News Center

The era of data intelligence: How DataCanvas leads the AI foundation software track

2022.10.11Source: 36氪

“AI不应该作为一种单独的投资方向,而应该与场景融合,为各个产业带来升级的驱动力。当下作为投资人,更看重的是AI赋能行业所带来的商业价值。”一位机构的投资人在如此说到。

一方面,经历了近十年的高速发展, AI赛道已经度过了技术与算法的探索、应用场景的孵化期,进入了深入化、规模化应用阶段;另一方面,随着近年来国际宏观局势日益复杂化,各行业都在面临新旧动能切换的压力,不论是资本还是产业,在面对AI技术、应用时都显得更为理智。

谁能真正解决企业应用AI时的痛点,促进AI向应用场景落地,谁才能真正跑出来、获得资本的青睐。

作为持续服务政府和企业数智化升级的数据智能基础软件供应商,九章云极DataCanvas则真正把握住了客户需求与技术趋势,在疫情中仍逆势实现了增长。9月,九章云极DataCanvas宣布完成C+轮融资,由龙门投资领投,中关村前沿、达泰资本、德本启辰、领沨资本跟投。

企业离“玩转”AI到底还差几步

对于大部分企业而言,首次对AI价值的感受都来自于IT应用由面向内部用户到开始需要服务外部用户的过程。

随着移动互联网时代的到来,外部用户对更好的应用体验和更个性化的服务的需求进一步提升,面对快速变化的用户服务需求和千人千面的用户行为习惯,企业的差异化竞争力来自于提供更加灵活、精细化的产品与服务,并因此催生了客户营销、金融风控、销售预测、柔性制造等多样化的AI应用场景。

充分应用AI技术,撬动数据潜能,以智能决策驱动价值创造,从而提升业务的敏捷性和服务的精准度已成为金融、制造、通信等各个行业在数智化转型中所形成的共识。

Gartner发布的《2022年重要战略技术趋势》中也显示,到2023年,超过三分之一的大型企业机构的分析师将使用决策智能,包括决策建模;到2025年,10%的企业会落实AI工程化最佳实践,相比于另外90%未采用类似实践的企业,可以创造至少高三倍的价值。

然而,对AI价值的一致认识并不必然带来实践上的成功。如何以较低的成本建立起真正贴合场景的AI模型和便捷、高效的AI开发闭环,仍然横在企业AI落地之路上的首要难题。

由于需要面向海量外部用户,企业的数据来源更多元、数据量爆炸性增长、数据类型也各异,AI开始进入大模型时代,模型参数更多、算法更复杂,在模型的训练与迭代过程需要同时具备对业务和技术理解力,才能进一步提升模型的准确性,更好支撑业务智能决策;同时,为了给外部用户带来更流畅的应用体验,企业则需要在高并发的工作负载下提供高效率、低延迟的AI推理能力,从而精准对接用户需求,提供相应的产品与服务。

显而易见的是,企业已有的BI数据分析系统和技术能力已经难以满足AI应用场景的需求,构建一套新的基础设施以支撑AI应用势在必行。

而传统行业中企业的IT建设过去往往采用与从IT服务商合作的端到端模式,在构建面向AI的新基础设施时,一方面,传统IT服务商不具备面向海量终端用户的应用开发经验,难以支撑起企业的AI应用需求;另一方面,传统的开发模式开发周期长、自动化程度低,难以适应需求端的加速变化和业务敏捷性的提升。

正因如此,企业在AI的开发与应用中,常常面临“阵痛”。市场亟需为企业开出一剂药方,真正解决企业数据智能的应用难点。

AI3.0时代,九章云极DataCanvas如何“见招拆招”

所幸的是,在经过20多年的信息化发展之后,许多大型企业内部的IT能力已经迅速壮大起来,在IT架构和应用构建中更具主动权和灵活性。直接使用数据智能基础软件进行高效开发正在成为大型企业搭建AI基础架构和数据智能能力的新模式。

一方面,随着云原生技术的进一步成熟,行业云、区域云、企业云、联盟云等私有云、混合云的体验升级,正在向公有云的服务靠拢。对于AI应用等计算密集型的工作负载而言,在私有云上搭建AI基础设施不仅可以在更加自主可控的基础上有效支撑业务场景,还更具经济性。

另一方面,面对用户需求的多样化,企业的业务方向、应用场景也需要随之灵活变化,因此通过一套覆盖开发全流程的AI基础软件,实现自动化、低门槛的AI应用敏捷交付,则能够真正适应弹性的业务需求,同时提升数据层面的统一管理与运营能力,让真正懂业务的人便捷的应用AI创造更大经济价值。

正如九章云极DataCanvas董事长方磊谈及公司“云中云”(千云中的AI云)战略时所说,“一千朵行业云里面的软件基础设施升级会是数据智能这个‘新IT’的历史性机遇,九章云极DataCanvas预测这个未来,也拥抱这个愿景。”

v2_1b24c48979b94375b7da32c3e2f25c54_img_jpg.jpeg

在技术层面,九章云极DataCanvas充分拥抱开源,其自主研发的DataCanvas DAT 自动机器学习工具包作为中国首个AutoML 开源架构,突破了机器学习建模过程中数据不均衡、概念漂移、泛化能力弱、大数据处理能力不足的四大难点,与自研的DataCanvas DingoDB 实时交互式分析数据库相结合,可以有效支持实时计算,大大提升了模型精准度和训练速度。

同时,为了实现从“ 预测”到“ 决策”的跨越,九章云极DataCanvas打造了全球首款一站式处理因果学习完整流程的开源算法工具包 YLearn,聚焦因果学习中“因果发现、因果量识别、因果效应估计、反事实推断和策略学习”五大关键问题,填补了可信AI、可解释AI高性能基础软件的市场空白,有效推动AI全面面向场景、面向一线决策者,提升AI推理结果的可信度。

v2_feee2037d8d0472286f795fabf44e7db_img_jpg.jpeg

在产品层面,九章云极DataCanvas打造了面向企业数据科学团队的一站式自动机器学习平台DataCanvas APS ,提供端到端的全过程自动建模工具;针对企业实时数据推理需求,九章云极DataCanvas RT 实时决策中心提供多种数据流的实时处理和分析能力,帮助企业实现高并发、高吞吐场景下的毫秒级响应与高性能计算;同时,为了加速企业融合科研能力和前线业务经验并将AI普及推广到一线生产部门,九章云极DataCanvas打造了面向业务人员的低门槛、全流程、一站式决策分析自动建模平台DataCanvas BAP,实现了“让听得见炮声的人呼唤炮火”。

在服务层面,九章云极DataCanvas则以用户新需求为核心,不断优化、探索服务模式,与传统IT服务商、合作伙伴携手,共同做好服务的“最后一公里”,帮助企业用好AI、管好AI、玩转AI。

九章云极DataCanvas凭借对用户痛点的敏锐洞察在战略和战术上双管齐下,在“云中云”的战略布局下,通过不断的技术创新、产品迭代和服务升级,实现了AI基础软件赛道的领跑。

实现逆势增长,打造多行业成功实践

“在AI资本寒冬和新冠疫情的影响下,九章云极DataCanvas仍然实现了超60%的增长,持续为超200家大型、超大型客户提供服务。” 方磊说。

截至目前,在九章云极DataCanvas已将AI落地于政府、金融、通信、制造等十余个行业中,联合中国移动、中国银行、浦发银行、中信证券、中国宝武、海信集团、中国中车等龙头企业,共同打造了面向多个AI场景的数智化升级成功实践。

以数智化升级的先锋行业银行业为例,面对加快实现数字化经营、提升全流程实时风控能力、更好服务用户的需求,以AI与大数据技术为驱动,围绕数智方案框架,实现大数据的有效治理和应用是银行数智化转型的重中之重。

九章云极DataCanvas则携手某头部股份制银行,一手针对海量多源异构数据的分析和处理,构建全行级的大数据洞察分析平台,实现了模型全生命周期管理、可视化开发、多平台建模统一部署、多语言建模、容器化部署、在线模型服务统一管理等功能;一手面向客户营销、资金流向监控等近40个业务场景,帮助数百个业务人员打造了全行级的大数据应用支撑平台,在有效支撑对每日超20亿条实时数据的处理分析的同时,将应用开发周期从半年缩短至数周,真正帮助银行挖掘数据价值,实现了降本增效。

在智能制造领域,对于大多数大型制造企业来说,尽管已经建立起ERP等核心信息化系统,但对于生产流程中产生的数据仍不能有效应用应用起来支持生产决策。因此必须迅速行动,沿着数据采集、录入、处理、分析、预警、反馈的主线去推进数字化的实现,并在此基础上推进场景化智能分析应用,将AI深入产品缺陷检测、违规操作监控等生产一线场景中。

九章云极DataCanvas则帮助某制造集团实现了集团内模型资产、数据资产的统一管理和沉淀,并从0构建起重要业务场景下的AI落地方案,显著提升了AI应用效率和进程,同时增效10N+倍,降本10N+倍。

未来,九章云极DataCanvas将始终保持“创造智能、探索未知”的初心,升级技术、沉淀经验,持续推动AI基础软件的规模化应用,为更多行业的数智化转型提供坚实的技术基石。