近日，由西安航天基地主辦、華為技術有限公司承辦的“華為云杯”2019人工智能創新應用大賽正在火熱進行。大賽聚焦AI應用落地場景進行全場景創新，通過以賽促學、賽教結合的形式開展，并提供資本對接和創業輔導來助力創業者與企業持續發展。同時，大賽將綜合科研教學成果及商業領域需求，探索用AI來解決真實世界問題的可行性，為需求方和開發者提供聯接的橋梁，搭建一個技術交流、人才培養、機遇共創的AI開發者平臺和生態。

據了解，大賽面向全社會開放，個人、高等院校、科研單位、企業、創客團隊等均可報名參賽。本屆大賽設置啟動儀式、初賽、決賽、頒獎儀式四個主要環節，計劃2019年12月下旬完成初賽，2020年2月下旬進行決賽，冠亞季軍和優勝獎將分別有10萬元、5萬元、3萬元和1萬元的獎金激勵。

參賽選手們將通過比賽圖片集進行圖像分類模型的應用開發，大賽組委會此次也為選手們提供了華為云ModelArts進行云端AI開發。作為一站式AI開發與管理平臺，華為云ModelArts具備為機器學習與深度學習提供海量數據預處理及半自動化標注、大規模分布式Training、自動化模型生成，及端－邊－云模型按需部署能力。選手們通過ModelArts可以快速完成AI模型開發與部署，管理全周期AI工作流。

AI產業規模化的挑戰

人工智能（AI）是近幾年科技產業最重要的技術發展趨勢。毋庸置疑，當前AI產業正在快速發展，各行各業都在試圖共享一波技術紅利，引領行業技術創新發展。企業也正努力將AI導入自己的產品，以創造更多附加價值。在這一過程中，AI應用的開發至關重要。但是在AI開發面前，企業與開發者存在著諸多的難題與挑戰。

對許多開發者來說，人工智能應用的開發，仍存在極高的門檻。我們知道，人工智能的應用開發可分成“云”與“端”兩大部分。云指的是云端數據中心或超級電腦，具有強大的運算能力，負責執行模型訓練工作；端則是指用訓練好的模型進行推論的各種邊緣節點設備。對應用開發者而言，模型訓練是人工智能應用開發的起點，也是許多問題的根源。

在AI應用開發過程中，我們不得不面對開發效率低，標注、訓練、部署整個過程耗時，以及稀缺與昂貴的算力。AI產業若要規模化走進各行各業，助力企業AI產業化應用，就必須要降低AI開發門檻和難度。而開發者在AI開發過程中也存在諸多痛點，例如，隨著數據量不斷指數級增長、模型越來越復雜、計算過程愈發耗時，以及眾多晦澀難懂的AI開發工具導致AI開發效率降低，這不僅降低了開發者的開發熱情，更阻礙了AI產業的規模化發展。

深度學習作為人工智能崛起的主要原因，是開發者必須要學習的技能，但是對于普通開發者而言，掌握深度學習模型訓練的時間成本相當高，這也降低了AI開發者的開發效率。AI開發者尚且面臨如此多的困難與挑戰，對于那些缺少算法開發和調參能力的AI初學者來說，更是一條無法逾越的障礙。

在這樣的情況下，對于AI工程師、業務開發者，甚至“小白用戶”，能快速完成AI模型開發與部署，順利完成業務開發上線，一個“用得起、用得好、用得放心”的AI開發與管理平臺必不可少。

一個理想的AI開發平臺

為了幫助開發者解決AI應用開發的種種挑戰，華為云ModelArts應運而生。ModelArts這個名字既有“模型的藝術”的意思，同時也蘊含了華為云以普惠AI致敬開發者，助力廣大AI開發者能夠便利地借助此平臺成為AI開發（建模）大師之意。

作為一站式的AI開發與管理平臺，華為云ModelArts集跨場景、軟硬協同、端邊云一體等多方位的優化經驗于一體。“一站式”是指AI開發的各個環節“開箱即用”，包括自動學習、數據處理、算法開發、開發管理、模型訓練、推理服務管理、部署都可以在ModelArts上完成。從技術上看，ModelArts底層支持各種異構計算資源，開發者可以根據需要靈活選擇使用，而不需要過多把精力放在底層技術上。同時，ModelArts支持像TensorFlow、PyTorch、MXNet等主流開源的AI開發框架，支持傳統機器學習算法運行，如邏輯回歸、決策樹、聚類算法等；支持CNN、RNN、LSTM等多種類型的深度學習算法執行；也支持開發者使用自研的算法框架，匹配開發者的使用習慣。

針對業務開發者，華為云ModelArts提供了自動學習功能，無需關注模型開發、參數調整等開發細節，僅需三步（數據標注、自動訓練、部署上線），即可完成一個AI開發項目。尤其邊標邊學的智能化數據標注支持圖片、語音、文本、視頻等常見標注及自動駕駛、醫療等領域標注任務，標注效率提升70％，在特定領域可提升人工標注效率10倍。

針對有一定AI基礎的AI初學者，ModelArts基于業界的主流引擎提供了預置算法，無需關注模型開發過程，直接使用預置算法對已有數據進行訓練，并快速部署為服務。預置算法可用于物體類別和位置、圖像分類等場景。除此之外，ModelArts可以實現以最低成本完成最優效果的呈現結果，即根據開發者的推理速度與最終部署環境，自動生成滿足要求的模型。

截至目前，ModelArts已經擁有開發者超過4萬；今年5月，更是在斯坦福大學DAWNBench榜單以2分43秒的成績獲得圖像識別訓練時間世界第一。

多場景加速行業落地

經過持續的技術創新與實踐積累，目前，華為云ModelArts支持圖像分類、圖像檢測、視頻分析、語音識別、產品推薦、異常檢測等多種AI應用場景，這也讓AI的行業應用有了更多想象空間。比如在水利方面，企業可以將檢測漂浮物的數據上傳，通過自動學習能力，ModelArts幫助標注并自動生成模型，監測水面污染情況。在建筑行業，過去通常是工人用筆在鋼筋切面上點劃來計算鋼筋數量，算得又慢又可能出錯，一般都要核對很多遍，而運用ModelArts圖像檢測能力后，能自動識別鋼筋的切面，能快速數出鋼筋有多少根，而且比人工的準確率更高。此外，ModelArts還可以使能一些更加智能的應用，比如人臉識別，強化學習策略、強化學習控制、對抗生成網絡等。

在行業落地方面，華為云ModelArts平臺也進行了諸多探索和實踐。在垃圾分類方面，華為云舉辦了人工智能大賽·垃圾分類挑戰杯活動，該活動旨在運用人工智能為垃圾分類乃至千行百業帶來更多可能性。現實生活中，垃圾形態、拍照時角度、光線、背景等差異，往往使得AI訓練集的數據難以識別垃圾的廬山真面目。參賽選手利用ModelArts克服并解決這些難題，從而構建出能準確識別垃圾的模型。

在醫學AI方面，金域醫學病理專家團隊與華為云AI團隊合作，在ModelArts平臺首次基于病理形態學，通過深度學習技術，訓練出精準、高效的AI輔助宮頸癌篩查模型。該模型在排陰率高于60％的基礎上，陰性片判讀的正確率高于99％，同時，陽性病變的檢出率超過99．9％。這是目前國際上已公布的AI輔助宮頸癌篩查的最高水平。

此外，雨林保護組織RFCx利用華為云人工智能服務與ModelArts工具，構建能檢測、分析蜘蛛猴叫聲的智能模型，從而獲悉蜘蛛猴的棲居地、威脅信號、生活習性等數據，從而協助護林員保護蜘蛛猴這一瀕危物種。

從上述行業實踐，我們看到了AI給各行各業帶來的變革，同時我們也看到了ModelArts在賦能行業客戶進行應用創新方面的巨大推動作用。

華為云ModelArts不止步

華為云ModelArts平臺已經成為華為云構建AI開發生態的重要篇章。2019年3月，華為云進一步面向開發者推出了華為云AI市場，該市場是在華為云ModelArts一站式AI開發與管理平臺基礎上構建的開發者生態社區，其中包含的華為云AI模型市場是國內第一個提供發布及訂閱AI模型服務的平臺。此舉旨在為高校科研機構、AI應用開發商、解決方案集成商、企業及個人開發者等群體，提供安全、開放的共享及交易環境，有效連接AI開發生態鏈各參與方，加速AI產品的開發與落地。

華為云ModelArts不止步于此，未來該平臺還將搭載華為自研N騰310和910芯片的模塊和服務器，持續實現軟硬件協同設計和優化，為開發者提供更高性能的訓練和推理的計算能力，以及更優的價格體驗。除此，將集成更多數據標注工具，并持續服務于自動駕駛、智能制造、智慧城市等更多新型應用場景。

華為云ModelArts已經不局限于是一個理想的AI開發平臺，也成為華為云踐行“普惠AI”的重要抓手，助力AI產業在未來大放異彩。