毫不客氣地說，人工智能（AI）和機器學習（ML）已然“滲透”到了各行各業，企業們期待通過機器學習基礎架構平臺，以推動人工智能在業務中的利用。在機器學習加快推進的過程中，卻是有喜也有憂。

近日，國際數據公司（IDC）發布了《中國人工智能軟件及應用（2019下半年）跟蹤》報告。據該報告顯示，中國機器學習開發平臺市場2019年市場規模達2.05億美元。

機器學習開發平臺的部署，包括數據獲取、數據準備、模型訓練、應用程序集成、模型運維、生產監控以及有明確KPI的業務治理過程。在這個過程中，由框架、算法模型、開發語言等各種工具賦能，由數據科學家、業務分析師、數據架構師和專業人員協作，基于數據建模，不斷的進行概念驗證，將好的模型部署到生產環境，協作以管理模型運維的全生命周期。

算力不斷提升、算法模型創新、開源技術發展、廠商加大投入，已經成為了機器學習產業實現快速發展的重要驅動力。其中，算力的提升，對于AI技術的進步與成熟、相關智能產業的應用模式創新等，無疑提供了強大的支撐。

受益于加速計算技術的不斷突破，機器學習、深度學習模型訓練和推理速度持續提升，加快推動了AI應用產業化的進程。從廠商情況來看，2020年GTC、英偉達發布了將算力再度提升數十倍的安培架構的A100 GPU。此外，Intel華為昇騰系列，Xilinx Alveo系列、寒武紀等也在特定領域為AI負載提供加速能力。

單就商業化機器學習開發平臺而言，2018年包括硬軟服在內的中國機器學習市場達到10億元人民幣，預計2018-2023年五年復合增長率將達到62.0%。當前的機器學習開發平臺基本可以提供30種以上的經典機器學習算法，且基本已支持TensorFlow、PyTorch、Caffe等主流框架。不僅是深度學習、機器學習，圖算法也開始走向市場，現階段應用十分普及的是經典機器學習。

從市場空間來看，對于還沒有成熟的AI軟件產品的領域，機器學習、深度學習開發平臺建設將成為一大趨勢，相關頭部廠商將借助已有的軟件、硬件、系統等技術優勢，致力于為行業系統性機器學習體系的完善與健全貢獻更大力量。

雖然機器學習是“顯學”，但其發展還是存在不少阻力，其一，人工智能、機器學習等知識相對高深，相應的，掌握這些知識的人也就比較少，因此，各行業發展對于機器學習、圖像識別等的人才十分迫切。

此外，機器學習的部署實施其實是一項非常復雜的工作。例如，對數據進行可視化、轉換和預處理，算法的優化、模型的訓練，而所有這些工作都需要大量的專業知識，并耗費龐大的算力、數據存儲和時間成本。在較短的時間內，要達到相當的機器學習部署和推進能力實屬不易。

機器學習平臺底層，可以簡單地理解成是把數據治理、算法與算力合在一起，第四范式叫之為先知平臺。它既是一種科技平臺，也是產品研發系統。它的目標是能夠有更好的企業級適配效果，更大的延展性和更強的計算水平。在先知平臺獲得突破，已經成為許多企業的目標。