1、 稀缺昂贵的算力。
在今天,AI算力依旧是种普通开发者难以搞定的珍惜资源。我们采访过一位做AI与细胞工程算法的博士,他的算法在TensorFlow上跑一次要几天,验证一次又要几天,而在学校里申请一次要两个月,排队又要一个多月。换句话说,如果发现算法某处有问题,想再调试一回,好的,半年之后见吧……这种进度,显然是面向市场的科技开发者无法负担的。
2、 基础算法非常复杂,开发者没有独立攻陷的能力。
今天很多想要加入AIoT领域的开发者,都是家电和硬件厂商领域的玩家。对各自领域都很熟悉,然而想要开发AI这个完全陌生的东西,需要从基本的视觉交互算法开始做的话,无论人才还是经济成本都不是类似企业可以承受的。
3、 进入应用场景问题重重,跨平台兼容问题、训练成本、大规模部署问题层出不穷。
AI开发者有句话,叫开发一时爽,兼容那啥场。开脑洞想出一个模型不算难,开发出来或许也还好,但是当想要把框架里的算法部署到数量众多的物联网设备上,那问题将是无穷无尽的。本地算力、网络连接能力、平台间的不兼容,都让开发者望而却步。
由于AI这座山,对于身处IoT产业,或者想要接下来进入这个产业的朋友们来说,实在有点过于昂贵和遥远了,因此AIoT对于大多数从业者来说还是听听而已。
这样看,IoT开发者想要爬过AI的高峰,需要的是全场景解决从基础算法,到开发训练,再到应用部署的能力的全开放。比如说华为在今年刚刚宣布了从芯片端、开发框架体系,再到终端AI开发的全流程体系。昇腾910芯片是目前单芯片计算密度最大的AI芯片,而Ascend 310是目前面向边缘计算场景提供最强算力的AI SoC,这对于IoT厂商解决算力问题至关重要。而华为MindSpore开发框架支持端、边、云独立的和协同的统一训练和推理,可以帮助IoT开发者解决开发兼容问题。在应用端,华为还有ModelArts等开发工具,以及面向终端设备的HiAI开发平台,可谓从算力、算法开发,再到兼容性上,为AI开发者提供了完整的进入方案。
当开发者可以在统一的架构完成训练,再到无兼容成本的平台完成测试和部署,那么很多关于AI的隔阂就在物联网世界中消弭于无形了。
只有把AI的路在平台层面跑通,开发者才能顺势而上。