中臺(tái)為什么要AI？

中臺(tái)的作用是將重復(fù)的服務(wù)共享，快速構(gòu)建滿足個(gè)性化要求的業(yè)務(wù)，讓業(yè)務(wù)好用！

重復(fù)共享性，正是AI技術(shù)落地所急需要解決的問題，只有通過共享、復(fù)用，才能實(shí)現(xiàn)降低成本、快速應(yīng)用。

因此，建設(shè)AI中臺(tái)就是圍繞這個(gè)目的和初衷，將可重復(fù)使用的AI模型、服務(wù)沉淀共享，快速組合、組裝、產(chǎn)出滿足個(gè)性化智能業(yè)務(wù)要求，AI 中臺(tái)是用來構(gòu)建大規(guī)模智能服務(wù)的基礎(chǔ)設(shè)施，是一套完整的人工智能模型全生命周期管理平臺(tái)和服務(wù)體系。

它提供模型設(shè)計(jì)訓(xùn)練、模型/算法庫、復(fù)用標(biāo)注管理、模型監(jiān)控服務(wù)等能力支持。

AI中臺(tái)什么樣？

AI中臺(tái)需要實(shí)用、易用、好用，能讓業(yè)務(wù)開發(fā)人員、項(xiàng)目實(shí)施人員能快速的構(gòu)建滿足當(dāng)前業(yè)務(wù)需要的智能化應(yīng)用。

AI中臺(tái)應(yīng)滿足以下幾個(gè)特點(diǎn)：

1.擁有眾多的AI模型和服務(wù)

為了滿足快速組裝成滿足個(gè)性化智能業(yè)務(wù)要求的產(chǎn)品，AI中臺(tái)首先要是一個(gè)大型“AI模型和服務(wù)”市場(chǎng)，里面有隨時(shí)可供選用的模型和服務(wù)，包括：

l基礎(chǔ)的通用組件，如：語音識(shí)別、語音合成、人臉識(shí)別；

l符合行業(yè)、領(lǐng)域特性要求的通用組件，如：某行業(yè)的NLP服務(wù)、某行業(yè)的知識(shí)圖譜、某領(lǐng)域的圖片識(shí)別服務(wù)；

l某類型客戶群體的通用組件，如：企業(yè)用戶的智能對(duì)話服務(wù)、個(gè)人消費(fèi)用戶的推薦服務(wù)

當(dāng)市場(chǎng)中缺乏必須的模型和服務(wù)時(shí)，要具備快速開發(fā)供他人使用的能力。

2.AI模型和服務(wù)之間能互通、能拼裝

確保AI中臺(tái)中的所有模型和服務(wù)都能組合使用，AI中臺(tái)應(yīng)為所有AI模型、服務(wù)互通、互助、并行應(yīng)用提供基礎(chǔ)支撐。

l所有的通用組件、行業(yè)組件、領(lǐng)域組件、特定組件以微服務(wù)方式滿足統(tǒng)一的被調(diào)取規(guī)范；

l所有組件依賴的環(huán)境、資源不相沖突，能在同一個(gè)控制臺(tái)注冊(cè)、運(yùn)行，有統(tǒng)一的基礎(chǔ)支撐平臺(tái)。如：智能對(duì)話服務(wù)作為核心服務(wù)，無縫對(duì)接標(biāo)準(zhǔn)的語音服務(wù)、某行業(yè)的知識(shí)圖譜、某特定用戶群體的推薦服務(wù)、特定開發(fā)的智能處理服務(wù)等。

l所需要的數(shù)據(jù)資源能一次抽取整理，在不同模型、服務(wù)間共用，避免人力、物力資源浪費(fèi)，及數(shù)據(jù)的沖突。如：抽取的用戶所在城市的信息，既可以滿足智能對(duì)話中對(duì)話模型的使用，也可以滿足知識(shí)圖譜模型的使用，還可以滿足智能推薦模型的使用。

3. 方便對(duì)接業(yè)務(wù)系統(tǒng)、數(shù)據(jù)中臺(tái)、開發(fā)工具

AI中臺(tái)不是孤立的平臺(tái)，是信息化建設(shè)中的一部分，應(yīng)能與基礎(chǔ)平臺(tái)、業(yè)務(wù)系統(tǒng)很好的融合。

只有做好與原業(yè)務(wù)系統(tǒng)的對(duì)接，才能使AI能力助力業(yè)務(wù)智能化。

lAI中臺(tái)應(yīng)對(duì)接底層基礎(chǔ)運(yùn)行平臺(tái)，利用基礎(chǔ)運(yùn)行平臺(tái)的運(yùn)行和管理能力，實(shí)現(xiàn)業(yè)務(wù)共同部署、運(yùn)行，解決重復(fù)投入、應(yīng)用沖突問題。

lAI中臺(tái)使業(yè)務(wù)智能化，原有業(yè)務(wù)邏輯繼續(xù)由業(yè)務(wù)系統(tǒng)管理，AI中臺(tái)作為智能化應(yīng)用增強(qiáng)服務(wù)，與業(yè)務(wù)系統(tǒng)對(duì)接實(shí)現(xiàn)快速智能化。

如：?jiǎn)螕?jù)的流轉(zhuǎn)、控制等業(yè)務(wù)邏輯繼續(xù)由業(yè)務(wù)系統(tǒng)負(fù)責(zé)管理，AI中臺(tái)提供智能化組件幫助，實(shí)現(xiàn)智能提單、審單、監(jiān)控。

lAI中臺(tái)和數(shù)據(jù)中臺(tái)、業(yè)務(wù)中臺(tái)同屬中臺(tái)服務(wù)，應(yīng)能利用數(shù)據(jù)中臺(tái)能力，與數(shù)據(jù)中心對(duì)接，獲取數(shù)據(jù)。能與業(yè)務(wù)中臺(tái)對(duì)接，能互相調(diào)取、支撐、融合。

lAI中臺(tái)應(yīng)能對(duì)接業(yè)務(wù)開發(fā)平臺(tái)，在業(yè)務(wù)開發(fā)過程中，無縫接入AI模型和服務(wù)，與業(yè)務(wù)系統(tǒng)形成一體化，將AI能力運(yùn)用到日常業(yè)務(wù)中。

如：系統(tǒng)建模過程中加入AI的組件和服務(wù)，系統(tǒng)構(gòu)建完成后自動(dòng)擁有AI智能業(yè)務(wù)能力。

4. 簡(jiǎn)單好用、適應(yīng)性強(qiáng)

AI中臺(tái)需要簡(jiǎn)單好用，易于理解，降低開發(fā)、實(shí)施人員、運(yùn)維人員的學(xué)習(xí)成本。同時(shí)，要有靈活的適應(yīng)性，能適應(yīng)多樣復(fù)雜業(yè)務(wù)應(yīng)用環(huán)境的要求。

l業(yè)務(wù)、研發(fā)人員通過簡(jiǎn)單代碼、習(xí)慣方式、熟悉的方法、慣用思路、簡(jiǎn)便操作進(jìn)行接入、調(diào)試服務(wù)。能快速、簡(jiǎn)單實(shí)施部署，能和其他部署的業(yè)務(wù)系統(tǒng)不沖突，節(jié)約設(shè)備資源。

l面對(duì)客戶提出的業(yè)務(wù)智能化場(chǎng)景要求，能快速理解轉(zhuǎn)換為AI應(yīng)用思路，快速找到合適的模型實(shí)現(xiàn)。面對(duì)實(shí)施環(huán)境的多樣性，能快速滿足和交付。

如：方便不同數(shù)據(jù)庫的使用，方便不同數(shù)據(jù)源的接入，方便內(nèi)外網(wǎng)的應(yīng)用，方便不同系統(tǒng)的使用，方便PC、移動(dòng)、智能硬件設(shè)備、VR/AR設(shè)備等不同終端的同時(shí)使用等。

l面對(duì)客戶個(gè)性化要求，能快速調(diào)整模型適應(yīng)。如不能通過已有的模型來滿足時(shí)，能進(jìn)行二次開發(fā)，在原有模型基礎(chǔ)上再開發(fā)或開發(fā)新的模型。新研發(fā)出的模型又能共享作為他人的使用，或者他人開發(fā)的基礎(chǔ)。

AI中臺(tái)產(chǎn)品特點(diǎn)

AI中臺(tái)產(chǎn)品具有一些共同的特點(diǎn)：

l強(qiáng)調(diào)數(shù)據(jù)安全，隔離

l云、端、邊都方便部署

l對(duì)主流開源深度學(xué)習(xí)框架的支持和優(yōu)化

阿里的飛天AI平臺(tái)

從架構(gòu)上來看，飛天平臺(tái)從底層框架到解決方案層主要有三層：

1.云邊端一體的高性能訓(xùn)練和推理引擎框架，包括 Alink、MNN、XDL、SQLFLOW、PAI TensorFlow、PAI Blade、Elastic DL等；

2.PAI機(jī)器學(xué)習(xí)平臺(tái)：包括輕量級(jí) AI 開發(fā)平臺(tái)、AI大數(shù)據(jù)系統(tǒng)協(xié)同開發(fā)平臺(tái)、AI 推理服務(wù)平臺(tái)；

3.解決方案層：面向智能語音、視覺圖像、自然語言處理、自動(dòng)駕駛等領(lǐng)域

百度EasyDL平臺(tái)

EasyDL是百度大腦推出的定制化AI訓(xùn)練及服務(wù)平臺(tái)，支持面向各行各業(yè)有定制AI需求的企業(yè)用戶及開發(fā)者使用。支持從數(shù)據(jù)管理與數(shù)據(jù)標(biāo)注、模型訓(xùn)練、模型部署一站式AI開發(fā)流程，通過原始圖片、文本、音頻、視頻類數(shù)據(jù)經(jīng)過EasyDL加工、學(xué)習(xí)、部署可發(fā)布為公有云API、設(shè)備端SDK、本地化部署及軟硬一體產(chǎn)品。

Amazon SageMaker

Amazon SageMaker 是一項(xiàng)完全托管的服務(wù)，可以幫助開發(fā)人員和數(shù)據(jù)科學(xué)家快速構(gòu)建、訓(xùn)練和部署機(jī)器學(xué)習(xí) (ML) 模型。SageMaker 完全消除了機(jī)器學(xué)習(xí)過程中每個(gè)步驟的繁重工作，讓開發(fā)高質(zhì)量模型變得更加輕松。

聯(lián)想LeapAI平臺(tái)

聯(lián)想企業(yè)級(jí)人工智能平臺(tái)LeapAI是一站式的私有化企業(yè)級(jí)統(tǒng)一AI平臺(tái)，全面內(nèi)置主流AI技術(shù)， 通過端到端的數(shù)據(jù)、算法、算力管理，自動(dòng)化模型訓(xùn)練與交互式使用體驗(yàn)，降低企業(yè)AI應(yīng)用門檻，實(shí)現(xiàn)AI在企業(yè)全價(jià)值鏈的快速落地。

AI中臺(tái)靈魂3問

一問：AI中臺(tái)的目標(biāo)究竟是什么？

AI中臺(tái)解決的痛點(diǎn)問題，是企業(yè)智能應(yīng)用研發(fā)過程中存在的響應(yīng)緩慢、效率低下問題 ，包括但不限于：

1)“煙囪式”開發(fā)，項(xiàng)目成本高、不易集成，過程重復(fù)，缺乏能力沉淀；

2)研發(fā)環(huán)節(jié)繁多，缺少優(yōu)化、協(xié)同、自動(dòng)化輔助，業(yè)務(wù)響應(yīng)緩慢；

3)模型研發(fā)缺乏標(biāo)準(zhǔn)指導(dǎo)，服務(wù)接口混亂，難以維護(hù)管理；

4)缺少統(tǒng)一的數(shù)據(jù)訪問渠道，數(shù)據(jù)獲取難、標(biāo)準(zhǔn)不一致，重復(fù)的數(shù)據(jù)預(yù)處理與特征工程；

5)缺少統(tǒng)一的模型運(yùn)行、監(jiān)控平臺(tái)，以及更新、維護(hù)機(jī)制；

6)基礎(chǔ)資源分散管理，未得到充分利用，造成浪費(fèi)。

現(xiàn)在的許多算法研發(fā)團(tuán)隊(duì)更像是算法外包團(tuán)隊(duì)，根據(jù)不同業(yè)務(wù)部門的需求各自構(gòu)建陣地，逐步攻克目標(biāo)，過程重復(fù)、效率有限。

AI中臺(tái)是努力提供一個(gè)強(qiáng)大的AI能力支持中心，根據(jù)業(yè)務(wù)需要快速提供火力支援，迅速達(dá)成目的。

所以， AI中臺(tái)應(yīng)具備的能力包括：

1)多層次可復(fù)用：對(duì)于算法、模型的標(biāo)準(zhǔn)化研發(fā)指導(dǎo)，以及可復(fù)用服務(wù)封裝能力；

2)服務(wù)統(tǒng)一化：統(tǒng)一的服務(wù)接口規(guī)范，支持服務(wù)的動(dòng)態(tài)編排組合；

3)流程角色優(yōu)化：研發(fā)流程拆分優(yōu)化，清晰的研發(fā)角色定義，支持任務(wù)并行與角色協(xié)作，構(gòu)建AI產(chǎn)品研發(fā)流水線；

4)自動(dòng)化迭代：具備研發(fā)環(huán)節(jié)內(nèi)部、環(huán)節(jié)之間的自動(dòng)化迭代、流轉(zhuǎn)功能；

5)對(duì)接數(shù)據(jù)平臺(tái)：數(shù)據(jù)中臺(tái)或其他基礎(chǔ)數(shù)據(jù)服務(wù)對(duì)接，迅速接入標(biāo)準(zhǔn)化數(shù)據(jù)，乃至預(yù)處理數(shù)據(jù)；

6)運(yùn)行監(jiān)控：提供統(tǒng)一的模型運(yùn)行環(huán)境和監(jiān)控能力，以及模型更新機(jī)制；

7)資源管控：統(tǒng)一資源管理，包括計(jì)算資源、存儲(chǔ)資源等，支持資源彈性調(diào)度。

由此，嘗試給出AI中臺(tái)的產(chǎn)品目標(biāo)定義 ：

AI中臺(tái)是一套完整的智能模型全生命周期管理平臺(tái)和服務(wù)配置體系，基于數(shù)據(jù)平臺(tái)服務(wù)，通過對(duì)智能服務(wù)的共享復(fù)用、對(duì)智能服務(wù)研發(fā)相關(guān)角色進(jìn)行管理，以及研發(fā)流程的標(biāo)準(zhǔn)化、自動(dòng)化，對(duì)前臺(tái)業(yè)務(wù)提供個(gè)性化智能服務(wù)的迅速構(gòu)建能力支持。

二問：AI中臺(tái)的主要成分？

AI中臺(tái)產(chǎn)品的四大實(shí)現(xiàn)步驟為：業(yè)務(wù)理解、模型學(xué)習(xí)、數(shù)據(jù)處理和運(yùn)行監(jiān)控。這四個(gè)步驟加上中臺(tái)管理構(gòu)成了AI中臺(tái)主要成分 ：

1)業(yè)務(wù)理解：根據(jù)業(yè)務(wù)需求設(shè)計(jì)實(shí)施方案，服務(wù)編排，通用方案模板管理；

2)數(shù)據(jù)處理：包括數(shù)據(jù)獲取和數(shù)據(jù)準(zhǔn)備與分析；

3)模型學(xué)習(xí)：包括特征工程、模型訓(xùn)練和模型評(píng)估，以及可復(fù)用模型庫、算法庫管理；

4)運(yùn)行監(jiān)控：包括模型自動(dòng)部署運(yùn)行、性能監(jiān)控和對(duì)外服務(wù)接口管理。

5)中臺(tái)管理：為了便于對(duì)AI中臺(tái)進(jìn)行角色、權(quán)限統(tǒng)一控制和資源管控，還設(shè)置了中臺(tái)管理模塊。

三問：AI中臺(tái)的流程及架構(gòu)？

AI中臺(tái)的主要功能組件包括：

1)業(yè)務(wù)理解：方案模板管理、方案設(shè)計(jì)、服務(wù)編排、服務(wù)共享等；

2)數(shù)據(jù)處理：數(shù)據(jù)展示、數(shù)據(jù)訪問、數(shù)據(jù)分析、數(shù)據(jù)標(biāo)注等；

3)模型學(xué)習(xí)：服務(wù)設(shè)計(jì)、特征處理、模型訓(xùn)練、模型追蹤、模型庫、算法庫等；

4)運(yùn)行監(jiān)控：具體的產(chǎn)品封裝、自動(dòng)部署、性能監(jiān)控、訪問接口管理、模型更新和發(fā)布測(cè)試等；

5)中臺(tái)管理：角色權(quán)限、資源管理、租戶管理和流程控制等。

到AI中臺(tái)總體流程包括：

l步驟1：業(yè)務(wù)需求理解：包括方案模板參考、方案設(shè)計(jì)、服務(wù)編排、服務(wù)共享等，如果需要復(fù)用其他服務(wù)，在這里進(jìn)行訪問配置；

l步驟2：數(shù)據(jù)處理：數(shù)據(jù)中臺(tái)向上提供數(shù)據(jù)參考、向下提供模型訓(xùn)練及監(jiān)控的支持；

l步驟3：模型訓(xùn)練：形成復(fù)雜的循環(huán)，其本身就是一個(gè)自動(dòng)化迭代的過程；

l步驟4：封裝：涉及監(jiān)控和對(duì)外提供訪問接口等功能；

l步驟5：中臺(tái)管理：在底部提供構(gòu)建支持。

步驟1：業(yè)務(wù)需求理解

業(yè)務(wù)理解的運(yùn)轉(zhuǎn)流程如下：

1)業(yè)務(wù)需求進(jìn)來后，先從數(shù)據(jù)處理中心獲取數(shù)據(jù)分析和參考，采集數(shù)據(jù)樣本提供可視化支持；

2)進(jìn)行方案選擇：是否具備可復(fù)用的方案模板？“是”即直接復(fù)用方案，只需改變數(shù)據(jù)；“否”即進(jìn)行方案設(shè)計(jì)。

3)分解方案到各個(gè)服務(wù)中，并對(duì)服務(wù)進(jìn)行合理有效的編排。此處還需考慮哪些服務(wù)可供復(fù)用；

4)輸出三個(gè)方面的內(nèi)容：向數(shù)據(jù)處理中心輸出數(shù)據(jù)獲取要求；向運(yùn)行監(jiān)控中心輸出產(chǎn)品封裝指導(dǎo)；向模型學(xué)習(xí)中心輸出模型訓(xùn)練任務(wù)。

業(yè)務(wù)理解流程涉及三個(gè)角色：

l業(yè)務(wù)分析師 ，分析相關(guān)方案設(shè)計(jì)、服務(wù)編排；

l數(shù)據(jù)分析師 ，提供數(shù)據(jù)建議、方案設(shè)計(jì)建議；

l算法工程師 ，考慮服務(wù)編排、服務(wù)之間的數(shù)據(jù)接口等。

步驟2：數(shù)據(jù)處理

數(shù)據(jù)處理流程如下：

1)從業(yè)務(wù)處理中心獲取數(shù)據(jù)要求規(guī)范，通過數(shù)據(jù)訪問對(duì)接數(shù)據(jù)中臺(tái)；

2)基于數(shù)據(jù)中臺(tái)向上提供數(shù)據(jù)分析功能、數(shù)據(jù)展示及功能可視化；

3)通過數(shù)據(jù)展示獲得參考，對(duì)數(shù)據(jù)進(jìn)行標(biāo)注；

4)操作數(shù)據(jù)訪問，返回到數(shù)據(jù)中臺(tái)，對(duì)數(shù)據(jù)進(jìn)行重新加工。

5)對(duì)外輸出三個(gè)方面的內(nèi)容：向業(yè)務(wù)理解中心輸出數(shù)據(jù)分析參考；向模型學(xué)習(xí)中心輸出模型訓(xùn)練數(shù)據(jù)；向運(yùn)行監(jiān)控中心輸出生產(chǎn)數(shù)據(jù)。

數(shù)據(jù)處理涉及四個(gè)角色：

l數(shù)據(jù)分析師：對(duì)其中主要環(huán)節(jié)都有涉獵；

l業(yè)務(wù)分析師、算法工程師：關(guān)注數(shù)據(jù)展示；

l標(biāo)注工程師：參與數(shù)據(jù)標(biāo)注環(huán)節(jié)。

步驟3：模型訓(xùn)練

模型訓(xùn)練流程為：

1)接收來自業(yè)務(wù)理解中心的模型服務(wù)任務(wù)、數(shù)據(jù)處理中心的訓(xùn)練數(shù)據(jù)、運(yùn)行監(jiān)控中心的性能矯正信息，進(jìn)行服務(wù)設(shè)計(jì)。服務(wù)設(shè)計(jì)時(shí)要考慮需要多少個(gè)模型？模型之間如何串聯(lián)？算法庫和模型庫中是否有可供復(fù)用的算法與模型？

2)服務(wù)流程設(shè)計(jì)完成后進(jìn)行特征處理；

3)將特征輸入模型進(jìn)行編碼和訓(xùn)練；

4)將模型訓(xùn)練結(jié)果輸入模型追蹤的功能組件進(jìn)行模型評(píng)估；

5)經(jīng)過迭代獲得最優(yōu)訓(xùn)練模型輸出到運(yùn)行監(jiān)控中心，同時(shí)輸出數(shù)據(jù)操作到數(shù)據(jù)處理中心。

步驟4：封裝

封裝由運(yùn)行監(jiān)控中心進(jìn)行模型更新和性能監(jiān)控。流程為：

1)接收數(shù)據(jù)處理中心提供的生產(chǎn)數(shù)據(jù)，通過訪問接口處理輸出，寫回到數(shù)據(jù)處理中心；

2)接收模型學(xué)習(xí)中心的已訓(xùn)練模型服務(wù)、業(yè)務(wù)理解中心的產(chǎn)品封裝指導(dǎo)，對(duì)產(chǎn)品服務(wù)進(jìn)行串聯(lián)封裝、部署、發(fā)布、測(cè)試；

*如果要封裝的產(chǎn)品是對(duì)已有產(chǎn)品的更新，則先通過模型更新機(jī)制對(duì)現(xiàn)有模型進(jìn)行合理啟停更新操作之后再部署發(fā)布測(cè)試。

3)向上將交互數(shù)據(jù)提供給訪問接口，并對(duì)訪問接口進(jìn)行配置；向下提供性能指標(biāo)給性能監(jiān)控，如果發(fā)現(xiàn)問題及時(shí)報(bào)警，并反饋到模型學(xué)習(xí)中心進(jìn)行重新訓(xùn)練。

步驟5：中臺(tái)管理

AI中臺(tái)層級(jí)架構(gòu)如圖，AI中臺(tái)處于數(shù)據(jù)模型服務(wù)與業(yè)務(wù)解決方案之間，向上連接業(yè)務(wù)向下連接數(shù)據(jù)，每層級(jí)都有可復(fù)用的機(jī)制。

中間部分從上而下分成業(yè)務(wù)理解、模型學(xué)習(xí)、數(shù)據(jù)處理三大板塊；

4)右側(cè)的運(yùn)行監(jiān)控對(duì)產(chǎn)品和模型進(jìn)行統(tǒng)一封裝、對(duì)外統(tǒng)一的訪問接口等；

5)左側(cè)是貫穿于整個(gè)流程始終的平臺(tái)管理，包括角色權(quán)限、租戶管理、流程控制、資源管理等。

案例：智能投顧機(jī)器人

以智能投顧機(jī)器人為例，了解AI中臺(tái)如何解決實(shí)際業(yè)務(wù)中的智能化需求。

智能投顧是什么？

智能投顧是通過人工智能算法，在線提供自動(dòng)化資產(chǎn)組合配置建議和財(cái)富的管理服務(wù)。

如 宜信旗下的智能理財(cái)產(chǎn)品：投米R(shí)A，就是通過智能化的方式幫助用戶做科學(xué)的資產(chǎn)配置，從而實(shí)現(xiàn)財(cái)富管理方式的升級(jí)。

智能投顧的AI服務(wù)及數(shù)據(jù)

智能交互，比如聊天機(jī)器人；

l客戶畫像，對(duì)于已有客戶積累的公司來說這部分?jǐn)?shù)據(jù)已經(jīng)具備；

l篩選產(chǎn)品池，從現(xiàn)有理財(cái)產(chǎn)品池中篩選表現(xiàn)最優(yōu)的產(chǎn)品，目前我們的理財(cái)產(chǎn)品池可以實(shí)現(xiàn)定時(shí)批量處理，自動(dòng)化篩選出每個(gè)時(shí)期表現(xiàn)較好的精選產(chǎn)品；

l風(fēng)險(xiǎn)分析，作為一個(gè)金融領(lǐng)域的智能應(yīng)用，風(fēng)險(xiǎn)分析尤為重要，用戶能承受什么樣的風(fēng)險(xiǎn)、基于該風(fēng)險(xiǎn)值能取得怎么樣的回報(bào)等都要有合理的分析；

l資產(chǎn)配比，宜信目前有很多類型的資產(chǎn)，如基金、股票、房產(chǎn)等，還會(huì)進(jìn)行全球化的資產(chǎn)配比，這就需要科學(xué)、理性、量化的分析，納入風(fēng)險(xiǎn)因子進(jìn)行綜合考量，實(shí)現(xiàn)資產(chǎn)配比；

l投資產(chǎn)品推薦，參考用戶畫像里的個(gè)人信息、風(fēng)險(xiǎn)分析、資產(chǎn)配比等，為用戶推薦最優(yōu)化收益產(chǎn)品。

案例中的AI中臺(tái)流程實(shí)施

1.業(yè)務(wù)理解

l首先考慮業(yè)務(wù)方案是什么樣的？是否可復(fù)用？假設(shè)有可復(fù)用的方案，直接接入數(shù)據(jù)即可；如果沒有可復(fù)用的方案，則需要設(shè)計(jì)新的方案。

如案例中要考慮：

ü數(shù)據(jù)接口配置和數(shù)據(jù)源/角色配置。如方案的數(shù)據(jù)接口有哪些？涉及到哪些服務(wù)？如何返回？每個(gè)結(jié)構(gòu)里相關(guān)的角色有哪些？等。

ü哪些服務(wù)是可復(fù)用的？假設(shè)公司內(nèi)部已經(jīng)有了一個(gè)聊天機(jī)器人，那么這里完全可以用它來接待客戶，承擔(dān)智能聊天的功能；

ü財(cái)富產(chǎn)品畫像服務(wù)也已經(jīng)有了，直接把篩選產(chǎn)品詞這部分產(chǎn)生的數(shù)據(jù)源接入進(jìn)來即可；

ü資產(chǎn)配比服務(wù)可能有相關(guān)的線下模型，并且已經(jīng)將它進(jìn)行服務(wù)化封裝。

ü以上這些服務(wù)都可復(fù)用，風(fēng)險(xiǎn)分析服務(wù)及后續(xù)投資產(chǎn)品推薦服務(wù)需要新建。

l可復(fù)用的服務(wù)、需新建的服務(wù)明確之后，各個(gè)團(tuán)隊(duì)可以并行開發(fā)，角色配置也是如此，如此很快便可進(jìn)入下一階段，提高了開發(fā)的效率。

2.模型學(xué)習(xí)

對(duì)風(fēng)險(xiǎn)分析服務(wù)進(jìn)行實(shí)際模型設(shè)計(jì)與訓(xùn)練。

l從方案設(shè)計(jì)獲取模型服務(wù)job，設(shè)計(jì)服務(wù)流程，輸入的是一個(gè)篩選后的用戶畫像，設(shè)計(jì)了兩個(gè)比較簡(jiǎn)單的模型

ü一個(gè)是風(fēng)險(xiǎn)承受能力測(cè)評(píng)模型，這個(gè)模型之上還復(fù)用了一個(gè)已有的特征篩選模型，配合將用戶畫像里適合模型的有用特征提取出來并輸入到模型中；

ü另一個(gè)是流動(dòng)性需求模型，評(píng)估資產(chǎn)需求，這里加了一個(gè)Python的代碼片段對(duì)用戶畫像的數(shù)據(jù)進(jìn)行加工再輸入模型中。

ü底下還新建了一個(gè)模型，對(duì)數(shù)據(jù)進(jìn)行合并和輸出。

l該模型可進(jìn)行自動(dòng)訓(xùn)練、可視化追蹤。模型編排確定后， 任務(wù)自動(dòng)發(fā)送給工程師，可以在終端上通過交互式編程界面進(jìn)行開發(fā)，之后對(duì)代碼進(jìn)行上傳，在托管服務(wù)器可以將代碼直接發(fā)布到訓(xùn)練集群上，自動(dòng)進(jìn)行訓(xùn)練。

l然后將訓(xùn)練結(jié)果推送到追蹤服務(wù)器上，獲取相關(guān)數(shù)據(jù)進(jìn)行模型調(diào)優(yōu)反復(fù)迭代，同時(shí)追蹤服務(wù)器會(huì)記錄每一次指標(biāo)及模型，可選擇最優(yōu)的模型發(fā)布給監(jiān)控中心。

3.運(yùn)行監(jiān)控

l運(yùn)行監(jiān)控主要對(duì)服務(wù)和方案進(jìn)行封裝、測(cè)試、發(fā)布，包括接口配置。可以單個(gè)服務(wù)測(cè)試，也可以整個(gè)方案一起進(jìn)行測(cè)試。

l服務(wù)上線之后，通過提供可視化支持以及相關(guān)統(tǒng)計(jì)報(bào)表對(duì)整個(gè)性能進(jìn)行合理監(jiān)控，一旦發(fā)現(xiàn)報(bào)警， 可回到模型學(xué)習(xí)中心，進(jìn)行重新訓(xùn)練。

4.數(shù)據(jù)處理

前面的流程都跟數(shù)據(jù)處理有關(guān)，可以直接交給數(shù)據(jù)中臺(tái)來完成，AI中臺(tái)只提供數(shù)據(jù)中臺(tái)的訪問接口，主要操作包括：

l通過數(shù)據(jù)中臺(tái)的可視化工具觀察數(shù)據(jù)

l利用數(shù)據(jù)中臺(tái)數(shù)據(jù)模型預(yù)處理數(shù)據(jù)

l標(biāo)注平臺(tái)開展各模型數(shù)據(jù)標(biāo)注

最終目標(biāo)是支持模型訓(xùn)練過程中訪問數(shù)據(jù)中臺(tái)綁定訓(xùn)練數(shù)據(jù)，比如文件、數(shù)據(jù)庫以及其他數(shù)據(jù)存儲(chǔ)系統(tǒng)。

關(guān)注GZH【陪學(xué)產(chǎn)品經(jīng)理FM】回復(fù) “ 中臺(tái) ” 領(lǐng)取資料合集