BAT的中台战事，谁是最终的赢家？( 二 )_

2百度AI中台与企业“大脑中枢”
同理，像以AI能力为核心的百度，从21年开始使用AI为各个业务赋能后，逐渐沉淀了一套以AI能力为核心的“AI中台”，同样可以称为真·中台。

文章插图

百度的AI中台虽然公开提出的时间比较晚，但百度中台化的工作开展的其实也比较早。217年DuerOS、Apollo正式对外开放，百度AI战略级业务布局完成，对内对外都开始正式明确百度在AI时代的“平台”定位，坚定AI战略为开放赋能。但其实当时在百度内部，AI的力量是比较分散的。这也合乎大部分强互联网基因、从C端业务走过来的大平台的特征——这些平台的发展路径往往是长期让研发跟着业务走，大部分力量分布在各个BU/BG，自己选择认为合适的技术和体系，整个研发体系其实是分布式、去中心化的，如果仔细研究一下、不仅仅百度，腾讯、华为、京东都是这个路子。但是，当百度需要对外卖AI能力、卖AI中台的时候，就不能这么玩了，这时候就需要把百度体系内散作满天星的AI研发、应用、产品加以整合，集中力量办大事。参与了这个过程的一位百度工程师回忆说：“严格意义上讲，当时做这些搜集工作的百度人，脑子里可能还没有完整的中台概念，他们就是把派到各个团队收集回来的需求，列成一个大的需求列表，然后再去跟踪这些需求怎么用AI技术方案去满足，有了方案后，然后再去协调后端的相关能力。”于是，百度就成立了一个小团队，然后把这个小组作为业务BP（BusinessPartner），进驻到各个业务线里面去，开始整合百度的AI能力。其实过程相当枯燥——跑到每个业务团队去，倾听需求、考察各自的需求、能力是否有重合、是否有空白，然后看看怎么能实现分散研发（这个是很难改变的）但集中赋能，这种做法的导向就是，各个业务的研发还是跟着业务走，但遵循一些大的共同原则，使得各自的研发能够有相互耦合的能力，这样的结果就是产生了百度的AI中台。为了整合出一个中台，其实相当于内部要搞很多业务创新，以深度学习为特征的这一波AI浪潮起来后，很多技术要求都发生了变化，比如对于非结构性数据（如语音、图片）的汇聚，就是一个很突出的需求，而且是所有有类似感知智能AI需求的企业都要解决的问题，所以百度的AI中台就要先于别人去解决这个问题；又比如，AI爆发的算力需求，对AI加速提出了前所未有的需求，这就导致中台必须和大量的硬件适配，甚至最后还产生了专门用于深度学习的一体机（AI加速服务器），我们看到百度最近和长城推出了完全整合的AI加速服务器，其实就是百度中台韧性、专业能力在增加的一个体现。在谈及百度AI中台的推广时，很多人都会问一个问题，既然百度飞桨深度学习平台已经使我们可以便捷的使用百度的AI能力，那么，引入百度的智能中台体系的价值何在？笔者可以打这样一个比方，百度的飞桨好比一个公众图书馆，你在任何时候都可以去借书、研究、学习，也可以使用书里的知识；而引入百度的AI中台，则好比是为企业移植了一个AI大脑，让AI能力成为企业自身技术能力的一部分。

文章插图

前者，是外脑，随时可以用，在企业开始尝试引入AI来改进业务的“先行者阶段”、“工作坊阶段”，或者本身企业的规模还比较小的时候，使用“外脑”飞桨的成本是最低的；但如果你已经是一个规模企业，你需要形成自己的AI业务体系，那“外脑”就不如移植一个“器官”，让它长在企业的数字化系统里，随时随地为企业赋能。引入中台的另一层面的价值是，并不是每个企业都像百度这样有AI原生的研发能力，笔者访谈过很多AI的应用企业，比如有一家做卫星图像处理的公司，每天产生海量的数据，除了2%的提供给国土资源、农林水利等政企用户外，8%的数据无法产生价值。