智能化基础架构变⾰驱动⼈机协同决策_郑曌_第四范式

智能化基础架构变革驱动人机协同决策

关键内容与数据

• 背景：AI决策正在渗透到各个行业中，影响每个人的生活。主要应用场景包括供应链、生产制造、导航、驾驶、工业机器人和推荐系统等。

• 挑战：AI工程化落地过程中面临诸多挑战，如如何设计打造一个高复杂环境下的敏捷决策系统，如何应对价值快速落地，如何提供可信赖实时数据供给，以及如何应对算力成本等问题。

• 解决方案：

  • 数据驱动的业务实验平台：实现快速、稳健的业务创新迭代。
  • AutoML：实现全场景、全流程的自动化。
  • OpenMLDB：提供线上线下一致的AI数据开发体验，打通开源生态上下游，实现端到端的AI应用全流程构建。
  • OpenAIOS：提供云原生vGPU解决方案，利用软件定义算力，从软件应用负载全流程出发充分利用算力。

• 人机协同决策的关键要点：

  • 机器擅长从海量数据中寻找规律，辅助决策。
  • 工程师可以更多地参与业务目标的制定，机器则专注于反复寻求最优解的计算。
  • 架构师需要保障高速迭代的效率、可信赖的数据以及可负担的算力，确保数字世界与真实世界的可靠稳定交互。

总结

通过智能化基础架构的变革，人机协同决策正逐渐成为主流。面对AI工程化落地的挑战，借助数据驱动的业务实验平台、AutoML、OpenMLDB和OpenAIOS等工具，可以有效解决数据供给、算力成本等问题，实现高效、可靠的决策系统。