音智达不得不：哪个才是实践人工智能最好的企业？(图)

【环球网科技记者陈博】哪家公司做人工智能最好？传统业务。如何更好地推动机器学习的应用？准备好您的数据。这是上海印智达信息科技有限公司CEO孙晓振给出的两个答案。

作为一家成立于2011年的大数据公司，专注于分析预测和行业应用，Insidium一直为用户提供基于大数据技术的预测分析和商业智能解决方案。大数据技术预测分析、BI商业智能解决方案、数字化转型相关咨询服务三大业务，涵盖生命科学、快消品、汽车、零售、消费电子等领域。

然而模式识别原理与应用课后答案李弼程，随着客户日益多样化的需求和不断变化的行业环境，银智达不得不开始寻找与合作伙伴的合作，共同推动业务发展。

孙晓振在接受记者采访时介绍：“对于我们公司来说，挑战非常明显，主要包括四个方面：一是人才的招聘和培养难度很大，而且由于市场越来越火爆，人才流失率也很高。二是技术开发难度越来越大，因为现在的技术架构与五年前和十年前完全不同；三是部署和运维成本高，但客户通常不愿意支付第四是缺乏好的高性价比平台。”

近年来，越来越多的企业客户选择亚马逊云来托管他们的云基础设施并实现性能、安全性、可靠性和可扩展性方面的改进。其中，有不少客户，原来是银智达服务多年。这给银智达在选择合作伙伴时提供了强有力的参考。

孙晓振表示，一方面，银智达意识到未来数据平台最重要的趋势是上云，迫切需要强大的合作伙伴体系来支撑；另一方面，亚马逊云科技也需要合作伙伴，尤其是像银智达这样的企业，在各行各业都有丰富的数据服务经验。于是，双方一拍即合，银智达迅速成为亚马逊云科技的高级合伙人，也是第一家获得AI/ML合作伙伴能力认证的公司。

2020年，印智达获得了亚马逊云技术的AI/ML能力认证，并基于Amazon SageMaker完成了端到端的ML任务。

据了解，Amazon SageMaker 是亚马逊云科技推出的机器学习平台服务，可以帮助开发者和数据科学家快速大规模地构建、训练和部署机器学习（ML）模型。作为一个开放平台，Amazon SageMaker 的推出让数据科学家、算法工程师和业务开发人员能够轻松掌握机器学习。此外，Amazon SageMaker 拥有跨越整个机器学习开发生命周期的工具，可以帮助数据科学家将效率提高 10 倍，并将机器学习应用程序的整体成本降低多达 54%。

作为合作伙伴，针对大数据分析相关的问题，银智达可以为使用亚马逊云技术服务的企业实现定制化的云端智能存储、建模和部署，将更多客户业务迁移到云端，帮助客户。实现数字化转型和创新。

在谈及使用 Amazon SageMaker 的体验时，孙晓振表示：“无论客户的回答是什么，只要将 Amazon SageMaker 与其他 PaaS 服务结合起来，无论架构如何千变万化，都可以非常我们的大部分解决方案都是本地化的，围绕 Hadoop 生态的构建块需要不断变化，不可能将一个生态应用到每个不同的业务场景中，每次都需要不同的组件。Amazon SageMaker 结合Amazon Cloud Technology 的 Amazon EMR 和 Amazon S3 可以针对各种业务场景组织不同的技术架构，以满足不同用户的需求。”

“Amazon SageMaker 是一个非常适合数据科学家的机器学习服务平台。从了解项目需求到模型构建和生成，我们的项目实施以前是每月一次，现在是每周一次。大大降低了时间成本。客户对人工智能越来越高，现在，谁意识到数据的痛点，谁意识到运维难升级、扩容和发展，越迫切告诉我你想用Amazon SageMaker。” 孙晓振透露，“一方面，从客户案例来看，我们对客户商机挖掘的效率比以往提高了50%以上，获得了更多的机会；另一方面，从业务本身来讲其中，

目前，亚马逊云技术拥有200多种服务，包括计算、存储、网络数据库、分析、物联网、AI/ML和安全。全球数十万客户正在使用亚马逊云技术进行机器学习，92% 的 TensorFlow 云工作负载和 91% 的 PyTorch 云工作负载都在亚马逊云技术上。

“今天，应该没有客户认为没有数据就可以把生意做好。但并不是所有的客户都有数据后就能成功地做生意。” 孙晓振说，“过去，一提到人工智能，大家可能第一时间会想到互联网公司，但现在人工智能应用最多的恰恰是很多传统行业。因为很多传统行业都是数据驱动的，比如银智达服务的很多客户都是5家百强龙头企业，五年前平均数据量是10TB，五年后平均数据量基本都在200TB以上，公司甚至1PB模式识别原理与应用课后答案李弼程，既然有这么丰富的数据，

这些传统企业真正在实践人工智能技术的应用，人工智能技术也需要更广泛的普及和推广。同时，Amazon SageMaker 代表了一个非常重要的选择，孙晓振相信它的发展会非常快。“很重要的一点是，它确实带来了效率的提升，项目周期明显缩短了。从了解一个项目的需求，到模型，到生产，我们现在基本上是按照怎么做的系统。 “

从行业发展的角度来看，企业要想推动机器学习的应用，最重要的是要做好数据准备。“传统行业有很多历史数据没有被保留下来，这当然是数字化转型的障碍。所以互联网会因为它的数字基因而领先，而传统行业则不然。所以排名第一的挑战是当然数据。孙晓振说：“对我们来说，我们面临的挑战是人才，算法开发的难度，以及部署的运维。”

孙晓振对未来的发展充满信心：“总的来说，今年我们数据科学家团队的业绩肯定有所提升，但还没有达到非常爆发性的阶段，这是我们期待遵循的发展过程。”