随着AI技术的进步与发展，人工智能技术已经开始普遍地进入中国企业与政府的视野，并将其广泛应用于各个环节。从认知到探索再到规模化经营，人工智能市场正在呈现指数级增长。
自去年以来，由于疫情防控、“新基建”的提出与落地、国际贸易摩擦等因素，国内市场对于人工智能及其相关技术关注度再推新高。尤其是在2020年下半年，相关部门提出了国企数字化转型、智能计算中心等一系列政策，不少城市“城市大脑”“数字城市”建设如火如荼，推动AI相关市场也一片火热。需求推动供给，5月18日，距离上一次B+轮融资不到1年时间，九章云极DataCanvas再获3亿人民币C轮融资，进一步夯实公司在人工智能平台领域的领先地位。
尽管AI技术落地与应用场景大幅度增长，随之而来的新问题也不断出现。诸如企业自身技术基底薄弱、专业领域的复合型人才稀缺、相关资源重复建设且无法兼容、业务响应速度与敏捷度低等，都成为智能化转型升级上的重重障碍。相关数据显示，只有53%的项目能够顺利将AI原型转化为实际产出。面对此种困境，部分着力于人工智能技术核心算法层的公司，再一次发挥了互联网共享精神，以平台思维，协助AI市场中的“后进生”与“新人”们快速掌握运用AI技术之道，机器学习平台也由此应运而生。在解决AI模型开发耗时费力花钱多的同时，更借助企业与政府用户在新AI系统同旧有业务系统在兼容与配合上更加顺滑流畅。九章云极DataCanvas董事长方磊认为，作为一种必然趋势，数字化的全面铺开必然会将企业中除却科技或信息管理部门之外的，越来越多的部门与业务拉入其中，“所有的公司都将仰赖人工智能技术建立核心竞争力，所有的部门都有数据科学团队——这样的局面正在加速实现”。
据《艾问人物》（iask-media.com）了解，目前BAT三巨头已率先布局，第四范式、九章云极DataCanvas、美林数据等新生代技术公司也不断跟进，从多个角度建设机器学习平台。据IDC预测，中国人工智能软件及应用市场中，以机器学习为主的软件及应用市场规模预计将达11.3亿美元。
开发效率的提升、开发成本的减少以及开发过程的便捷，使越来越多的传统企业与政府开始拥抱与信任机器学习平台，并主动与行业内公司寻求合作。也正因为如此，IDC在《2021-2025中国人工智能市场十大预测》中，将AutoML（自动机器学习）列于十大预测第一。IDC认为，AutoML将降低AI开发门槛以实现AI普惠，预计到2023年，使用AutoML技术封装、提供从数据准备到模型部署的端到端机器学习平台的数据分析师和数据科学家数量将增加两倍。譬如此次获得C轮融资的九章云极DataCanvas，其核心产品线——DataCanvas数据科学平台家族——为企业客户自主研发AI应用提供坚实基础架构的同时，通过ModelOps为客户提供云原生、可解释、大规模、直击业务痛点的AI模型全生命周期管理服务。借助这一平台，不仅能够助力客户实现企业数字化的快速升级，同时也大大提升了其自主创新、高效协同、加快AI生产化以及业务收益增长的能力。
目前大多数机器学习平台将实现过程分为两个阶段。一是AI数据建模与AI模拟，在提供大数据提取、转换和加载能力之后，支持机器学习模型的建立与调试；二是负责实时AI的达成，支持模型应用，实时流数据处理，将业务规则和AI模型结合起来共同为企业提供自动化决策支持。随着大量数据可获取性的便利化，及不少合作企业自身的数据累积，第一阶段的难点在于AI模型的建立与调试。对此，行业中部分平台采用的是容器技术、微服务和Devops等在内的云原生技术，这使得企业可以更加灵活、方便地开发及部署落地AI模型。一方面，使用基于Docker的容器技术，能够将异构框架下的不同模型进行标准化封装，并将模型与底层运行环境解耦之后，使企业可以混合使用多种常规数据分析程序和机器学习框架，也可以自动化地对模型、计算任务及资源进行动态管理、部署及调用；另一方面，发布后的模型可以通过API的调用，使AI模型与企业各业务系统间的交互使用更为便捷与顺滑。除去上述这些标准化服务之外，不少企业也有着自己的独家秘笈。譬如九章云极DataCanvas，为客户提供专属的“四库全书”，帮助企业突破知识融合瓶颈。分别为解决行业问题、融入业务知识的特征仓库，解决场景化、知识迁移问题的场景仓库，提供机器学习、深度学习的算子仓库以及降低企业对数据科学人才与技术依赖的AutoML仓库。据《艾问人物》（iask-media.com）了解，九章云极DataCanvas将会把此次C轮融资的3亿元用于进一步完善AI基础架构软件版图。不久后其将会推出新一代HSAP实时数据库，以满足人工智能时代对新一代数据库的需求，使公司向AI数据库定义者与领导者的目标更进一步。与此同时，九章云极DataCanva也将通过对AutoML、AutoDL等技术的创新，强化自己在金融、通信、政务等行业的应用优势，为行业数字化升级持续提供强劲新动能。此外，同友商们一般采取的“黑盒”算法库不同，九章云极DataCanvas提供的是开箱即用的“白盒”算法库。当客户AI能力不充沛时，可直接在DataCanvas平台中调用包含了AutoML、统计分析、机器学习、深度学习、运筹优化等企业常需的100多种算法模型，涵盖机器学习建模全过程。同时这些算法代码对用户完全开放，并可进行优化与自定义。为了解决在建模过程中目前主要存在的痛点——专业领域的复合型人才稀缺，数据的属性不同，造成建模工作的不确定性。九章云极DataCanvas的研发团队将多年以来服务于各个行业客户所积累的经验，沉淀于DeepTables深度学习工具之中，以自动机器学习工具包的形式提供解决方案为企业寻求解决和突破。九章云极DataCanvas数据科学产品部资深架构师杨健表示，在DeepTables里面主要通过四种类型的网络构件——Embedding、特征交互层、特征提取层、GBM模型的融合，来提升神经网络在结构化数据上的学习能力。值得一提的是，凭借DeepTables这一开源项目，九章云极DataCanvas在齐聚1万3千多家参赛队伍的全球数据科学顶级Kaggle竞赛中，摘获第一名，为深度学习技术在结构化数据分析领域赋予了全新价值。目前，九章云极DataCanvas已积累200多件自主知识产权，其中包含50多件发明专利。
而第四范式则在2020年发布了企业级AI操作系统Sage AIOS、全自动AI规模化高级开发工具Sage HyperCycle ML、一站式智能运营平台天枢以及面向全生命周期的AI算力平台SageOne，形成了覆盖算力、操作系统、生产平台到业务系统的全栈AI产品矩阵。
在第二阶段，更考验AI模型的是实时计算能力、实时指标加工能力、实施规则决策能力、以及实时模型预测能力。它要求在具体的实际应用中，实施决策中心能够做到“四项全能”，一是提供流数据处理能力、实时计算能力、敏捷实时决策引擎，二是毫秒级响应、高吞吐、高并发计算，三是可实行大规模并行交易处理，四是能够实现快速在线模型预测。为各种可预见的普遍性问题提供相应、及时且合理的解决之道。就具体场景而言，目前金融、通信、零售、制造、交通、政府等更需要智能化转型升级，同时也最快能够看到AI赋能效果的传统行业与领域，已经开始普遍采用机器学习平台来解决实际问题。在这一市场中，第四范式、华为云、九章云极DataCanvas的机器学习平台已经成为“排头兵”。行业报告显示，BATH在公有云以及线下部署两方面发力，第四范式、九章云极DataCanvas、美林数据均在部分行业有显著优势。以九章云极DataCanvas为例，其在金融、通信、航空、制造、交通、政务等领域已揽获众多头部客户，各项业务保持高速增长。此外也有专精于某一行业的公司开始崛起，如聚焦于驱动金融智能决策的氪信科技、星云Clustar、探智立方等。据《艾问人物》（iask-media.com）获悉，如今在全国各地普遍开展的智慧城市建设，一个足够智慧的“城市大脑”是建设核心。它能让城市总体态势和局部信息实时呈现。通过城市大数据分析，支持智慧化的决策，通过城市事件管理的流程对绩效进行科学公正的评价，最终实现跨部门联动指挥、协同调度和管理。尤其是在如今的“后疫情时代”，由于城市各种资源和外部条件剧烈变化，往往出现超出个人处理信息和决策的能力的紧急事件，运用好“城市大脑”成为最佳的解决方案。通过接入越来越多维度的高频数据、大屏投放的直观可视化，帮助各级政府适应了基于海量数据决策的模式，也推动对智慧城市正向发展。在交通领域，作为最容易被C端用户感知的行业领域，也最能够考验机器学习平台的技术能力与实时决策能力。在今年春运中，成都双流机场通过由华为、云从科技以及中航信云从科技联合华为技术、中航信合作开发的包括“3D全真实景VR导航”、“佩戴口罩智能识别算法”、“零接触无感式登机”旅客服务项目，用智慧技术手段打造“零接触”出行体验。再如最早开展机器学习平台应用的金融行业，部分国有银行及股份制银行都有着极为清晰的AI规划，涉及上百个实际应用场景，而城商行与农商行的AI渗透率也在不断提升中。譬如，九章云极DataCanvas为客户提供端到端的金融解决方案，实现了精准营销、用户行为分析、智能反欺诈、智能信贷风控、投后预警等多个场景下的AI技术落地。从而使金融行业客户实现了生产效率、成本等多方面优化。数据显示，制造业是应用AI技术感知最强的环节，占比近60%。这不仅能够极大地提升企业生产效率，优化产品与服务质量，作为行业中的“老大哥”，对机器学习平台持友好、积极态度的制造业，也将成为传统企业数字化转型的重要力量。有消息显示，目前九章云极DataCanvas已经与海信集团达成合作，携手打造“信智AI平台”，预计将为海信降低超60%的建模时间与成本。九章云极DataCanvas董事长方磊表示，以九章云极DataCanvas为代表的AI平台公司，将以自主研发的“硬科技”立身，以标准化AI基础架构软件为基石，通过将AI技术从研发到生产过程中各个环节的自动化，持续开拓多行业各类业务的场景落地；同时也将不断发展AI生态，通过提供统一的开发标准与规则，加速跨行业AI应用研发及AI能力沉淀。作为目前的一大热点，从中国制造到中国“智”造已经成为一种必然，大数据时代已经蓬勃发展数年之久，物联网也方兴未艾，多样化的AI模型势必也将如同今天的互联网一样，成为企业发展道路上的“刚需”。《艾问人物》（iask-media.com）认为，随着机器学习平台的不断发展与进步，越来越多的厂商选择了开放、兼容、纯软件的价值取向。这对于客户而言，提供了“千企千面”的AI能力建设，无需再掣肘于特定硬件生产商或算法供应商，让客户拥有自主AI建设能力；对于国内的AI平台生态而言，可谓互赢之举，在这一平台之中，各合作方都能够共享价值链。互联网的共享合作精神，在这里又一次得到了印证与尊重。
2021年「科技力量」影响力100强榜单评选正式启动，将诞生「最具科学价值全球创始人」50 强榜单和「最具潜力硬科技品牌」50 强榜单两大榜单。
