作者李泽南

联想发布企业级AI云平台LeapAI:覆盖「全价值链」

人们对于联想的印象大多是计算机硬件和高性能服务器,但其实这家公司在 4 年前就已投身 AI 技术的研发。上周五,联想在香港发布了企业级人工智能平台「LeapAI」,这家公司正准备向传统企业「全价值链」提供人工智能技术。

LeapAI 是由联想大数据针对企业数据特点与企业资料应用,自主研发的企业私有云平台。它面向人工智能数据的处理、算法模型的开发供给、算力资源的管理与应用,能力覆盖企业人工智能应用的研发、部署、运行于运维的全业务流程,致力于帮助企业实现智能化转型。

和很多科技企业一样,联想在人工智能方面的研究已开始多年。在 LeapAI 之前,联想内部一直在开发和使用一种被称为 LUDP AI 的人工智能平台。通过这一平台,联想快速提升了公司内部的工作效率和产品转换率。LeapAI 正是在 LUDP 的基础上发展出来的。

据介绍,LeapAI 的核心组件包括智能 API 网关、HyperHub 智能 API 访问控制引擎、UCQ 统一消息队列、FlexBroker 动态服务代理等。该平台主要通用 PaaS 服务平台支持联想工业智能硬件进行边缘计算,并利用智能算法推荐、参数调优等技术助力应用开发,通过容器技术实现分布微服务架构,同时面向开源生态。

目前,LeapAI 已经在客流量监控、风险投资决策、PM2.5 智能监控、智能预测维护、智能客服等领域有了很多解决方案的案例。

联想认为,在众多中小企业中,开发者在研发和应用产品的过程中需要对产品进行大量定制化。所以,联想大数据工业互联网平台,会提供包括软件、硬件、数据采集的定制开发能力,以全面支撑公司的数据智能战略。同时,联想也在积极通过联想创投和工业大数据产业应用联盟,来构建生态系统。

企业融入人工智能可以带来哪些收益?联想大数据人工智能产品总监么石磊博士在发布会上介绍了 LeapAI 前身,LUDP AI 的经验。在联想内部,目前有 800 多人正在使用这一平台,其应用场景达到 50 多个。人工智能技术已经覆盖了市场营销、工业生产、辅助决策、工业链、SCPA 等方面。其预测笔记本电脑销售量的准确率可达 89%。LUDP AI 每年提升了联想千万美元的利润。

在 LeapAI 的发布会上,么石磊博士向人们介绍了联想 AI 平台在传统行业上的部分应用案例。

真正的企业级智能平台究竟如何定义?联想集团副总裁、首席研究员、联想大数据事业部总经理田日辉指出,企业级智能平台应当具备五个特征:一是灵活,企业无需进行大规模的 AI 技术研发投入;二是易用,即使企业开发人员没有 AI 经验,也能使用 AI 技术投入生产;三是全面,企业级 AI 平台应当拥有多种 AI 技术,满足不同业务需求;四是实现,AI 应用只有结合实际生产场景,才能创造更高业务价值;五是极致,企业级 AI 平台的架构设计,一定要满足企业级 IT 系统的苛刻要求。

LeapAI 的定位正是全面降低企业应用人工智能的门槛,支持各类 AI 技术,并面向企业的所有生产流程。

「在应用过程中,开发者们可以直接使用包装好的算法,LeapAI 也可以向人们推荐算法。」么石磊表示。「我们希望整个流程都可以自动化地完成,这样就可以避免大规模的技术研发投入。」

LeapAI 可以同时满足一般用户和专业开发者,让没有技术背景的人也可以使用 AI 技术投入生产。

对于有技术背景的开发者,LeapAI 提供了丰富的 SDK 接口和 API。同时,这一平台支持多种开发语言和神经网络框架。

值得一提的是,12 月 7 日发布会当天也是联想机器智能中心成立 4 周年的日子。目前,机器智能中心在香港已经发展成为一个 50 余人规模的研究机构。

在发布会上,联想还与香港浸会大学达成了战略合作。此次,香港浸会大学成为了联想的重点研发伙伴。双方将致力于技术研究、创业、人才培养方面的合作。两者将建立协同机制推动产学研一体化。

人工智能时代,科技企业在人才争夺上是『掠夺性』的,」么石磊表示,「亚马逊语音识别部门已有超过 1 万人,巨大的投入带来了回报——Echo 在北美智能音箱市场里占有 70% 的份额。与此同时,谷歌、百度、微软等科技巨头也在抢夺人才。」

「据传,现在应届人工智能博士的年薪已经超过 80 万了。」

对于企业来说,人工智能研发上投入的压力正越来越大。LeapAI 或许可以帮助人们解决这些问题。此外,联想强调这一 AI 平台可运行于私有云上。配合联想提供的全硬件一体化的方案,ALL IN AI 将变得不再那么遥远。

产业云计算联想
1
相关数据
亚马逊机构

亚马逊(英语:Amazon.com Inc.,NASDAQ:AMZN)是一家总部位于美国西雅图的跨国电子商务企业,业务起始于线上书店,不久之后商品走向多元化。目前是全球最大的互联网线上零售商之一,也是美国《财富》杂志2016年评选的全球最大500家公司的排行榜中的第44名。

https://www.amazon.com/
相关技术
微软机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
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)

参数技术

在数学和统计学裡,参数(英语:parameter)是使用通用变量来建立函数和变量之间关系(当这种关系很难用方程来阐述时)的一个数量。

边缘计算技术

边缘运算(英语:Edge computing),又译为边缘计算,是一种分散式运算的架构,将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理。边缘运算将原本完全由中心节点处理大型服务加以分解,切割成更小与更容易管理的部分,分散到边缘节点去处理。边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。在这种架构下,资料的分析与知识的产生,更接近于数据资料的来源,因此更适合处理大数据。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

暂无评论
暂无评论~