编者按：本文为专栏作者罗超频道授权创业邦发表，版权归原作者所有。
AI正在无孔不入，就连相对保守的电力行业，也成了AI应用的热门场景。
作为中国南方电网公司广东电网公司直属的国有特大型企业，佛山供电局负责佛山全市五区的安全供电、电网建设和供用电服务工作，其管辖范围内拥有约4500公里输电线路，16000余基杆塔单元，线路附近易发生外力破坏的施工点有300余处，塔吊等大型设备碰到或压断电线将影响输电安全。
佛山供电局在人工巡查外，在线路附近安装百余套在线监测设备，不断拍照并上传系统数据库。最初照片会被人工审核监控，随着照片到达百万级，工作量越来越大，漏审核越来越多。
技术人员想到了AI：基于机器视觉技术智能、实时识别大型机车等外部安全隐患。AI开发门槛高，不可能从0到1自行开发，开源框架是首选，但市面上常见的深度学习开源框架难度依然很高，后来他们找到了解决办法：基于百度智能云，利用百度EasyDL定制化图像识别对1000张图片进行3个月训练，形成“输电线路外部隐患识别”模型，可智能识别出输电线路中存在的吊车、挖掘机等外部隐患，识别准确率达到80%，超出预期。
佛山供电局技术人员做的事情很简单：将现场设备收集的图片同步到云端，再调用百度EasyDL模型接口利用“输电线路外部隐患识别”模型在云端识别返回参数，再将分析结果传递到监管系统，安全隐患则会被实时通知项目班组排查，辅助人工现场检查，确保输电线路安全。
通过AI监控输电线附近的施工点，大幅提高审核时效性、降低上百人的审核工作量和人力成本。现在“输电线路外部隐患识别”模型以2-3周的频率持续训练更新，准确率依然在不断提升。
将AI应用到输电线的施工点监测，只是小试牛刀。在电力行业AI的应用空间无处不在。
国家电网在一年前发布“数字新基建”十大重点建设任务，与百度等41家合作伙伴签署战略合作协议，“数字新基建”重点任务之一，就是“建设电力人工智能开放平台，年内建成人工智能样本库、模型库和训练平台，探索13类典型应用。”
如今AI在应用在国家电网的发、输、配、用等环节，如分布式能源预测、设备巡检、现场作业安全管控、企业内搜、电网调度、智能应答助手、带电作业机器人等场景。
比如在输电巡检场景中，联研院、中国电科院等单位攻克图像识别等关键技术，形成8大类29小类缺陷的智能分析模型，再通过国网云平台实现全公司范围内的输电线路人工智能图像识别云服务，已在国网公司27个省、约300个地级市单位试点应用，获得广泛认可和好评。
再比如智能客服场景，国网客服中心通过构建电力客服领域知识图谱，利用意图识别、自然语言理解、图像识别等技术，建设多渠道智能客服体系，为广大电力用户提供更高质量、高效率、便捷智能化的服务。
国家电网正在将机器学习、自然语言处理、计算机视觉、电力智能机器人等AI技术应用到各种场景。尝到甜头的国家电网提出了电力人工智能发展路线图，第一个阶段目标，是在2035年之前实现电网的数字化转型和智能化跨越；远期目标则要实现整体电网运行的全智能化，把人工智能作为工具，全面融入到电网的运行过程中。
不只是电力行业，如今教育培训、文化娱乐、交通出行、电子商务、金融零售等千行百业都有数不胜数的AI应用实践。
北京新桥用AI技术来提高桥梁巡检的质量与效率；
中国国航APP通过接入百度大脑OCR身份证识别技术，实现旅客线上自助修正错购机票信息的功能；
人民日报基于百度AI技术实现“创作大脑”，用AI助力新闻策、采、编、审、发等全流程，提高新闻时效性与准确性，降低新闻生产成本；
济南地铁的刷脸支付闸机，识别只需1.8秒，将乘客通行速度提升近一倍；
……
不同企业与组织应用AI的场景大不相同，结果却大同小异：降本增效。降本，是AI替换人、协助人，降低成本；增效，则是提高效率、提升效能、提高质量、促进创新、提升价值。
“人工智能是蒸汽革命、电力革命、互联网革命后的第四次工业革命，人工智能技术被视作是新时代的电。”前些年人们或许很难理解这一宏观描述，现在则感触颇深，因为AI正在无处不在、无孔不入，跟IT、电力等技术一样化作生活日常，成为社会基础设施。
纵观各行各业AI应用的标杆企业，在AI开发时都有一个共同特点：在短时间内上线AI应用，并没有招聘大量的顶尖AI科学家或者高级AI工程师。专业AI技术人才短缺且成本高，短时间内招聘难以解燃眉之急。他们不约而同地都选取第三方AI技术服务，不是招标搞一个项目请AI技术外包公司来驻点开发，而是使用云服务搭建一套专属AI开发平台，大体步骤都大同小异：
第一步：结合业务需求在云端定制AI模型，将AI模型在云端训练后达到一定的智能化水平；
第二步：让AI模型在云端跑起来，将业务所需的数据传到云调用AI相关接口得到分析结果；
第三步：将分析结果返回到自身业务系统，与业务逻辑结合形成具体的决策。
这个过程跟“上云”非常相似。
云计算很容易理解，以前企业的网站、App或者系统要运行，要自己采购一堆服务器，放在自己的机房或者租来的机房，再雇专业IT人员管理，成本高不说，还要自己处理停电、黑客攻击、服务器损坏等等问题。有了云计算，企业就可以将系统都在云上跑，用了多少资源给多少钱，成本变低，计算也变得简单了。
用深度学习开源框架自主开发AI，开发者要花大量时间学习算法和训练模型，要去采购专用服务器或者云资源来解决算力需求，要学习与使用各种各样的AI模型工具，难点重重——更别说很多企业根本没有也请不起专业AI技术人员。
使用云端AI能力，企业就不再需要聘请专业AI技术人才，AI使用变得很简单，门槛与成本一下降低了不少，AI开发变得跟传统IT开发一样容易。“AI上云”，成为AI技术应用的必然趋势。
就算不应用AI技术，在全社会数字化转型的号角下，“上云”对企业来说都已成为必选项，“上云”不只是可以降低计算成本，更重要的是可汇聚分散数据、打通业务流程，是企业数字化转型的第一步。企业“上云”将数据汇聚到云端，给AI应用准备了原材料，具备了智能化转型的基础。
数字化转型与智能化转型对企业来说不是选择题，而是“两者都要”，越来越多企业走的是“数智化”升级的路线。在“企业上云”与“AI云化”的双重趋势下，“云智一体”就成为顺理成章的事情。正是因为此，主打“云智一体”模式的百度智能云，成为企业AI开发的首选平台。
百度智能云是第一个名字里面带“智能”的云服务商，后来其他厂商纷纷更名或强调智能属性，体现出AI对云越来越重要的趋势。百度AI技术研发超过十年，云的本质是能力的溢出，百度智能云也成为百度开放各种AI能力的最佳形式。
早在2016年百度智能云就提出了“ABC三位一体”的策略，将AI、云计算和大数据融合。2016年至2019年期间，百度一直在推动云和AI的融合。2020年，基于十年AI技术与生态的厚积薄发，百度智能云落地“以云计算为基础，以AI为抓手，聚焦重要赛道”的发展路线，进一步确立“云智一体”的发展战略。
百度智能云的“云智一体”不是在云计算上叠加AI组件，也不是将AI技术服务云化，而是云与AI深度融合，用云承载AI，用AI定义云。
先说“云”。AI计算“大、多、杂、散”，最适应AI计算的云要有新的架构，百度智能云在“AI开发基础设施（相当于传统的IaaS）”中融入AI元素，特殊调优后的AI开发基础设施，能更高性能、高利用率地发挥作用，成为最适合跑AI的云。
再说“智”。虽然有形形色色的AI技术服务商以及对应的云服务，但它们往往都不具备原生云能力。百度智能云的“AI开发平台”融入AI原生云计算架构，从芯片、OS、服务器等底层优化，因此算力和速度更精准、更快速。
AI定义的云、云原生的AI，让百度智能云成为唯一一家“云智一体”的云计算平台和AI开发平台，形成全栈AI开发能力，更好地满足企业AI开发的需求。“云智一体”也成为百度智能云的核心优势。IDC《中国人工智能 云服务市场研究报告（2020H1 ）》报告显示，百度智能云已连续三次在Al Cloud市场排名第一，在图像视频、NLP自然语言处理、人体识别等多个细分领域排名第一。
越来越多企业认识到，要使用云AI平台来开发AI应用，要使用具有AI能力的云。“云智一体”成为AI与云计算发展的终局形态。
产业智能化大潮已起，AI与产业快速、广泛、深入地融合。企业如何构建面向未来的AI开发平台？在AI开发时要关注什么？百度智能云日前发布《“云智一体”技术与应用解析系列白皮书-企业开发篇》（以下简称《“云智一体”白皮书》），其在报告中建议：企业在选择并建设适应未来发展趋势的AI开发平台时，要关注“场景先行、自主创新、效能为要”三个关键要素，进行统一规划和建设。
具体来说，“全栈式AI开发平台”，是企业AI开发的最优解。
首先，企业AI开发呈现出“定制化”趋势。
不同企业的业务场景极度复杂， 就像前文的例子，国家电网要将AI应用到发电、输变电、配用电、电网安全与控制、企业经营管理、政府社会服务等诸多场景，涉及到自然语言处理、深度学习、机器视觉、智能语音、知识图谱等不同AI技术，通用模型不可能满足其AI开发需求。
有定制化AI需求的不只是国家电网。根据2018年百度与波士顿咨询公司的联合调研，市场上86%的需求为定制AI需求，2017年到2020年定制AI模型激增6倍多。
要满足企业定制化AI需求，AI开发平台就要具有通用性的基础能力，且可被轻松解耦、嵌入、移植与迭代。据《“云智一体”白皮书》介绍，百度智能云AI基础架构分为底层（AI基础设施）、中层（AI开发双平台：零门槛AI开发平台EasyDL和全功能AI开发平台BML）和上层（面向行业的解决方案），形成全栈AI产品架构，可以满足任何企业任意场景下的AI定制需求。
“全栈”意味着“大而全”，对企业AI开发来说意味着复杂度高，因此百度智能云将AI能力集成到“AI中台”，通过AI能力引擎与AI开发平台，给企业提供数据管理、服务管理、全线资源运维管理体系，实现集约化AI能力管理、统筹式的智能化升级。
简单地说：百度智能云拥有全栈AI能力，企业可按需使用与拼装自己的AI开发平台，通过“AI中台”，企业AI模型定制、管理和运维的复杂度被大幅降低。
国家电网不同子公司、业务部门都要定制各种AI应用，其基于百度AI中台定制了国网人工智能中台，集成基础AI能力、自动化和 可视化工具，沉淀了一些共性的模型服务，支持上层复杂AI应用。有了人工智能中台，国网的模型开发人员、应用开发人员、业务应用人员均可轻松使用基础AI能力、开发工具和各种接口服务开发AI应用。
基于AI中台、使用全栈AI能力的开发模式，可满足所有企业的定制化AI开发需求。
其次，企业AI开发对效能越来越敏感。
随着AI在更多场景深度应用，AI要处理的数据越来越多、模型越来越大、定制越来越深，因此算力需求越来越高：计算量越来越大、精度要求越来越高、处理时效要求越来越高。结果就是算力成本越来越高。
与此同时，AI开发涉及到数据收集、数据预处理、数据标注、模型训练、模型评估和模型部署等系列任务，流程长、复杂度高、工序多，每一步都可能成为效能瓶颈，都可能增加AI开发的成本。
在成本可控的前提下实现效能最大化，是AI开发要着重考虑的问题，成本包括算力成本与开发成本，效能则包括数据质量、模型精度、处理效果、结果精准度等。因此，《“云智一体”白皮书》认为，适应未来的AI开发平台要具有如下三个能力：
在算力资源方面，要对接和管理好性能、高利用率、高性价比的AI算力资源；
在研发效率方面，要提供全流程的优化和开发效率的调优；
针对企业的实际业务场景和定制需求，提供整体的解决方案。
百度智能云“云智一体AI开发全栈模式”，正好可以满足以上需求。百度既有AI技术优势，也有云原生能力，从基础硬件、存储、容器、开发平台到上层AI模型和应用的每个环节均融入 “云智一体”理念，具有低成本高效率的优势。
比如“百度AI开发基础设施”即AI定义的云，百度智能云在业内率先提出的AI原生云计算架构，搭建AI计算集群、AI 芯片等基础设施，对服务器等基础设施针对AI加速、AI优化、AI存储、AI容器等进行专门调优，具有更高性能（训练速度、精确度、模型效果）、更高利用率，更低成本。
再比如百度“AI开发双平台”，基于自主研发的飞桨核心开源框架 (PaddlePaddle)，具有强大的定制化、可移植与兼容性能力。通过齐备的工具支持，一站式满足开发者全流程的AI开发和部署需求，具有易用、高效与流畅等特质。
最后，企业AI开发要具有兼容未来的能力。
AI产业生态依然在高速成长中，算法、算力、云服务、应用等不同维度的技术均在不断演进。《“云智一体”白皮书》认为，AI开发是一个动态进化的过程，是在与应用场景持续交互的过程中，通过不断获得反馈、获取动态新数据，持续迭代的过程。同时，人工智能应用场景分散， 需要与业务逻辑紧密结合。因此，对于企业和开发者而言，需要有足够灵活、易用的平台进行自主创新。
比如AI开发平台要能兼容不同计算平台，百度飞桨企业版是业内芯片适配最广泛的AI开发平台，适配飞腾、华为、百度昆仑等国产芯片和服务器。再比如AI开发平台要支持业务一线人员零代码应用AI，百度飞桨企业版采取“双平台”模式，分别面向不同使用者，既提供全功能开发模式满足资深研发人员的开发需求，也提供适合一线业务人员的零门槛模式，降低AI应用门槛。
“云智一体”的趋势下，市面上越来越多的云计算厂商都在强调“智能”二字，且在云平台上提供不同的AI组件，但是它们的云与AI是割裂的，云不是专为AI而生，AI也并未与云实现“一体化”的深度融合，定制化能力、AI计算与开发效能（效率+成本）以及灵活性上都不如百度智能云。它们不具备全栈AI开发能力，企业要面对不同界面，复杂度大幅提升、开发效率大幅降低。
百度财报显示，一季度百度智能云营收达到28亿元，同比大幅增长55%，在一众云计算平台中增长率属于领先水平。百度智能云高速增长，很大部分原因是其通过“云智一体”的独特模式，吃到了企业智能化的红利。
随着产业智能化进一步加速，每家企业都在加速“数智化”转型，“云智一体”价值将被更多企业发现，百度智能云的优势会得到更加淋漓尽致的发挥。百度智能云的新一轮高速增长，正在拉开维度。
云计算市场，就要变天了。
加载中,请稍侯......