當(dāng)今中國市場，企業(yè)和創(chuàng)新主體均對新技術(shù)始終保持高熱情，AI技術(shù)正向社會各領(lǐng)域加速滲透。據(jù)IDC預(yù)計，中國人工智能市場規(guī)模到2026年將超過264.4億美元。而從全球范圍來看，去年6月，Meta 發(fā)布關(guān)于實行“去中心化組織結(jié)構(gòu)”的人工智能（AI） 戰(zhàn)略轉(zhuǎn)型公告，指出將采取一種新的方式來開展和管理AI工作，即將原本的中央式AI 團(tuán)隊轉(zhuǎn)變?yōu)楦o密整合到各個產(chǎn)品組中的去中心化 AI 團(tuán)隊，同時專注于前沿研究。科技界巨頭的這一舉動印證了Bernard Marr等未來學(xué)家所注意到的一大趨勢：AI的專業(yè)性以及通過AI獲益的途徑正在變得民主化。得益于諸多工具（如谷歌的Vertex AI 和低代碼/無代碼平臺），AI正從核心的專業(yè)領(lǐng)域轉(zhuǎn)向業(yè)務(wù)前線。
以“去中心化”應(yīng)對專業(yè)勞動力短缺
如今的企業(yè)要利用AI取得真正的成功，一個顯著的挑戰(zhàn)在于如何在現(xiàn)有工具和創(chuàng)建AI應(yīng)用所需的技能之間取得平衡。有些供應(yīng)商專注于某些功能，為特定領(lǐng)域的AI工程師和研究人員提供工具。
AI研究的專業(yè)工具用例有很多（例如用于跨團(tuán)隊共享實驗的Weights & Biases以及幫助研究人員實現(xiàn)GPU 編排的Run: AI），而創(chuàng)建和生成應(yīng)用程序所需的高水平AI工程師和研究人員有限，難以跟上市場需求的發(fā)展。因此，如果說一方面我們看到了AI的去中心化，那么另一方面我們也看到了AI專家亟需新的工具幫助他們更快速地開展更多工作。
當(dāng)前的勞動力市場缺乏足夠的工程師正是工具得以發(fā)展的一大主要推動力。如果再細(xì)化到對有經(jīng)驗的AI工程師和研究人員的需求，這一勞動力短缺的問題則更為普遍，而當(dāng)前科技公司的裁員潮可能會導(dǎo)致原本就稀缺的AI人才進(jìn)一步流失。
隨著業(yè)界對AI技能需求的持續(xù)增長，各企業(yè)爭相成為其所在領(lǐng)域的“主導(dǎo)者”，力求通過“AI去中心化”實現(xiàn)AI應(yīng)用的開發(fā)，并部署到數(shù)以百萬計的邊緣設(shè)備（AIoT）。企業(yè)也愈發(fā)重視創(chuàng)建一個可在任何地方（云、本地、邊緣或混合部署）進(jìn)行AI數(shù)據(jù)處理的環(huán)境，例如NVIDIA的 Launchpad和微軟的 Azure IoT Hub。
為了同時滿足AI專家和非專家的需求，供應(yīng)商致力于提供完整的端到端的低代碼/無代碼和專業(yè)AI平臺。因為通用AI模型無法發(fā)揮最大成效，因此開發(fā)人員也需要與其專業(yè)水平和業(yè)務(wù)領(lǐng)域相匹配的工具，就像員工和團(tuán)隊需要具備符合行業(yè)所需的專業(yè)能力一樣。
如此一來，企業(yè)就能更多地專注于提升自身附加值，并讓專業(yè)的終端用戶能夠騰出時間開展AI研究等工作，讓一線員工承擔(dān)更高價值的任務(wù)。優(yōu)秀的AI不僅能夠提高人類的知識水平，還能使用戶能夠集中時間和精力專注于關(guān)鍵的工作和決策。
全新的現(xiàn)成AI工具讓專業(yè)及非專業(yè)群體共同受益
簡單的拖拽式低代碼/無代碼AI平臺是大勢所趨，讓經(jīng)驗豐富的AI專家和非專業(yè)人士能夠以不同的方式受益于這一趨勢，當(dāng)下也有這種平臺可以同時服務(wù)于不同群體。
對于專業(yè)人士來說，一些平臺提供了適合其專業(yè)水平的現(xiàn)成空間和經(jīng)過測試的模型，同時也為他們提供了發(fā)揮空間，讓他們能夠在非專業(yè)人員無法駕馭的環(huán)境中進(jìn)行按需構(gòu)建、測試和調(diào)整。對于非AI工程師來說，圖形拖拽式軟件使其不需要耗費大量時間學(xué)習(xí)代碼就能夠創(chuàng)建解決方案。
斑馬技術(shù)提供機器視覺和深度學(xué)習(xí)軟件平臺，可以簡化生產(chǎn)、倉儲和運輸環(huán)境中質(zhì)量檢測應(yīng)用的部署，同時也為經(jīng)驗豐富的程序員和數(shù)據(jù)科學(xué)家提供了創(chuàng)造自己的工作成果的空間。讓有經(jīng)驗的專家和非專業(yè)人士都能更便利、更直觀地獲取AI資源，企業(yè)可以顯著優(yōu)化整體運營流程中的分析和決策流程，并通過AI和其他技術(shù)及勞動力投資來實現(xiàn)高投資回報。
初創(chuàng)企業(yè)和大型企業(yè)面臨的機遇和挑戰(zhàn)
在未來 3-5 年內(nèi)，隨著無服務(wù)器功能和容器部署等基礎(chǔ)設(shè)施模塊的構(gòu)建逐漸成熟并成為主流，AI應(yīng)用程序開發(fā)和部署將越來越普遍。與此同時，收集訓(xùn)練AI模型所需的獨特數(shù)據(jù)集以及利用自身領(lǐng)域的經(jīng)驗來解決新用例需求的企業(yè)將具備顯著優(yōu)勢，因其無需從頭開始構(gòu)建應(yīng)用程序，也不需要那么多AI工程師和研究人員。
需要注意的是，這一發(fā)展對不同規(guī)模的企業(yè)意味著不同的機遇和挑戰(zhàn)。隨著AI的成本和所需技能水平的降低，進(jìn)入市場的成本也會隨之降低，因此初創(chuàng)企業(yè)會以更快的速度進(jìn)入市場，甚至以其解決方案顛覆市場；而另一方面，更大、更成熟的企業(yè)仍會擁有更多的人力和更多的資源。
未來，這些專業(yè)的AI工具也有可能被更大的企業(yè)收購以加速其自身平臺的發(fā)展。業(yè)界也許會出現(xiàn)幾個主導(dǎo)的企業(yè)，它們擁有低代碼/無代碼專業(yè)現(xiàn)成解決方案，這些解決方案成本較低，并且以大批量部署為前提。
無論如何，企業(yè)領(lǐng)導(dǎo)層和數(shù)據(jù)科學(xué)團(tuán)隊負(fù)責(zé)人都需要立即采取行動，以了解如何利用自身的數(shù)據(jù)和業(yè)務(wù)領(lǐng)域的經(jīng)驗，推動面向客戶的產(chǎn)品向前發(fā)展，否則將面臨落后的風(fēng)險。
更多精彩內(nèi)容歡迎點擊==>>電子技術(shù)應(yīng)用-AET<<
