AI 使能行業智能化，智能促進行業 IoT 化。隨着 5G 時代的到來，AI 和 AIoT 成了很多企業、開發者都繞不開的話題，但在上手時又會稍顯迷茫，找不到無障礙解鎖的方式……

我們常說的「AI+」、「AIoT」門檻到底有多高？有人重金僱傭百萬年薪 AI 技術專家依然收效甚微，但有人不懂 AI 也能十幾天做出一款 AI 應用。二者的差別究竟在哪兒？

11 月 14 日，華爲雲技術專家來到了上海，在 DevRun 開發者沙龍上介紹了他們幫助企業快速獲取 AI、AIoT 能力的兩件利器——華爲雲 ModelArts 和華爲雲 AIoT 全棧生態鏈。

開發 AI，未必需要懂 AI

我們常用的 Excel 其實是一個神奇的工具，小學生可以用它算自己的期末成績，數據分析師可以用它來分析成千上萬行數據。也就是說，用的人不一定要懂，懂的人也能用它提高效率。如果 AI 領域的工具也能做到這一點，我們常說的「AI+」還會遙遠嗎？

說到 AI，離不開算力、算法和數據，但這並不等於，有了這三件法寶，你就能自己動手開發 AI 項目。在傳統行業，很多人手裏都有一堆現成的數據和通用算法，算力也可以通過雲端來獲取，但如果真要上手做一個 AI 項目，大部分人都感覺無從下手。

這種「迷茫」長期以來困擾着很多傳統行業和非 AI 領域的開發者，以至於他們一想到「AI」，首先想到的就是「算法專家」、「數據科學家」，好像「AI 開發」這件事和他們之間天然地存在一道無法逾越的壁壘。

其實，這種距離感來自很多方面。首先是數據，傳統行業已經積累了大量數據，但要真正利用，還要經歷數據篩選、標註等一系列繁瑣的步驟。其次是算法，AI 領域確實有一些通用算法，但如果落地到具體場景，這些通用算法的準確率可能達不到要求。而如果自己定製算法，往往要花費很長時間，而且，很多中小企業其實並不具備自己開發算法的能力，需要高薪聘請算法專家。最後是部署，全場景部署需要針對不同的場景打造不同的部署方案，這使得整個 AI 項目的上線週期被進一步拉長。

所以總體來看，非 AI 領域的人士要想解鎖 AI 技能，首先需要一個能夠克服以上種種障礙、貫穿整個開發流程的工具。對於平時不寫代碼的普通人，這個工具要像 Excel 一樣可以無障礙打開；對於專業人士，這個工具要能夠降本增效。華爲雲一站式 AI 開發平臺 ModelArts 就是在這樣的需求和背景下誕生的。

在上海站的 DevRun 開發者沙龍上，華爲雲 EI 開發者生態經理林旅強介紹了 ModelArts 的關鍵能力。

ModelArts 是一款覆蓋整個 AI 項目開發流程的低門檻工具。

首先，它打通了從「數據標註」到「模型部署」的整個 AI 項目開發流程。在數據方面，ModelArts 智能 AI 數據標註框架所提供的智能數據篩選、自動預標註、團隊標註支持等大大提高了標註效率；在訓練方面，ModelArts 訓練平臺內置 9 大類算法，100 多種算子，還支持夥伴算法導入；在推理方面，ModelArts 推理平臺支持多廠商多框架多功能模型統一納管，雲、邊、端各種部署場景以及案例挖掘，可以實現統一管理、靈活部署和迭代式模型更新。爲了方便開發者共享 AI 模型，華爲雲 ModelArts 團隊還開發了 AI 市場。

其次，這是一款真正的「低門檻」AI 工具，其特有的「自動學習」功能將開發 AI 模型的門檻降到了幾乎人人可用的地步，只需三步就能定製一個 AI 模型，做到了真正的「零代碼」AI 開發。

當然，對於原本就有 AI 基礎的專業開發人員，ModelArts 也提供了多種開發環境、多種操作流程和模式，方便開發者編碼擴展，快速構建模型及應用。目前，ModelArts 支持 TensorFlow、Spark_MLlib、MXNet、Caffe、PyTorch、XGBoost-Sklearn、MindSpore 等深度學習框架，還支持主流 GPU 和自研 Ascend 芯片，能夠滿足高級開發者的各種需求。

從林旅強的介紹中我們可以總結出 ModelArts 的設計理念：從橫向來看，它面向的是不同經驗的 AI 開發者，無論是業務人員、行業專家還是 IT 工程師都能借助 ModelArts 開發 AI 項目，提高工作效率；從縱向來看，ModelArts 覆蓋 AI 開發的各個環節，數據處理、算法開發、模型訓練、模型部署都可以在 ModelArts 上完成，中間無需轉換工具。

在 Windows 系統誕生之前，只有記得住一大堆命令的人才有可能利用電腦解決問題。而如今，就連 SpaceX「龍」飛船都換上了操作更簡單的觸摸屏。新工具的出現是技術普惠的重要條件，也讓更多人親手觸到了未來。

做 IoT，離不開 AI

在 5G 時代，AI 和 IoT 結合得越發緊密。一方面，IoT 設備收集了海量的數據，這些數據需要通過 5G 迅速傳輸到數據中心或直接在邊緣進行處理，而這兩種方式又都離不開 AI，也促進了 AI 算法的迭代；另一方面，AI 讓 IoT 收集的數據產生了價值，促進了商業閉環，而商業閉環又導致越來越多的資金或能力投入到物聯網，從而反向促進 IoT 化。

可以說，在 5G 時代，AI 和 IoT 是相輔相成的。因此，我們將它們合在一起，稱爲「AIoT」。AIoT 已經成爲傳統行業智能化升級的最佳通道，是物聯網發展的必然趨勢。

在萬物互聯的時代，AIoT 擁有廣泛的應用場景，但也面臨着一些挑戰。在這場 DevRun 開發者沙龍上，華爲雲 IoT 生態高級專家李亞琛指出了其中的一些痛點。

第一個痛點是數據，和 AI 領域一樣，AIoT 領域的數據也存在一些問題，比如數據元素、格式混雜；各廠商的數據只能針對有限的應用場景，彼此之間難以互通。

第二個痛點是標準 / 架構不統一。在現實的應用場景中，不同的場景可能應用不同的設備、通信網絡和協議，如何把這些設備通過統一的方式接入物聯網是一個具有挑戰性的問題。

第三個痛點是行業鏈條長，協調難度大。整個 IoT 鏈條涉及芯片、操作系統、模組、設備、邊緣、網絡雲服務、應用等模塊，中間可能涉及多個供應商，每家廠商都有自己的場景。把這些場景串聯到一個項目中需要付出巨大的人力溝通成本。而且，一個項目做完之後很難推廣到其他項目。

第四個痛點是安全可信性低。物聯網設備深入到生活中的各個角落，如何防止它們收集的數據被盜用、濫用是一個非常敏感的問題。

面對這些挑戰，華爲雲啓動了 IoT 全棧雲服務，覆蓋端、邊、管、雲、行業，提供低功耗、低時延、高安全、高可信、高併發的極簡聯接服務，預置行業數據模型的一站式物聯網數據分析服務、豐富的行業使能套件及端到端安全服務。

IoT 聯接服務可以實現設備的統一接入和管理。在端側，華爲雲針對 IoT 終端設備資源受限、算力低等特點提供了輕量級 AI 推理框架 MindSpore Lite。該系統允許把已經訓練好的 AI 模型部署在裏面，適配上千款設備。在邊緣側，爲了解決數據爆炸和數據的安全性問題，華爲雲的 IoT Edge 可以實現數據的就近處理，滿足行業在實時業務、應用智能、安全與隱私保護等方面的基本需求。在雲端，華爲雲 IoT 雲服務提供設備全場景、泛網絡、泛協議的接入能力、單點發放管理的設備發放能力和就近接入雲站點的全球 SIM 聯接服務。

IoT 數據分析服務可以幫助用戶處理和分析物聯網數據，實現數據快速變現。這項服務針對的痛點是 AI 開發的高門檻問題，將 IoT 數據集成、清洗、存儲、分析、可視化集成到一起，爲 IoT 數據開發者提供一站式服務。這項服務還提供了豐富的分析算子，用戶可以通過拖拉拽的形式把算子流程編排起來。

IoT 行業使能服務主要面向應用開發。它豐富了行業使能套件，簡化了 ISV 應用開發難度，可以幫助用戶實現商業閉環。

面對 IoT 設備安全性面臨的挑戰，華爲雲構建了設備安全接入、安全隱私和端、邊、管、雲安全協同的 E2E 防禦體系。

除了這個全棧雲服務，華爲雲還聯合端 - 管 - 邊 - 雲 - 用的產業鏈夥伴發起了 AIoT 產業聯盟，希望聯合全球 AIoT 領域的合作伙伴、標準產業組織、開源組織、科研機構等，共同培育萬物互聯的黑土地，助力物聯網產業發展。目前，華爲雲已經參與制定了 20 多項 IoT 行業標準，爲避免產業碎片化做出了貢獻。

在上個月舉辦的第三屆數字中國建設峯會上，華爲雲分享了 IoT 領域的最新戰略：聚焦物聯網底層能力，從技術和商業兩個層面，使能三個聯接——聯萬物，聯生態，聯行業，攜手夥伴構築 IoT 行業解決方案，使能千行百業的智能升級。

實操演練：ModelArts 實現垃圾分類 + 智慧煙感快速接入華爲雲 IoT 平臺

在聽完 ModelArts 和華爲雲 IoT 平臺的介紹之後，現場的開發者對這兩個平臺的能力已經有了一個基本的把握，接下來就到了上手體驗的環節。

第一個實踐項目要求開發者基於 ModelArts 快速搭建一個垃圾分類模型，雖然我們前面提到了 ModelArts 的自動學習可以 0 代碼快速開發 AI 模型，但我們決定把自動學習案例作爲課後作業留給開發者小夥伴們回去體驗，現場的案例我們來個「有點挑戰」的！

雖然說「有點挑戰」，但本次實操在開發者環節仍無需編寫代碼，而是基於 ModelArts 的 AI 市場，我們直接從 AI 市場下載其他開發者們共享的垃圾分類訓練代碼及數據集，然後使用 ModelArts 的訓練管理和模型管理功能，通過簡單配置就可以快速的將數據集訓練成指定的模型，並部署上線使用。

當然 AI 市場裏除了垃圾分類的，還有很多其他有趣有價值的 AI 數據集、模型等，歡迎大家體驗。

目前，華爲雲 ModelArts 已經在相關領域得到了廣泛應用，如建行常德分行藉助 ModelArts 不到十天就上線了一款口罩識別應用。此外，華爲雲還和亞馬遜叢林保護組織等機構展開合作，共同開發了識別非法伐木行爲的應用。而這些，都可以通過非常簡單的操作來完成。

更多的 AI 案例體驗及學習內容，大家可以訪問華爲雲 AI 開發者社區：huaweicloud.ai 瞭解。

第二個實踐項目是圍繞華爲雲 IoT 平臺展開的，要求開發者利用該平臺進行「智慧煙感快速接入華爲雲 IoT 平臺」的實操。

煙霧傳感器可以實時監測煙霧，實現消防安全智能化。但在實際應用中，煙感器存在安裝分佈密集，不方便走線；無法與人交互，存在誤報風險；耗電量大，維護成本高等問題。華爲雲依託 NB-IoT 通信技術、基於華爲雲 IoT 平臺的智慧煙感的引入解決了這些問題。

在沙龍現場，幾位技術專家也就開發者在實操中遇到的問題進行了解答。

AI 已至，未來已來。DevRun 開發者沙龍將繼續深入全國各地，爲各地開發者搭建一個與華爲雲技術專家交流的平臺，共建親密互動的開發者生態。下一場 DevRun 開發者沙龍將於南寧舉辦，期待各位開發者的參與，11 月 18 日，我們南寧見。

相關文章