vivo AI 中台:小步快跑支撑亿级用户智能化服务

随着“中台”战略的火热,越来越多的企业为解决业务发展痛点,开始重视构建中台服务。其中的AI 中台是在数据中台的基础上应用AI技术实现智能化服务。

据悉,vivo 互联网的AI智能平台致力于建设完整的人工智能中台,搭建全面的、行业领先的大规模分布式机器学习平台,应用于内容推荐、商业变现、搜索等多种业务场景,为2.6亿+ vivo 用户提供极致的智能服务。

面对亿级用户的数据量,vivo 互联网的 AI 中台是如何工作的?在实际应用场景中遇到过什么难题及如何解决?5G 背景下手机将是数据的重要汇合地,将面临怎样的挑战?vivo 互联网AI智能平台中心效果广告总监刘靖分享了他的一些观点。

首先,中台化并不是一个新概念,很多企业在各个维度上的中台化都已经做了多年的努力和积淀。比如当前比较热的业务中台、数据中台、AI中台等。所有的中台化的主要目标和优势都是一致的:高效支撑业务需求、资源整合、效率提升。主要满足的功能有:统一的资源管理、数据特征处理、模型训练、预估服务、监控、流程角色化等功能。

AI中台是在企业往智能化深度发展的趋势下,在数据中台基础上增加了一体化智能服务的概念。它的一个关键目标是:在数据的获取、存储、特征处理、分析、模型构建、训练、预估、评估等智能服务相关的任务都组件化、配置化、自动化;达到高复用、规模化、灵活性化构建智能服务。

AI中台拥有一套完整的智能模型全生命周期管理平台和服务配置体系,基于数据平台服务,通过对智能服务的共享复用、对智能服务研发相关角色进行管理,以及研发流程的标准化、自动化,对前台业务提供个性化智能服务的迅速构建能力支持。

同时,AI中台从数据中台分离,并逐渐演化,第一个解决的痛点是数据中台和AI中台的分离,把数据问题和智能服务问题独立处理,使得任务目标更精细更专业化;第二个主要解决的痛点是敏捷迭代,AI中台通过复用集成AI组件,利用算力、模型、框架,动态、快速地组装服务,创造出新的个性化体验和新的业务模式,形成面向复杂业务需求的AI解决方案,具有更加的灵活性和易用性。

在实际应用场景中,vivo AI 中台面临的第一个问题是如何平滑的把多种业务逻辑向平台迁移。当前已经存在多个业务线,每个业务线都有复杂的应用场景,如何构建一套在海量、多维的数据规整,多种分散的智能服务整合的中台,同时要兼顾当前的业务的无损迁移是一个耗时耗力的挑战。

我们主要的解决思路是“小步快跑”,以 vivo 互联网商业变现为例,我们把数据处理、特征处理、模型训练、模型预估、监控分析等多个组件进行逐步迁移,保证业务的稳定性和连续性,也实现了高效的平台化迁移。

随着5G的到来,AI技术和硬件会愈加紧密的结合,手机将是5G场景数据的重要汇合地,未来5G手机上AI技术发展空间很有想象力,同时AI算法在手机的应用程序中的重要性也会得到进一步强化,AI中台也将也面临更大的挑战。

这些挑战主要来自:

1)用户产品服务更加个性化,更加丰富;

2)数据存储、算力需求将比当前高几个数量级。

那么我们当前的模式,包括AI中台的思维是否能够满足未来这种巨大需求,还需要时间检验。目前,我们需要准备的是:中台框架上要具备更优雅的扩展性、持续投入算法迭代和优化、持续投入模型训练框架的升级,尤其是支持分布式的GPU预估和训练等。

关于 vivo 移动互联网更多详情,请点击:https://mp.weixin.qq.com/s/2XuHdQzQ0z1r2F9IxXtcuA

产业优化算法特征工程5G机器学习
1
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

5G技术

第五代移动通信系统(5th generation mobile networks),简称5G,是4G系统后的延伸。美国时间2018年6月13日,圣地牙哥3GPP会议订下第一个国际5G标准。由于物理波段的限制,5G 的网络也将会与其他通信技术并用,包含长距离的其他传统电信波段。

推荐文章
暂无评论
暂无评论~