算法|36氪独家 | 累计融资超亿元，「共达地」用Auto ML助力AI超大规模精细化落地( 二 ) 芯片|36氪|自动化|创投圈

2019年，我国AI摄像头出货量为684万个，预计2022年出货量达3458万，年复合增长率超过了70% 。而此刻，这一高存量、高增量的行业仍存在尚未填充的想象空间，就拿落地最大的安防市场来说， 2020年安防摄像头AI渗透率也不足5% ，其余场景包括零售、医疗、教育等领域的的渗透率则更低。而面向未来的预测更呈现持续增长状态，据艾瑞咨询数据， 2019-2026年， AI带动相关产业年复合增长率达22.3% 。
而AI供给的数量却追不上需求上涨的速度。「共达地」创始人兼CEO赵丛告诉36氪，当前AI行业从业人数在100万左右，缺口就达70万。这也导致了AI从业者薪酬水平较高，《2021人工智能人才报告》显示， 2021年行业的平均月薪在2万左右，远超各省份平均薪酬。
需求大、却极具稀缺性， AI的贵是其渗透难的原因之一。但不仅限于价格，渗透难的痛点是一个老生常谈的话题， AI到底要如何落地？难落地，是因为AI与行业之间的需求次元壁还没打通，产品经理、技术工作者和管理人员之间都讲着一套不同的语言体系，畜牧业真实的需求落到AI架构师手上，就变成了一道逻辑推导题。
那么，走进人类的生活之后，新一阶段的AI又是什么？《AI极简经济学》中认为， AI的本质是让预测能力变得廉价了。在AI经过大量数据训练之后，预测的能力提高了，也就更进一步降低了决策成本和试错代价。书中用一个经济学原理来作出解释：把AI的预测能力看作一种生产资料时，一种生产资料的突然降价，意味着预测的供给会突然变多，那么以前依赖于预测的一些商业机会或资产就会大幅度增加，这就是互补品效应。
技术与商业的碰撞正可以体现在最简单的经济理念中。突破点回归到经济学本质，即如何用更低的生产成本，创造更大的生产力，并改善需求与供给之间的生产关系。「共达地」AutoML技术自研的全流程自动化训练平台给出了一种回答，即做企业背后的无限的AI生产力，以“行业+AI”的模式，以行业客户和伙伴为主角，理解各个行业晦涩难懂的AI需求。
在生产力上，「共达地」创新性地用自动化训练平台来代替人工开发，让AI工程师从重复的算法设计开发和调参工作中解放出来，将更多的精力放在需求设计和技术研究突破等创作性的工作上，而懂业务需求的产品经理就可以训练出需要的算法；
在生产关系上，则将AI交付能力赋予广泛的生态合作伙伴，从芯片，设备，算法，到上层的行业应用，以更科学、正确的姿态将AI赋于百业。
至此，对于各行各业迸发出的AI需求，「共达地」的零代码自动化AI算法训练平台，省去了传统繁琐的AI算法开发部署流程。全程无需编写代码，只需产品经理简单操作，降低了算法的开发门槛、也提升了AI算法生产效率。
在斯坦福大学发布的《2022年AI指数报告》中指出， 2021年，中国AI专利申请量占全球总数的52% ，专利申请数量居世界首位。但另一数据也同样醒目，在更检验质量的授权专利数量中，排名全球第一的是美国。所以，当新一阶段的落地方式变为“行业+AI”时，应以更轻巧的模式理解各行各业晦涩难懂的独有需求。
面对AI落地难、场景碎片化的问题，「共达地」自研的Auto ML数十倍速的降低了算法的开发和部署的周期和成本，借此持续构建生态合作伙伴体系，来和生态合作伙伴一起实现超大规模、精细化的AI赋能百业。
在一项受金融圈喜爱的游戏德州扑克中，被认为可以体现人性和运气，它通过“不完美信息”的隐藏、不可计算的变量以及讲究概率的变数，刺激着更多人跃跃欲试。而这场游戏，也存在着三次翻牌的机会，在时机对的时候下注，也就增加了获胜的概率。如果目的地未曾发生更改，在新的阶段、新的变量之中二次翻盘，或许意味着拥有到达彼岸的更大可能性。