Selon les prévisions d'IDC, les investissements directement utilisés par les entreprises pour la transformation numérique atteindront un taux de croissance annuel composé de 17,5 % entre 2020 et 2023, dépassant les 7 000 milliards de dollars d'ici 2023. En 2021, le monde investira 5 500 milliards de dollars dans la transformation numérique.
L'épidémie a accéléré la vitesse de la transformation numérique et intelligente dans divers secteurs. La transformation numérique et intelligente des entreprises n'est plus une cerise sur le gâteau, mais un choix inévitable pour survivre dans la concurrence. Alors, comment les entreprises traditionnelles peuvent-elles se transformer rapidement ? Comment les entreprises qui ont adopté la numérisation et l’intelligence peuvent-elles maintenir une forte compétitivité face à l’épidémie ?
En fait, quels que soient les cas d’utilisation, de la vision par ordinateur à la PNL, le dénominateur commun reste les données. Les données sont au cœur, et les entreprises doivent faire suffisamment de préparations de données pour le déploiement de l'IA. Dans cet article, nous nous concentrerons sur trois points de « transformation », « évolution » et « tendances » pour partager avec vous comment les entreprises peuvent en utiliser une. -arrêter la plate-forme de traitement et d'analyse des données pour créer davantage d'IA de bon câlin.
Comment les entreprises peuvent-elles accélérer le rythme de la transformation intelligente ?
Aujourd'hui, de nombreuses entreprises ont entamé la transformation numérique et la transformation intelligente.Le processus d'informatisation des entreprises nationales peut être grossièrement divisé en quatre étapes :
• Opérations commerciales électroniques
• Informatisation des processus métier
• Digitalisation de l'entreprise et de la gestion
• Prise de décision commerciale intelligente
La prise de décision commerciale intelligente est une nouvelle théorie académique divisée en trois étapes : l'intelligence auxiliaire, l'intelligence améliorée et l'intelligence autonome. L'étape de l'intelligence autonome sera l'orientation future du développement des entreprises. Poussée par des facteurs internes et externes des entreprises, la transformation intelligente apportera de nombreux avantages aux industries traditionnelles, notamment : des opérations plus agiles, une prise de décision plus intelligente, de nouvelles propositions de valeur et la réalisation externe de la transformation, de l'innovation et de la croissance de l'entreprise.
Mais pour les entreprises traditionnelles, il est relativement plus difficile de mettre en œuvre l’IA. Selon l'enquête, dans la promotion de la transformation intelligente, 40% des entreprises progressent relativement bien, dont 13% seulement ont obtenu des résultats considérables et les 27% restants ont des résultats médiocres. En outre, 60 % des entreprises transformées ne sont pas encore entrées dans la voie bénigne de la transformation intelligente, et même 26 % de la transformation intelligente des entreprises est devenue un piège qui dévore les ressources de l'entreprise, entraînant des pertes pour l'entreprise. À l’heure actuelle, l’IA a encore un long chemin à parcourir. Les difficultés et les défis proviennent principalement des aspects suivants :
• Données : la capacité de la technologie intelligente est déterminée par l'étendue, la profondeur et la qualité des données d'entrée. Certaines entreprises disposent de beaucoup de données mais ne parviennent pas à jouer un rôle. Les principales raisons sont : les problèmes de qualité des données, la fragmentation des données et l'insuffisance des données. largeur et profondeur des données.Architecture des données, les données de nombreuses entreprises ne peuvent pas répondre aux exigences d'acquisition et d'application en temps réel.
• Base technique : la technologie intelligente doit être étroitement intégrée à l'infrastructure système de base pour générer de la valeur, mais les entreprises ordinaires sont confrontées à des lacunes dans les systèmes et technologies traditionnels, et des ajustements à grande échelle sont nécessaires avant le déploiement.
• Processus métier : les entreprises traditionnelles sont généralement construites autour des personnes, mais les processus basés sur l'intelligence artificielle sont difficiles à égaler avec les premières. Par exemple, dans le secteur financier, le processus existant repose sur le flux d’informations entre les personnes. Avec le développement de l’IA, l’interaction entre les machines et les personnes doit être prise en compte.
• Compétitivité de base : l'échelle des données, les produits personnalisés, la correspondance optimisée et les avantages élevés en matière de rétention deviendront tous une compétitivité de base.
• Supervision : Il est très complexe de parvenir à un accord entre réglementation et technologie. Il est difficile pour le système réglementaire existant de suivre le rythme des nouvelles technologies, ce qui crée des obstacles au déploiement intelligent.
• Organisation : La transformation intelligente recherche la simplification et la flexibilité : ce n'est qu'en modifiant le positionnement en valeur de chaque département qu'elle pourra s'adapter aux changements induits par l'intelligence.
• Talents : les talents sont le principal moteur de la transformation intelligente. Que ce soit au sein de l'entreprise ou sur le marché, il existe une pénurie de talents adaptés à une transformation intelligente. Dans le même temps, les entreprises sont limitées par le cadre de recrutement et les salaires antérieurs. système, et rater la clé du réapprovisionnement dans l'opportunité de concours de talents pour les talents.
• Culture : la plupart des entreprises n'ont pas l'initiative et le plan préliminaire pour construire une transformation intelligente, les dirigeants n'ont pas une motivation suffisante pour la transformation, les organisations à tous les niveaux n'ont pas atteint une cognition unifiée et une culture de travail centrée sur les données, l'intelligence et l'agilité ne peut pas être Les entreprises ne peuvent pas former une force commune en faveur d’une transformation intelligente.
Par conséquent, si une entreprise souhaite devenir une organisation véritablement intelligente, elle doit envisager de déployer systématiquement des plateformes de développement d’IA et d’autres outils cognitifs dans chaque processus métier principal et opération de l’entreprise pour soutenir la prise de décision basée sur les données et promouvoir l’innovation en matière de produits et de modèles économiques. Différentes industries ont des préparations spécifiques différentes pour une transformation intelligente, mais elles présentent les similitudes suivantes :
• Amélioration de la culture d'entreprise : la clé de la modernisation industrielle réside dans la manière d'éliminer plus efficacement les résistances à la mise en œuvre. Il s'agit d'un processus qui nécessite la participation de tous les employés de haut en bas. Il nécessite non seulement une action unifiée, mais également une compréhension unifiée. et réfléchir.
• Soutien financier : les mises à niveau intelligentes nécessitent des investissements en capital pour construire des systèmes intelligents. Les entreprises qui souhaitent se transformer intelligemment doivent donc prévoir les risques financiers à l'avance.
• Système d'IA ou personnalisation de produits : pour créer un système d'IA, des équipes compétentes sont nécessaires pour exploiter et entretenir les produits associés. Les membres de l’équipe doivent avoir une compréhension claire des liens intelligents et du chemin de mise en œuvre des nouveaux services.
• Collecte et organisation des données : les données constituent le fondement et la matière première de l'intelligence, et la première étape d'une transformation intelligente est souvent la connexion des données. Certaines entreprises disposant d'une grande quantité de données construiront une plate-forme Big Data. Comment coopérer avec le système d'IA et la plate-forme Big Data, et comment obtenir des données à partir de différentes sources de données sont autant de questions à prendre en compte.
• Recrutement et formation des ressources humaines : les talents en IA dans les secteurs traditionnels sont relativement rares, et des systèmes de talents et de salaires adaptés doivent être mis en place.
• Sélection de projets : il est nécessaire d'évaluer quelles activités de l'entreprise sont adaptées à une transformation intelligente.
Quelles applications innovantes Baidu BML a-t-il apportées à diverses industries ?
En tant qu'entreprise leader dans le domaine de l'IA, Baidu a progressivement ouvert au monde extérieur sa technologie d'intelligence artificielle accumulée au fil des années depuis 2016, créant ainsi un écosystème global ouvert d'intelligence artificielle, aidant les entreprises et l'industrie à utiliser et à appliquer la technologie d'intelligence artificielle plus rapidement. développer.
Récemment, Baidu Smart Cloud a été entièrement mis à niveau, intégrant les technologies de base de Baidu telles que le cloud computing, le big data et Baidu Brain. Il espère fournir l'intelligence artificielle à des milliers d'industries et promouvoir la mise à niveau intelligente de toutes les industries. Lors du récent sommet Yunzhi, M. Wang a proposé une stratégie basée sur le cloud computing, l'intelligence artificielle comme point de départ, et se concentrant sur des pistes importantes pour atteindre cet objectif.
L'architecture qui soutient cette stratégie est divisée en trois couches : le cerveau Baidu de niveau inférieur, les deux plates-formes intermédiaires de niveau intermédiaire, la plate-forme intermédiaire d'IA et la plate-forme intermédiaire de connaissances. Parmi eux, la plate-forme intermédiaire d'IA de niveau intermédiaire comprend deux capacités de base : le moteur de capacité d'IA, la plate-forme de développement d'IA et la plate-forme de gestion. BML fait partie de la plate-forme de développement d'IA. Elle présente trois caractéristiques, à savoir : des pagaies volantes contrôlables de manière autonome , BML contrôlable de manière autonome, modèles et architectures de pointe au niveau international.
Parce qu'il prend pleinement en compte les besoins des entreprises sans accumulation importante de talents en IA, BML a intégré un grand nombre de solutions et de cas optimisés, et les utilisateurs peuvent rapidement créer leurs propres applications d'IA. Dans le même temps, BML fournit également une méthode de modélisation à bas seuil pour les lignes de production de modèles et la modélisation par glisser-déposer.Les utilisateurs peuvent compléter l'ensemble du processus d'IA, de la formation du modèle au lancement du modèle, par de simples clics sur l'interface. Dans le même temps, BML offre au monde extérieur une formation et une responsabilisation liées à l'IA. Les produits de la plate-forme sont combinés avec les entreprises pour aider les utilisateurs à démarrer le plus rapidement possible et à mettre en œuvre des scénarios.
Le secteur financier est l'un des secteurs les plus matures dans la transformation intelligente actuelle de BML, qui a été mise en œuvre dans des scénarios commerciaux tels que le marketing intelligent, le contrôle intelligent des risques et les opérations quotidiennes. Il prend en charge les frameworks de développement traditionnels tels que Paddle, TensorFlow, PyTorch, scikit-learn, XGBoost, SparkM-Llib, etc. ; dispose d'une variété de méthodes de modélisation ; dispose d'une gestion de modèle à cycle complet ; méthodes de livraison flexibles ; interface produit conviviale, prend entièrement en charge intégration.
Nous comprenons que tout le monde accorde davantage d’attention à la gestion d’une grande quantité de puissance de calcul. Selon les caractéristiques des types de tâches d'IA, BML a développé un planificateur hautement optimisé pour réduire les fragments générés par la planification et améliorer l'utilisation des ressources. Dans le même temps, la planification BML prend pleinement en compte la topologie matérielle sous-jacente pour garantir que les tâches peuvent utiliser pleinement les capacités du matériel sous-jacent. Enfin, en réponse au taux d'utilisation généralement faible du GPU, BML a développé une fonction de partage de GPU, grâce à l'isolation de la mémoire vidéo, à la puissance de calcul GPU multiplexée multi-tâches et à l'amélioration du taux d'utilisation du GPU.
Quelle est la future tendance de développement de Baidu BML ?
Parlant de la prochaine orientation de développement de BML, Li Getao, chef de produit senior de Baidu Intelligent Cloud Machine Learning Platform BML, a déclaré : « Nous continuerons à renforcer la différenciation de Baidu, à améliorer la compétitivité de base des produits et à intégrer davantage l'accumulation de Flying Paddle. Les modèles , ERNIE et AIStudio, ainsi que d'autres capacités techniques, innovent dans l'expérience des produits de développement d'IA et lancent en même temps des produits personnalisés qui sont plus proches des besoins des applications.