個閉環(huán)。

飛槳的持續(xù)進化

從目前來看，企業(yè)選擇飛槳，大多還是為了滿足特定的應用場景需求，但飛槳也在根據(jù)實際場景中的用戶訴求，不斷著完成自我進化。不同于單純面向開發(fā)層面的深度學習框架，飛槳早已躍遷到了面向產(chǎn)業(yè)級深度學習開源開放平臺的定位。

在最新公布的飛槳1.6版本中，9項新品以及12項產(chǎn)品升級，我們洞察到了更面向場景、面向應用的飛槳。 

其中重要的新品發(fā)布包括：4項端到端開發(fā)套件：NLP領域的ERNIE語義理解，CV方向的PaddleDetection目標檢測和PaddleSeg圖像分割，推薦方向的ElasticCTR點擊率預估；端側推理引擎Paddle Lite 2.0版本；3項工具組件：聯(lián)邦學習PaddleFL、圖神經(jīng)網(wǎng)絡PGL和多任務學習PALM；以及新推出了EasyDL專業(yè)版。

如今飛槳能夠提供完備的工具組件、面向應用任務的產(chǎn)業(yè)級開發(fā)套件，以及支持低門檻應用深度學習技術的多個服務平臺。最新數(shù)據(jù)顯示，在飛槳深度學習平臺上已經(jīng)累計服務了150多萬開發(fā)者，并有超過6.5萬企業(yè)用戶，僅在定制化訓練平臺上就發(fā)布了16.9萬個模型。

從2016年開源到如今，飛槳一直在成長，這實際上是源自開發(fā)者的訴求?！坝衅脚_、被使用，反過來，平臺自然而然地就不斷得到升級和推動，”百度AI技術平臺體系執(zhí)行總監(jiān)、深度學習技術及應用國家工程實驗室副主任吳甜向雷鋒網(wǎng)表示。

目前在工業(yè)、物流等場景中涌現(xiàn)出了諸多AI訴求，也是飛槳落地較多也相對成熟的，這是否意味著是飛槳接下來重點深入的領域？ 

“深度學習技術本身是很通用的，飛槳本身希望能夠成為底座，但在推進行業(yè)的過程中，像面向場景的端到端套件，本身就帶有行業(yè)和場景的特點了?！眳翘鸹卮鸬馈?/p>

可以看出這一邏輯，飛槳本身作為深度學習平臺所具備的靈活性，決定了面向不同的場景可以提供更多的定制化服務。不同層次的開發(fā)者對深度學習平臺的應用本身就有不同的訴求，比如，具備一定AI技術背景的開發(fā)者，可以選擇開發(fā)套件進行二次開發(fā)；反之，可以選擇諸如EasyDL、EasyEdge這樣的服務平臺直接上手使用。

未來，無論飛槳面向更多企業(yè)核心訴求推出的可滿足二次開發(fā)的套件，還是滿足不同終端部署訴求的高性能處理引擎，亦或是服務更多不具備AI技術背景的開發(fā)者，其本質問題都是為了降低深度學習的門檻，讓飛槳更加貼合到傳統(tǒng)企業(yè)的業(yè)務線中。 

回到上文中飛槳在電力行業(yè)的應用，是偶然，也是必然。 

圖注：PaddleSeg覆蓋了DeepLabv3+, U-Net, ICNet三類主流的分割模型，通過統(tǒng)一的配置，幫助用戶更便捷地完成從訓練到部署的全流程圖像分割應用。

例如，圖像分割PaddleSeg開發(fā)套件，除了用于智能巡檢機器人外，在工業(yè)質檢中的零件分揀、瑕疵分級、農(nóng)業(yè)中地塊分割、自動駕駛中的車道線分割等有著豐富的應用場景；再比如，目標檢測PaddleDetection開發(fā)套件，可以應用于安防監(jiān)控中的行人監(jiān)測、智慧交通中的人流車流統(tǒng)計、商品檢索等場景。 

我們還注意到，飛槳在底層芯片、服務器的適配上，除了與華為HiAI建立更全方位的合作外，還將引入寒武紀、比特大陸、FPGA、NPU等更多芯片。

飛槳真正意義上開始走向工業(yè)級成熟。

飛槳在成長，企業(yè)也必須成長

得益于政策的推動及技術成熟，近兩年深度學習正從實驗室走向產(chǎn)業(yè)大規(guī)模通用，無論是部署于質量管控端的良品率提升，還是企業(yè)戰(zhàn)略決策端的管控和經(jīng)營決策，已經(jīng)有了一批先行者。

但是，有個前提需要關注。根據(jù)2018年9月埃森哲公布的《中國企業(yè)數(shù)字轉型指數(shù)》顯示目前只有7%的中國企業(yè)轉型成效顯著，一個關鍵指標是過去三年企業(yè)新業(yè)務的營收收入占總營收占比超過50%。

不少企業(yè)惶恐，說轉型是找死，不轉型就是等死，因此如何在轉型的同時實現(xiàn)企業(yè)自身的平穩(wěn)運營成為當前企業(yè)面臨的難題，更何況是從數(shù)字化向智能化的躍遷。是信息化、數(shù)字化、智能化三化并行，還是智能化先行？

對此，吳甜認為，“不同于美國是從信息化、數(shù)字化、智能化一步步推進的，在中國，能看到大量企業(yè)正在同步或者很短時間內(nèi)快速進行三化的轉型。不過信息化、數(shù)字化、智能化本身相互聯(lián)系，需要整體性推進，一個企業(yè)如果還沒有做到信息化、數(shù)字化，很難就直接躍升到智能化，或者就只是做一些單點的智能化，形不成系統(tǒng)。”

但這也側面說明，中國整個市場的想象空間是非常巨大的，關鍵在于誰把握住了機遇。飛槳可以看做是智能時代的操作系統(tǒng)，上承模型開發(fā)和應用、下接基礎芯片硬件。這或許才是飛槳的機會。

當然，飛槳也需要等待部分企業(yè)的成熟。一方面，企業(yè)需要有對AI硬件和底層框架有深入了解的人才，以滿足面向業(yè)務需求的開發(fā)；另一方面，企業(yè)應用單點智能技術的前提，也是因為他們不可能一下就將原有設備替換成智能設備。此外，數(shù)據(jù)、技術基礎、業(yè)務流程、競爭力、監(jiān)管等，企業(yè)同樣存在各方面的擔憂，其智能化轉型的目標也必須符合當前企業(yè)發(fā)展的戰(zhàn)略規(guī)劃。

更為廣泛的，在制造、能源、金融、教育、醫(yī)療等各個領域，越來越多的場景正在涌現(xiàn)、值得挖掘，等待與百度飛槳一同成長。（雷鋒網(wǎng)）

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。