天云大数据亮相2018中国大数据技术大会：每个行业，都可以被算法重构

“以往的商业决策更多基于规则、流程，这些规则往往建立在多年的行业深耕基础上，因而锻造了极强的行业壁垒，然而算法构建的商业形态模式，可以打通、重构各行业的商业实践。”

12月8日举办的BDTC中国大数据大会上，天云融创数据科技（北京）有限公司（以下简称天云大数据）董事长雷涛作为金融分论坛主席，接受了多家媒体采访，他指出，算法可以重构商业实践，具有极强的跨行业属性。比如电商利用推荐引擎重构了零售业，传统超市货物摆放的最佳实践，被淘宝的贝叶斯算法取代，从简单的流程驱动转向数据驱动，BI向AI升级。

算法重构商业实践 AI PaaS平台跨行业赋能

“你可能不会想到当下火热的语音识别、Youtube上点击量超500万，灵活实现三级跳的波士顿机器人，以及天云大数据的AI油气管线泄露预警，同样使用了隐马尔科夫模型构建（Hidden Markov Model，HMM）。这说明一个问题：算法具有极强的跨行业属性，推动AI跨行业赋能大有所为。”

12月8日举办的BDTC中国大数据大会上，天云大数据董事长雷涛接受媒体采访时指出，所有复杂的、难以抽象的商业规则和场景，将它们数字化以后，复杂问题反而可以被清晰的界定和量化，算法可以对商业实践做替代，这个过程，即AI PaaS（AI平台即服务），可以成为产业升级、数字化转型的基石。

举例而言，18年天云大数据利用算法抽象出石油管道泄漏的风险，面对没有图纸，只有单表的油气管道，无法实现压力差的复杂现实场景，实现了从静态地质图，到动态传感器数据智能采油。

Gartner：2018人工智能技术成熟度曲线

根据Gartner发布的人工智能技术成熟度曲线，通用人工智能PaaS平台能也被称为“强人工智能”，正处于人工智能产业的上升阶段，天云大数据即主要提供各行业通用的人工智能（AI）PaaS平台，是服务AI的AI，2018年天云积极推动AI跨行业赋能，已成功落地在能源、招聘、营销、政府、医疗、物流等领域。

Auto ML降低机器学习门槛大幅度降低人工成本

海德堡研究院提出，自动化机器学习是一种自动化算法。它帮助业务人员通过配置少量简单、易懂的参数，获得性能与资深专家相仿的模型,可以加速企业应用机器学习的过程。

2018年4年，天云大数据作为国内领先的科技厂商，发布了 AI PaaS化平台MaximAI 3.0版本，即可实现AutoML，从免代码开发的算法训练参赛服务器提供，到帮助业务人员选择调优和评估算法的自动化流程；从AutoFE特征工程的自动流水线，到训练模型AutoML，到推理端基于容器的灰度发布。

天云大数据副总裁李从武发表了题为“自动化特征工程与AI的零知识启动”主题演讲，李从武在发言中指出，通过构建支持AutoML特性的PaaS化AI平台MaximAI，尝试为客户做AI赋能，减少对数据科学家的依赖，让企业获取机器智能像读书一样简单。

近期，天云大数据使用UCI机器学习库中的银行营销数据集，进行自动调参与数据科学家手动调参对比发现，两种建模结果相差不多，但手动建模优化需人员不停调参耗时2~3天，AutoML建模方式只需在空闲时间执行，基本不用占用人员时间，另人工调参需要人员有丰富的建模经验，AutoML降低了机器学习的门槛，大大降低了人工成本，同时提升了模型优化速度。这意味着AI可能首先替代的是AI科学家。

未来，AI的应用将不再是少数大公司和精英科学家的专利，AI将逐渐应用到各行各业，AutoML会降低机器学习的门槛，促进AI的民主化。即便实力雄厚如谷歌，也不敢说自己已经拥有足够的AI人才，因此降低门槛，提高效率，对AI行业的发展至关重要。

雷涛表示，人工智能在各个领域的发展呈不平衡态势，如无人驾驶、人脸识别以及机器人等领域，因其算法与目的都很明确，又因媒体关注的推动，资本与数据的聚焦之下容易找到最佳实践；针对算法纷繁复杂、数据私有与云服务私有的商业智能领域，AI应用程度参差不齐，AI正经历从API向PaaS的发展，AI模型的规模化、智能化生产能力尤为重要。AI PaaS化，智能化是突破昂贵商业价值交付的关键。