近日，Gartner 首份云 AI 開發(fā)服務(wù)魔力象限正式發(fā)布，魔力象限以供應(yīng)商前瞻性、執(zhí)行力為橫縱坐標，主要考核語言、視覺、自動機器學習三大領(lǐng)域產(chǎn)品，將市場上供應(yīng)商劃分四大象限——領(lǐng)導者，有遠見者、特定領(lǐng)域者(小眾玩家)、挑戰(zhàn)者。

其中，領(lǐng)導者包括 AWS、微軟、谷歌、IBM;有遠見者包括 Aible、H2O.ai、Prevision.io;特定領(lǐng)域者包括：Salesforce、SAP、騰訊。

目前，挑戰(zhàn)者象限領(lǐng)域供應(yīng)商尚是空白狀態(tài)，不過未來隨著自動機器學習等服務(wù)的廣泛應(yīng)用，象限玩家也會逐漸豐富。

來源：機器之心

Gartner 最近發(fā)布首份云 AI 開發(fā)服務(wù)(Cloud AI Developer)魔力象限，該魔力象限評估了面向應(yīng)用程序開發(fā)人員的云托管人工智能(AI)服務(wù)的重要新興市場，它從三個關(guān)鍵服務(wù)領(lǐng)域的產(chǎn)品：語言，視覺和自動機器學習(AutoML)出發(fā)來評估供應(yīng)商。

Gartner 對云 AI 開發(fā)服務(wù)的定義如下：

云 AI 開發(fā)者服務(wù)是云托管的服務(wù)/模型，讓開發(fā)團隊可以通過 API 充分利用 AI 模型，無需具備扎實的數(shù)據(jù)科學專業(yè)知識。這些托管模型提供的服務(wù)擁有語言、視覺和自動化機器學習等方面的功能。這些服務(wù)常常可以通過 API 訪問來獲得，通常根據(jù) API 調(diào)用的數(shù)量來定價。在一些情況下，可以通過集成的配置工具來使用服務(wù)。這類服務(wù)的幾個例子包括自然語言理解、情感分析、圖像識別和機器學習模型創(chuàng)建。

Gartner 稱到2023年，40%的開發(fā)團隊會使用自動化機器學習服務(wù)來構(gòu)建為其應(yīng)用軟件添加AI功能的模型，而2019年這一比例不到2%。到2025年，AI將使50%的數(shù)據(jù)科學家活動實現(xiàn)自動化，從而緩解人才嚴重短缺問題。

根據(jù) Gartner 云 AI 開發(fā)服務(wù)魔力象限顯示：

位列領(lǐng)導者象限的廠商包括：AWS、微軟、谷歌、IBM;

特定領(lǐng)域者包括：Salesforce、SAP、騰訊;

有遠見者包括：H20.ai、Aible、Prevision.io;

挑戰(zhàn)者：空白。

 

 

Gartner報告顯示，阿里巴巴和百度被排除在此「魔力象限」之外，是因為它們不滿足至少涵蓋兩個主要地區(qū)的產(chǎn)品要求。

對應(yīng)要求表示，供應(yīng)商必須至少在以下兩個地區(qū)中為其2018年的云AI開發(fā)人員服務(wù)增加至少20個新的付費企業(yè)客戶，主要地區(qū)被定義為 北美、南美洲、歐洲、中東和非洲、亞太。

一 魔力象限的「領(lǐng)導者」們

1、AWS

亞馬遜網(wǎng)絡(luò)服務(wù)(AWS)總部位于美國華盛頓州西雅圖市，是該魔力象限的領(lǐng)導者。它提供了一套全面的服務(wù)和 API，包括用于語言和視覺服務(wù)領(lǐng)域的服務(wù)和 API，并由 Amazon 面向開發(fā)人員和數(shù)據(jù)科學家的 SageMaker ML 服務(wù)進一步支持。

據(jù)悉，AWS 結(jié)合了非常廣泛和強大的 AI 產(chǎn)品組合，在商業(yè)和消費者領(lǐng)域具有很高的知名度。它在商業(yè)領(lǐng)域的知名度部分歸功于其存儲和計算解決方案。它在消費領(lǐng)域的知名度歸功于亞馬遜的在線零售業(yè)務(wù)和 Alexa AI 產(chǎn)品。

AWS 為開發(fā)人員提供的產(chǎn)品可以滿足沒有 ML 技能的人和尋求高級功能的人的需求。那些沒有 ML 技能的人可以使用具有持續(xù)學習的 API 的預訓練 AI 服務(wù);這些服務(wù)包括廣泛的視覺，語音，自然語言和文本處理功能。尋求更高級功能的開發(fā)人員和數(shù)據(jù)科學家可以使用 SageMaker 的完整 ML 套件。

然而，AWS 產(chǎn)品組合的復雜性和廣度對個人開發(fā)人員和企業(yè)的應(yīng)用程序領(lǐng)導者都構(gòu)成了一些挑戰(zhàn)。開發(fā)人員必須確定 AWS 的功能是否最適合他們的要求。應(yīng)用程序主管必須決定他們是否要在單個平臺上整合 AI 項目。AWS 的廣度還可能導致混亂和治理問題，例如，Amazon Lex 提供全面的翻譯服務(wù)，而虛擬助手框架的 NLU 部分僅支持英語。

在對該魔力象限進行研究的整個過程中，Amazon SageMaker 缺乏一些關(guān)鍵的模型管理功能，例如主動模型監(jiān)控和模型提供的推論的可解釋性。但是，AWS 自此發(fā)布了 Amazon SageMaker Experiences 和 Amazon SageMaker Model Monitor，以解決此缺點。

此外，當用戶從開發(fā)環(huán)境轉(zhuǎn)到生產(chǎn)環(huán)境時，執(zhí)行成本可能會比他們預期的要高。AWS 意識到了預測的成本和復雜性，并提供諸如 Amazon Elastic Inference 之類的產(chǎn)品來幫助解決此問題。

同樣是魔力象限領(lǐng)導者的還有谷歌，Google 總部位于美國加利福尼亞山景城。它提供涵蓋所評估的所有三個服務(wù)領(lǐng)域的服務(wù)：語言，視覺和 AutoML。Google 為大多數(shù)服務(wù)使用深度神經(jīng)網(wǎng)絡(luò)模型，這些模型是從其公共云 Google Cloud Platform 提供的。

2、Google Cloud

Google 提供了強大的語言服務(wù)，可提供比其他提供商更多的語言支持。它的 NLU 服務(wù)可用于批處理模式和實時流模式。它的聊天機器人工具支持 22 種語言，并計劃在來年提供更多語言。其語音轉(zhuǎn)文本服務(wù)支持 64 種語言的 120 種方言，翻譯服務(wù)支持 104 種語言。Google 還為語言提供最廣泛的光學字符識別(OCR)支持，支持的語言超過 200 種。

與其他服務(wù)不同，Google 的圖像識別服務(wù)可以通過容器部署在虛擬私有云或內(nèi)部部署中，也可以部署在其公共云平臺上。Google 的假設(shè)分析工具為其 AutoML Vision 和數(shù)據(jù)標簽服務(wù)提供了一定程度的可解釋性。此外，AutoML Vision 還提供了 Vision API，使開發(fā)人員可以通過 REST 和遠程過程調(diào)用(RPC)API 訪問預訓練的模型。開發(fā)人員可以通過自動識別面部和物體來快速分類圖像。Google 的 AutoML Video Intelligence 服務(wù)使具有最少 ML 經(jīng)驗的開發(fā)人員可以自定義可以分類和跟蹤對象的模型。

Google 的 AutoML 表包含數(shù)據(jù)支持，可提供有關(guān)數(shù)據(jù)集中每個功能的缺失數(shù)據(jù)，基數(shù)和分布的信息。這有助于開發(fā)人員整理干凈，有效的培訓數(shù)據(jù)。

Google 的大多數(shù)云 AI 開發(fā)人員服務(wù)僅可通過公共 Google Cloud Platform 使用。除了可在 Edge 和 Mobile ML Kit 中部署的 Vision 服務(wù)外，服務(wù)可能無法部署在虛擬私有云或本地中。不過，Google 確實計劃在來年為其許多服務(wù)包括這些部署選項。

由于先前在銷售執(zhí)行和定價方面的缺陷，Google 在通用云平臺業(yè)務(wù)中一直難以與其他主要云提供商競爭。Google Cloud Platform 的市場份額低于 AWS 和 Microsoft(Azure)的產(chǎn)品。盡管 Google 表現(xiàn)出了改進，但它需要執(zhí)行新的目標客戶銷售策略，以吸引其云 AI 開發(fā)人員服務(wù)產(chǎn)品的吸引力，因為該產(chǎn)品的成功取決于整個 Google Cloud Platform 的成功。

3、 IBM Watson Assistant

IBM 公司總部位于美國紐約阿蒙克，它在本報告涵蓋的所有三個服務(wù)領(lǐng)域中提供了廣泛的 AI 服務(wù)。

根據(jù) IBM 用戶的說法，在 IBM Watson Assistant 平臺上開發(fā)對話代理是一種相對輕松的體驗。IBM NLP 元素內(nèi)的功能已很好地集成在一起，其中包括使用深度學習綜合技術(shù)以及語氣和情感分析的創(chuàng)新組件，盡管在 NLP 領(lǐng)域具有強大的組件，但是 IBM 缺乏健壯的自然語言生成(NLG)元素令人驚訝，但是，與許多其他技術(shù)一樣，IBM Research 正在開發(fā)可能最終出現(xiàn)在其服務(wù)陣容中的功能。

IBM 的 Watson Studio 和 ML 產(chǎn)品得益于該公司在增強 ML 領(lǐng)域的悠久歷史。IBM 提供了一組強大的 AI ML 服務(wù)，從自動數(shù)據(jù)準備和算法選擇到一系列優(yōu)化指標到有效的公民數(shù)據(jù)科學家體驗，一應(yīng)俱全。

雖然 IBM 的產(chǎn)品范圍廣泛，構(gòu)成了許多 AI 服務(wù)元素。這使將它們?nèi)�部聚集在一個單一，一致且高度集成的環(huán)境中的任務(wù)變得復雜。反過來，這種復雜性導致了來自不同部門的不同產(chǎn)品，由不同的開發(fā)團隊處理，并具有不同的定價方案，這導致 IBM 用戶反饋 IBM 服務(wù)的強度，版本，集成級別和向后兼容性級別不平等。

4、Microsoft Azure

Microsoft 總部位于美國華盛頓州雷德蒙德，與其他領(lǐng)導者一樣，Microsoft 提供了廣泛的服務(wù)，開發(fā)人員可以利用這些服務(wù)來增強其應(yīng)用程序。微軟的產(chǎn)品包括語言，視覺和 AutoML 功能。

Microsoft 針對 ML 和 AI 提供了基于符號(已解析)和子符號(基于矢量的 ML)方法的一系列服務(wù)，這為其某些云 AI 服務(wù)提供了 Microsoft 優(yōu)勢。

就部署選項而言，Microsoft 是云 AI 開發(fā)人員服務(wù)的更靈活的提供商之一。根據(jù)企業(yè)客戶的需求，其服務(wù)可部署在 Azure 云，虛擬私有云或本地中。微軟通常通過其合作伙伴網(wǎng)絡(luò)提供 AI 服務(wù)，通常不直接與企業(yè)合作開發(fā)解決方案。這種方法不是 Microsoft 獨有的，但是對于剛開始開發(fā)云解決方案的組織來說，它仍是具有挑戰(zhàn)性的。

微軟為其自然語言服務(wù)提供了多種語言選擇之一。這使具有廣泛語言需求的跨國組織能夠服務(wù)于具有不同語言要求的多個市場。目前微軟尚未推出 NLG 服務(wù)，盡管它們已列入路線圖。因此，急需 NLG 的公司必須尋求其他提供商。

值得一提的是，由于涉及多個業(yè)務(wù)部門并且包括 Azure 認知服務(wù)和 Cortana 服務(wù)的混淆品牌戰(zhàn)略，這種重疊通常會使客戶感到困惑。

二 魔力象限的「遠見者」們

1、Aible

總部位于美國加利福尼亞的福斯特城的 Aible，是這個魔力象限中的有遠見者。

它可在 Amazon Web Services(AWS)和 Microsoft(Azure)基礎(chǔ)架構(gòu)上的公共云或虛擬私有云中使用。Aible 提供 30 天的免費產(chǎn)品試用版，并提供出色的客戶支持。

Aible 對業(yè)務(wù)影響和 ROI 的關(guān)注使客戶的業(yè)務(wù)成為模型開發(fā)和部署不可或缺的一部分。Aible 會自動執(zhí)行整個模型創(chuàng)建和實施過程，以確保成功部署和使用結(jié)果解決方案。Aible 解釋了驅(qū)動其對不同模型進行預測的因素，并提供了比較這些模型的影響的方法。

Aible 為現(xiàn)實生活中的業(yè)務(wù)需求和約束提供最佳模型的方法是獨一無二的。它的產(chǎn)品自動詢問與業(yè)務(wù)相關(guān)的問題，以了解業(yè)務(wù)目標，成本-收益的權(quán)衡以及與領(lǐng)域，基礎(chǔ)架構(gòu)，成本和治理現(xiàn)實相關(guān)的約束。通過 Aible，客戶可以將標準 ML 模型的影響與在實際約束下工作的模型的影響進行比較。

另外，為了安全起見，Aible 僅提取元數(shù)據(jù)，而從設(shè)計上看，它看不到客戶數(shù)據(jù)或訓練有素的模型。

據(jù)了解，Aible 當前產(chǎn)品的開發(fā)于 2018 年開始，一些客戶尚未實現(xiàn)全面部署。此外，雖然 Abile 確實計劃在 2020 年底之前提供 NLU，情感分析，文本分析和圖像識別服務(wù)，但目前 Aible 不提供此魔力象限考慮的任何語言和視覺服務(wù)。

為了易于使用標準 API 和工具進行集成，在此「魔力象限」中，Aible 在所有供應(yīng)商中得分最低。減少對 API 和工具的關(guān)注反映了 Aible 避免顯式集成需求的愿景。

2、H2O.ai

H2O.ai 總部位于美國加利福尼亞山景城。H2O.ai 以其開源 ML 和 AI 軟件而聞名。H2O 無人駕駛 AI，AutoML 平臺，是供應(yīng)商的商業(yè)產(chǎn)品，并包含許多開源附件。

H2O 無人駕駛 AI 包括自動功能，例如可視化，功能工程，模型構(gòu)建，時間序列支持，自然語言處理(NLP)和 ML 可解釋性，并由協(xié)作功能以及數(shù)據(jù)處理，模型開發(fā)，部署和操作的靈活性支持。它會自動生成一個可移植的低延遲模型部署工件，稱為 MOJO，可以在 Java，Python，R 和 C ++運行時中以及從云到邊緣的過程中進行部署。

H2O 無人駕駛 AI 易于部署，從而使客戶能夠減少對成熟的數(shù)據(jù)科學組織的需求，并提供啟動新 AI 項目的捷徑。H2O.ai 對 ML 可解釋性和可解釋性的關(guān)注通過幫助建立信任和降低風險來促進 AI 的采用。它在參考客戶方面獲得了技術(shù)支持質(zhì)量的最高分，并且擁有專門的支持組織以及客戶成功工程師和數(shù)據(jù)科學家來為其用戶提供支持。H2O.ai 雇用了全球 10%的 Kaggle Grandmasters，他們可以與客戶合作。

H2O.ai 無法提供某些自然語言服務(wù)，但 H2O.ai 的平臺上還提供了其他服務(wù)，例如情感分析和文本分析。H2O.ai 當前不提供其他服務(wù)，例如聊天機器人，語音到文本，自動語音，文本到語音和翻譯。但是，可以使用 H2O.ai 支持的第三方工具(例如 TensorFlow 和 PyTorch)或自定義配方來緩解這種不足。

此外，H2O.ai 當前不提供任何視覺服務(wù)，但是圖像識別和 OCR 正在開發(fā)中，并將于 2020 年并入 H2O 無人駕駛 AI。

3、Prevision.io

Prevision.io 總部位于法國巴黎，是這個魔力象限中的有遠見者。它的云 AI 開發(fā)人員服務(wù)集專注于 AutoML，但在 AutoML 平臺中還具有文本和圖像分析功能。

Prevision.io 的界面和控件的簡單性背后是一個強大的，功能豐富的 ML 平臺。它在 ML 模型構(gòu)建控件和經(jīng)驗豐富的數(shù)據(jù)科學家可以訪問的更高級功能之間保持了良好的平衡。該平臺通過一系列說明性步驟來幫助緩解「黑匣子」效應(yīng)。以便用戶可以了解 ML 模型如何得出其結(jié)論。該平臺會自動生成簡化的可解釋模型，并可以可視化這些模型的行為。

此外，Prevision.io 的平臺集成了高級 ML 功能。這些功能包括構(gòu)建元模型(集成建模的一種方法)，自動混合算法以生成更準確的模型以及創(chuàng)建嵌入以提高特定模型的性能的能力。

盡管全世界的開發(fā)人員都可以訪問，但 Prevision.io 基本上僅在幾個歐洲國家/地區(qū)運營，而且部署的模型不一定是托管模型。

在并非總是有專家數(shù)據(jù)科學家的環(huán)境中，徹底的驗證和確認程序至關(guān)重要，而 Prevision.io 在這方面僅提供基本功能，如果要保持有遠見的人就需要對其進行擴展。

三 魔力象限的「特定領(lǐng)域者」們

1、Salesforce

Salesforce 總部位于美國加利福尼亞州舊金山，對于應(yīng)用程序開發(fā)人員和設(shè)計人員，它在其云產(chǎn)品中提供了嵌入式 AI 功能。該公司的主要目標是通過使缺乏深度學習或 ML 知識的 Salesforce 生態(tài)系統(tǒng)中的管理員和開發(fā)人員將 AI 嵌入到每個 CRM 和前臺用戶手中，從而將圖像識別和 NLP 嵌入其應(yīng)用程序中。Salesforce Einstein 可以以 API 或 UI 的形式提供，這更適合開發(fā)人員。

Salesforce Einstei 平臺服務(wù)的主要優(yōu)勢在于管道的簡化-預測是在培訓/測試數(shù)據(jù)所在的同一環(huán)境中構(gòu)建的，并且將結(jié)果寫回到相同的 Salesforce 對象(表/字段)中。這樣可以快速進行模型開發(fā)，培訓和測試，并快速部署到現(xiàn)有工作流程和流程中。

Salesforce 可自動進行涉及預測的大量數(shù)據(jù)處理。它還實施了一些功能，以確保預測的質(zhì)量并減少與訓練數(shù)據(jù)有關(guān)的偏差。

Salesforce 在提供簡單，民主化的方法來開發(fā) AI 功能方面處于領(lǐng)先地位，這種方法不需要用戶方面的任何技術(shù)或開發(fā)技能。

Salesforce Einstein 提供了兩種 NLP 功能-Einstein Sentiment 和 Einstein Intent-但與在此魔力象限中大多數(shù)其他供應(yīng)商提供的對話 API 相比，這兩項都是基本的。Einstein 情感使用無法訓練的全局模型，也無法修改其行為。

Salesforce 的 Einstein Vision 服務(wù)易于使用，所采用的方法與用于語言服務(wù)的方法大致相同，在語言服務(wù)中，帶有標簽的訓練數(shù)據(jù)被上載，并且模型被自動訓練。但是，指定用于訓練的對象檢測邊界框坐標需要第三方工具和支持。此外，Einstein 視覺服務(wù)缺乏競爭對手提供的許多功能，例如數(shù)據(jù)標簽外包，顯式內(nèi)容檢測和基于邊緣的模型部署。

Salesforce 的 AI 服務(wù)產(chǎn)品比該魔力象限中的其他供應(yīng)商要細得多，僅限于 Einstein 平臺服務(wù)，后者僅提供目標開發(fā)人員服務(wù)，而不提供完整的產(chǎn)品組合。

2、SAP

SAP 總部位于德國沃爾多夫，它在這個市場上有兩個主要產(chǎn)品。第一個是 Leonardo Machine Learning，它為開發(fā)人員和業(yè)務(wù)用戶提供了預訓練的模型和可定制的模型，可以通過調(diào)用簡單的 REST API 將其用作 Web 服務(wù)。通過 API 或?qū)Ｓ玫?SAP Data Intelligence 平臺執(zhí)行模型管理。好處便是，它使第三方環(huán)境能夠提供主模型管理。

第二種產(chǎn)品是 SAP Conversational AI，這是一個端到端的對話機器人構(gòu)建平臺，然而 SAP 對話式 AI 僅提供基本的問候和通用的對話元素，并且 SAP 的視覺服務(wù)僅捆綁了通用分類器，盡管 SAP 還提供了其他提供商的視覺服務(wù)。盡管 SAP 迅速增加了服務(wù)的部署，但在評估時仍有一些明顯的遺漏。

SAP 提供跨語言和視覺領(lǐng)域的許多基礎(chǔ) AI 服務(wù)(包括本機和通過合作伙伴提供)，但更重要的是，SAP 將它們打包在一起，稱為「業(yè)務(wù)服務(wù)」或「方案」，這種方法可能會成為主要差異化因素。

3、騰訊

騰訊總部位于中國深圳，于 2016 年啟動了 AI 實驗室，并于同年在美國華盛頓西雅圖成立了 AI 研究中心。

騰訊將其廣泛的 AI 資源用于其游戲，視覺，聊天以及其他產(chǎn)品和服務(wù)。騰訊 AI 實驗室專注于基礎(chǔ) AI 研究; 騰訊 YouTu Lab 專注于人臉和圖像識別。微信 AI 致力于語音識別，NLP，數(shù)據(jù)挖掘和 ML，語音轉(zhuǎn)文字服務(wù)僅支持普通話，廣東話，英語，藏語和維吾爾語。文本分析功能僅支持英語和中文。

騰訊擁有完整的 AI 產(chǎn)品組合。它的語言服務(wù)包括語音識別，NLP，騰訊 Bot 平臺和語言生成。它的視覺服務(wù)包括圖像識別和 OCR。它的 AutoML 服務(wù)包括功能工程，自動模型構(gòu)建，模型管理以及用于數(shù)據(jù)預處理，轉(zhuǎn)換和選擇的多種算法，但 AutoML 服務(wù)缺乏自動化的數(shù)據(jù)準備，并且某些功能工程功能無法通過 API 使用。

據(jù)了解，騰訊內(nèi)部多個與 AI 相關(guān)的小組，它們進行一些重疊的 AI 研究與開發(fā)。騰訊還提供 AI 開放平臺，該社區(qū)是開發(fā)人員可以免費試用騰訊 AI 服務(wù)的社區(qū)。一旦需要企業(yè)級服務(wù)，他們的項目就會重定向到騰訊云。

據(jù) Gartner 稱，到 2023 年，40% 的開發(fā)團隊會使用自動化機器學習服務(wù)來構(gòu)建為其應(yīng)用軟件添加 AI 功能的模型，而 2019 年這一比例不到 2%。到 2025 年，AI 將使 50% 的數(shù)據(jù)科學家活動實現(xiàn)自動化，從而緩解人才嚴重短缺問題。

在該魔力象限中，挑戰(zhàn)者區(qū)域仍為空白，未來相信，還會有更多供應(yīng)商入場廝殺。

標簽： Gartner AI ��

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。