近年來，世界各國全面押寶人工智能，意圖占領全球新一輪科技競爭高地，我國各大城市也紛紛發布新一輪人工智能發展規劃或行動方案。
隨著人工智能向規模化、場景化、普惠化等應用階段發展，其在設計、訓練、驗證等環節對負荷載體提出了更高精度、更高效能、更高彈性的要求，人工智能開放創新平臺（以下簡稱“平臺”）作為持續輸出人工智能核心技術和服務能力的重要載體，越來越受到關注。
微軟、谷歌、Facebook、Amazon等互聯網頭部企業，以及蘋果、UBER、英特爾、IBM等科技領軍企業紛紛啟動建設與自身所在行業相關的AI平臺，以進一步提升在人工智能領域的話語權。
2019年，科技部發布了《國家新一代人工智能開放創新平臺建設工作指引》，強調要建設以企業為主導的國家新一代人工智能開放創新平臺。
截至2021年11月，國內已有三批次共15個國家新一代人工智能開放創新平臺獲批建設，其中包括百度、阿里、騰訊等國內互聯網巨頭，以及科大訊飛、明略科技、海康威視、華為、小米等人工智能領軍企業。
事實上，除了以企業為主體構建的平臺外，還有許多由高校院所、政府等建設的平臺。通過對國內外知名度高、專業性強的人工智能平臺的深入分析，可以對平臺作出如下定義與分類。
人工智能開放創新平臺一般是指由基礎設施（如大科學裝置）、具有行業主導力的技術服務機構（如企業、高校院所）等牽頭或共同建設而成，目的是賦能企業、個人或開發者和組織進行人工智能項目的研究、開發或應用，推動人工智能技術和經濟、產業、社會等融合發展。
按功能分類，平臺可分為底層資源平臺、通用技術平臺和應用創新平臺（見表1）。
底層資源平臺主要是為人工智能基礎層的算力和數據提供軟硬件支持。
通用技術平臺注重技術供應和算法模型突破。（云服務平臺提供了從算力支撐到模型支持、再到應用解決方案的多功能服務，但因其以端到端的技術支撐為主要模式，固將其歸為通用技術平臺）
應用創新平臺則是為人工智能技術的應用落地和產業化、標準化提供服務。
各層次平臺以開放式、差異化服務，賦能人工智能產業鏈從創新策源到產業化的不同環節，成為重要的技術支撐和產業基礎。
從國內外不同類型平臺建設和運營來看，其功能主要包括核心關鍵技術攻關、研究成果轉化推廣、開放社區生態建設和優秀人才團隊培育這四方面。
1. 擴大合作，深化核心關鍵技術聯合攻關
技術創新是人工智能開放創新平臺最核心的功能，從技術研發形式上看，當前全球各類平臺普遍呈現從學術主導到學術與產業共同驅動的趨勢。
中國最大的計算機視覺軟件供應商商湯科技以“堅持原創”為使命，在剛成立的三年里十分注重學術突破，通過參加世界級競賽的方式向外界證明團隊技術實力。
但實踐證明，僅由學術主導的技術創新難以觸碰到市場真正的需求，而企業在前沿技術領域又缺乏足夠的策源能力。總之，學術與產業的聯合創新如同“干柴需要烈火”。
因此，商湯一改傳統的知識“供給-需求”模式，轉變為建立長期合作的協同創新平臺。
其中，商湯與浙江大學 CAD&CG 國家重點實驗室共建的三維視覺聯合實驗室，便是企業技術應用和高校基礎研究優勢互補、強強聯合的代表平臺。
從合作方式上看，商湯為平臺提供人力、科研經費等方面的支持，并與高校實驗室人員共同開展技術攻關研究。
在這種模式下，科研人員能專注于前沿探索和技術指導，企業研發團隊則負責技術轉化，兩方保持密切溝通合作。
對于高校平臺來說，這種聯合平臺有效促進技術落地。而對企業來說，則有利于其保持關鍵技術的前沿性和引領性。
2. 系統賦能，提速科技成果孵化應用效能
為推動科技成果產業化，平臺（多為云服務平臺和應用場景平臺）依托API接口，以低代碼、強功能的優勢直接面向企業或個人。
簡單點說，這類平臺可以看成一個主機，有電源接口、音頻接口、USB接口等等，使用者無需知道接口內部的具體運作或組成模式，只要在這些接口上（API接口）插上相應的設備（模塊），就能點亮一個主機（模型或解決方案）。
據估算，這類平臺僅算法研發一個模塊就能為節約企業約24萬元、2-4個月研發周期。
訊飛開放平臺、Amazon SageMaker、Tengine、Azure AI等平臺，就是通過API接口提供模型訓練或某一行業整體解決方案的代表平臺。
以Amazon SageMaker平臺為例，它將機器學習（ML）的所有組件打包在一個工具箱中，開發者通過選取不同的工具，快速搭建、訓練和部署機器學習模型，避免了模型制定和轉換、算法工程師和開發人員協調、參數調優等一系列復雜過程。
Gartner發布的2021年云AI開發者服務魔力象限將亞馬遜評為“領導者”，Amazon SageMaker平臺可謂功不可沒。
Envoy Media Group企業通過Amazon SageMaker平臺部署的云原生解決方案，將機器學習預測準確度從85%提升到98%。
當然，這類低代碼式平臺依然要求開發者擁有一定的計算機基礎。近年來，一些以拖拽式、無代碼、可視化為特征的平臺逐漸進入公眾視野，直接面向業余人員提供低門檻、一站式、高定制和泛場景服務。
宜搭、雀書、Creatio、PowerApps、FileMaker等，都屬于無代碼平臺。這類平臺將開發簡化成可視化模塊，業務人員通過“搭積木”方式，實現短時間內開發軟件和應用。
3. 模式創新，以開源生態集聚全球智慧
中國工程院院士倪光南在openEuler Developer Day 2021上說：“當前世界，誰擁抱了開源，誰就擁抱了信息技術的未來。”
在人工智能領域，AI框架開源是其關鍵核心，且普遍架設在云服務平臺上，這類人工智能開源平臺是所有人工智能開放創新平臺中最引人矚目的存在。
其最大的不同就在于，它的接口、架構、硬件等一系列組成部分全部透明公開，任何人都可以無償直接在機身（源代碼）上進行學習和修改。
據IDC調研顯示，86.2%的企業和開發者更傾向于使用開源深度學習框架進行AI開發，且以谷歌、Facebook推出TensorFlow、Pytorch兩大AI開源框架仍占據全球主流。
從國內來看，百度、華為、清華大學等企業和高校開發的飛槳、MindSpore、Jittor等AI開源框架紛紛向兩大老牌AI開源框架亮劍，在運行成本、部署難度、架構設計、優化移植等方面各顯神通，意圖抗衡行業霸主地位。
但事實上，真正成就這些開源平臺的不僅僅是開源框架技術，更是其組建的開源社區。
以國內首個產業級開源人工智能平臺百度飛槳為例，其全面開啟“大航海”領航計劃，以技術專家、興趣小組和領航團等為主要組織形式，與國內外優秀的開源社區和開源項目進行合作，攜手開發者、同行社區共建開源學習生態、探索人工智能前沿領域。
截至2021年5月底，飛槳社區已集聚320萬開發者，創建了36萬模型，覆蓋工業、醫療、能源、農業、金融等各個行業與場景。
4. 厚積薄發，助力行業培育亟需人才團隊
充足的高質量人才是人工智能開放創新平臺深入發展的基礎。作為AI人才培養的新陣地，很多平臺都在積極構建形式多樣的人才引培體系。
一方面，平臺通過推出或合作開展各類人才項目，以項目實踐的形式培養強化人才智力對平臺發展的支撐力。
既有AI平臺依托自身資源優勢，開展促進自身和整個行業發展的人才引培項目。
如谷歌推出的全日制研究型培訓——谷歌大腦培訓生（Google Brain Residency），匯聚全球頂尖的人工智能基礎設施和專家學者，培養前瞻性、高產出的深度學習研究人員。
也有部分AI平臺與國內外優秀企業、高校院所等聯合開展培訓活動。以深圳市人工智能與機器人研究院為例，其設立多項國際合作項目，如卡耐基梅隆大學機器人研究所本科生暑期研究項目、聯合培養博士后項目、生物醫用無線操控微型機器人項目等，培養國際化的高端人才。
另一方面，部分AI平臺通過配套開發一體化人才培養子平臺，系統化培養專業人才，有針對性地提升人才、團隊與平臺的適配度。
360安全大腦平臺則是其中代表之一，其圍繞“1+N”網絡空間安全人才培養一體化實踐架構，打造360網絡空間安全教育云平臺，在網絡安全領域提供一站式在線人才安全教育解決方案。
從國內市場看，隨著我國步入數字化、智能化時代，人工智能作為“十四五”優先發展的前沿科技領域之一，將會迎來爆發式增長。
預計到2022年，我國人工智能開放創新平臺市場規模將達到700億元以上，年均增長預計達到80%左右。
1. 底層資源平臺改善軟硬件設施需求急切
硬件設施方面，隨著對人工智能算力的需求增速超過摩爾定律，以及算力人工智能開放創新平臺市場規模成本不斷提升，各類算力共享平臺將憑借規模效應等降低建設、運維成本。
大型數據中心運營運維管理向著DCIM可視化（資產信息、能耗統計）流程定制化方向發展，客戶需求在傳統IT網管功能基礎上向CMDB網管綜合化、定制化發展。
軟件設施方面，隨著芯片內部復雜度和集成度呈指數級增長，融合了深度學習等人工智能特征的EDA平臺在高性能芯片設計和市場化方面擁有更多優勢，能夠有效減少人力投入、縮短設計周期、提高芯片設計及生產的性能和精度。
此外，嵌入式人工智能技術和高精準度模型對數據采集、標注等提出了更高的服務能力要求。
2. 通用技術平臺的服務將更加全面且精細
算法模型研究方面，當前模型與算法主要為低精度張量計算，對軟件棧的需求呈現多樣化特點。
因此，未來算法平臺提供的模型將向無監督、可解釋、自學習、集成、生命周期、分布式、深度推理等方向發展。
從宏觀趨勢上看，算法模型平臺將從通用平臺走向行業平臺，行業應用場景融合趨勢更加分明，功能多樣性和可拓展性更加凸顯。
云服務平臺方面，企業上云已成為一種必然趨勢，隨著上云的企業用戶規模不斷擴大，以及企業對云服務的需求從初級上云到創新應用，都對平臺服務器的穩定性、數據的安全性、硬件性能、計算資源池化能力等提出更高要求。
3. 應用創新平臺往垂直化、標準化方向發展
應用場景方面，隨著國家人工智能創新應用先導區和人工智能創新發展試驗區的帶動作用進一步凸顯，人工智能平臺正呈現垂直細分領域需求導向的發展態勢。
同時，國內平臺市場集中度較高，行業競爭激烈。未來專注于AI某一細分領域、提供差異化平臺服務的人工智能開放平臺或將突出重圍。
雙創服務方面，人工智能產業高質量發展離不開頂層設計及標準制定，尤其是在人工智能持續火熱的當下，布局咨詢功能、系統安全、測評認證和應用示范等功能的人工智能公共服務平臺，將是提升人工智能企業活躍度和培育產業生態圈，提升人工智能在全國乃至全球影響力以及話語權的關鍵環節。
1. 強化創新策源
一方面，平臺與高校院所、政府或企業需積極拓寬合作模式，通過與全球頂級教授聯合創辦研究中心、合作開展研究課題等方式，構建國際學者自由開展研究、加速前沿性領域突破的開放性研究環境等。
另一方面，具有行業領導力的平臺可憑借其建設或運營主體（企業、政府或高校院所）的影響力，通過獎金、伙伴資源等激勵措施，支持產業界和學術界的協同創新。
比如，華為云沃土計劃2.0推出的鯤鵬眾智計劃和昇騰眾智計劃，涵蓋超500個任務包和超1億元獎金，集聚行業伙伴和開發者智慧，共同促進智能計算產業繁榮發展。
2. 構筑人才高峰
為打造學術和產業領軍人物“加速器”，平臺可以借鑒上海“A班計劃”、深圳“AI新工科”等發達城市人才培養項目做法，或與國內外頂級科研院所聯合開展國際人才培育項目，打造能貫通學術研究和市場需求的人工智能頂尖人才。
同時，人工智能創新創業大賽、世界人工智能大會等國際性活動也是吸引全球人才集聚與交流的重要方式。
平臺可以通過主辦或參與這類活動，以資金、設備、技術、市場等資源要素挖掘頂尖人工智能人才，并為有創業意愿的學者提供不同學科高交叉、高融合的資源與環境。
3. 建設轉化中心
人工智能技術只有與垂直領域結合、解決具體問題，才能讓技術真正落地，通過賦能實體經濟而實現產業化。
從國家平臺布局來看，目前獲批建設的15個國家新一代人工智能開放創新平臺中，垂直領域平臺占比約60%。
未來，平臺應更關注人工智能技術在各個細分領域的應用轉化，積極對接人工智能前沿場景項目，助力政府、企業等機構快速實現“開發-測試-應用”進程。
此外，實驗室、創新中心、基礎設施等平臺可充分利用創新鏈和產業鏈的雙向鏈接橋梁，主動與機器之心、上海WAIC開發者生態等資源對接平臺合作，進一步加快技術開發和應用轉化的承接步伐。
4. 打造交流樞紐
人工智能技術更迭之快，新產品出現之頻繁遠超出人們的預期，這就要求產業鏈和創新鏈保持密切交流，協同推進人工智能細分技術創新和應用落地。
一方面，行業技術領先平臺應對標TensorFlow、PyTorch、飛槳、開源天元、Angel等推出AI開源框架，在此基礎上通過推廣開源理念、建立開源社區等方式，以優質開源生態服務所有開發者，引領所有社區成員合力推進人工智能開源創新發展。
另一方面，鑒于人工智能是一門交叉性學科，不同圈層之間的碰撞顯得尤其重要。
各類平臺可學習北京智源人工智能研究院的“前沿交叉圓桌”等模式，引導人工智能產業人才與不同領域學者進行頭腦風暴，實現人工智能跨界生長。
參考資料：
[1]通信世界.倪光南：開源已成為技術應用和行業數字化發展的基石[EB/OL]. https://m.sohu.com/a/471519416_128075
[2]同花順財經.IDC：86.2%AI開發者選擇使用開源深度學習框架[EB/OL]. https://baijiahao.baidu.com/s?id=1639200173697125307&wfr=spider&for=pc
[3]新浪VR.2020-2021年中國智能媒體發展報告：2022中國人工智能市場規模達1000[EB/OL]. http://vr.sina.com.cn/news/report/2021-03-29/doc-ikknscsk3521981.shtml
[4]藍隊_小軒.隨著云計算的發展，企業上云已經成為了一種必然趨勢，那么為什么企業要上云？[EB/OL]. https://blog.csdn.net/xx1519/article/details/117784969
