数字化的趋势已经成为这个时代企业必须面对的问题，而走向智能化则是通向数字化企业的必由之路。所以，AI技术在企业数字化转型的过程中会扮演重要的角色。
那么AI对企业来说到底意味着什么？我认为应该是一种危机感。
十几年以前，互联网刚刚启动的时候，传统企业没有意识到互联网代表着一种新的生产力，所以传统企业开始不断被互联网所颠覆。互联网时代让企业学会了用未来的视角来思考当下。所以当AI时代被确立之后，企业反而因为这种怕被颠覆的危机感，选择更快地走向了AI。
可是，对于企业来说，走向AI的开发却并不简单。一方面，AI开发的成本很高，异构计算需要巨大的资源消耗，这不是普通企业能够负担得起的；另一方面，AI开发的整体周期很长，AI的应用落地需要算法与场景做更多的结合，也存在相当普遍的“最后一公里”难题。
很明显，解决高成本，获取高性价比计算资源的关键在云端，而解决开发高效的关键在于开发平台对算法能力和行业场景的沉淀和标准化。能够将这两个关键点融为一体的AI开发平台，就是适合企业走向AI，走向智能化的首眩
这就是百度智能云，推出云智一体AI开发全栈模式的初衷。
云智一体的意义何在？
3月23号上午9点30分，百度在香港交易所准时敲响第二次上市锣声，一位梳着马尾辫，12岁的初中生郭佳慧成为了最令人意外的敲钟人。
作为百度EasyDL零门槛开发平台上最典型的“AI开发者”代表，郭佳慧的出现，也意味着AI开发全民时代的开启。
实际上，AI应用不存在放之四海皆准的标准模板，AI应用的实际落地，在每一个系统、每一处体验、每一段代码，每个不同的案例，都有不同的方法和价值。开发者其实就像是整个生态系统中的“毛细血管”，补齐了落地的最后一公里，让生态活起来。
但从开发者生态来看，最近几年AI热度不减，但AI技术研发和行业应用之间，总像隔着一道鸿沟；AI创业热情十足，但AI算力的缺失和工具缺失，让AI开发难以普及。AI开发总像是有一层神秘的面纱。
这就是百度推出飞桨企业版EasyDL首先所要解决的问题，零门槛、零代码的方式，对AI开发做到一种普及化，先普惠所有AI开发者，并进一步结合面向专业开发者的BML，两者结合缩短企业走向AI开发的路径。
其实对企业而言，要走向AI开发路径很多，但要如何找到最佳的路径？
百度集团副总裁
深度学习技术及应用国家工程实验室副主任吴甜
百度集团副总裁、深度学习技术及应用国家工程实验室副主任吴甜认为，企业构建AI开发平台，以支持技术团队能够充分将AI技术引入应用中，最需要关注三点：场景先行，自主创新，效能为要。
首先，场景与AI算法的结合是企业面临的最大痛点，泰康科技研究院院长刘岩博士曾告诉我，AI技术的应用要遵从“一事一议”，不存在一个成熟的产品，到所有的场景都适用。”如果说算法跑了1千米，产品化还有9千米。”这其实很好的解释了什么是场景先行。
其次，企业需要对AI开发有自己的远见，再好的平台只能帮你做到0-1的赋能，关键的创新在企业自身；第三，AI开发对资源的要求很高，如果没有合理的资源集约管理和调度，企业往往会发现AI开发像是一个无底洞。
百度智能云“云智一体”AI开发全栈产品架构
正是为了解决这些问题，百度基于自身业务需求和深厚技术沉淀形成自用的AI开发平台，以“云智一体的AI开发全栈模式”提供给拥抱AI的企业和开发者。很明显，云智一体，是一种结合了云上资源调配和AI原生算法与行业需求的完美组合。
更适合企业AI开发的云和平台
简单的理解了云智一体的缘起之后，很多企业也许会有疑问，在AI时代如何去选择云智一体的开发平台？为什么百度的云智一体，可以称之为全栈式的AI开发平台？
我们将云和智进行一下拆分。
首先，从云的视角。云与智的融合成为了一种共识，过去两年，百度、阿里、腾讯、华为相继做出架构调整，将云业务和智能业务部门进行整合，从架构上去推动云和智的相融。我们从每一家云服务商的产品列表里都能够看到AI服务。
但其实，企业要在云端进行AI训练和推理，就对异构计算产生了冲击。要满足在通用计算CPU上叠加GPU\FPGA等异构计算能力，对计算与存储架构都是不小的挑战。换言之，通常公有云提供是标准化的通用算力，而要提供复杂的异构算力，其实需要从技术底层就为异构计算而设计，这反而是AI原生的百度智能云的一大优势。
另一方面，AI开发除了底层的异构算力之外，还需要与软件开发生态做结合，从开始的数据采集、数据标注、数据增强，到开发训练的过程后续的部署、集成，这一整条开发链路，如何在云端解决合理的资源调配，本身就是一门专业学科。
百度智能云AI高性能计算服务
而百度智能云的优势就在于，所有的云端底层架构都按照AI的逻辑来设计的。如在AI容器上使用百度智能云容器引擎服务CCE，可提供弹性、高可用的云端容器运行平台；在数据的上传与存储问题上，EasyDL与BML已全面打通百度智能云BOS云存储服务，提供简单可扩展、高可靠、灵活适应多场景的数据存储能力；在AI计算上，百度提供丰富的AI芯片类型，基于X-MAN架构的AI超级服务器，更有百度“太行”弹性裸金属基于百度自研的硬件虚拟化技术，全新构建下一代云基础设施，在拥有弹性灵活的云计算基础上，实现物理服务器高性能的计算能力。
简单总结，百度智能云在AI原生架构下，它的应用场景会与上层的AI应用贴合的更为紧密，可以满足各个行业AI上云需求。
其次，在云之上，就是智的部分，这是百度的核心价值。如百度AI中台包含AI能力引擎、AI开发平台和管理平台。在AI能力引擎方面，企业可以从百度已有的270多项成熟AI能力中直接选择应用。同时，AI 开发平台包括EasyDL、BML和场景化定制平台UNIT等，可以满足企业的多层次开发需求。
这些丰富的AI能力筑底，也是为什么百度飞桨企业版EasyDL和BML双平台，可以诠释了什么是全栈开发模式的原因。
飞桨企业版EasyDL和BML AI开发双平台模式
其中，EasyDL面向零基础开发者，支持图像、文本、视频、语音、OCR、结构化数据、零售行业版7大技术方向，16种任务模型，并具备公有云、本地服务部署、设备端、软硬一体四种部署方案。BML全功能AI开发平台则是面向专业开发者，丰富的建模方式、高性能AI套件、高性价比的算力资源，提供更完善的开发环境。
业界很多的AI开发平台，往往都是在技术路线上取其一，要么走零门槛路线，注重挖掘算法共性，并将很多流程标准化，要么走专业路径，只满足社区里的优秀开发者，而忽略基础工作的重要性。
EasyDL和BML双平台，实际上从两个不同视角出发，又可以做到相辅相成，EasyDL目前已服务超过80万用户，截止2020年12月，EasyDL平台市场份额位列机器学习平台市场份额第一，并连续两年保持市场第一。而EasyDL和BML的组合，也可以看做是对“场景先行、自主创新、效能为要”三点的支撑。EasyDL能够实现对部分场景共性能力的复制，帮助企业更快结合到场景，BML深度与企业AI团队结合，推动自主创新的效率。同时，百度智能云从资源的角度，给两大平台最具性价比的算力支撑。
成为企业AI的“水”和“电”
从2020年的疫情防控，我们已经看到千行百业对搭建AI应用迫切需求，AI的能力本身应该是时刻处于“ready”状态的选项，这其实就是全栈AI开发模式的价值，从云智一体的角度，搭建好企业AI的能力集，加速企业迈向AI时代的速度。
云智一体亦是知易行难，它不同于简单的将AI的软硬件部署在云端，它是一种不同的架构，百度智能云也是多年坚持在自身业务的自我迭代中成长，在实际业务中抓到了云智一体的精髓。
同时，所谓“最后一公里”，也是非常不简单，AI开发相比传统的软硬件开发更难，算法像是宝剑，越磨砺越靠近需求。百度云智一体的全栈AI开发模式，更多解决的是场景不同的问题，换句话说它提供的不是“宝剑”而是一种磨剑的能力。
如汉中市扶贫信息中心，虽然不是AI企业，但也可以利用EasyDL自主开发“互联网+精准扶贫”信息系统的案例。该系统可快速地从20万贫困家庭中准确识别出最急需帮助的2000个家庭，是典型的没有很强技术基础的案例。
在生态角度，双平台的推出，可以满足大量的上下游的合作伙伴，例如上游的数据采集、数据标注的合作伙伴它们的需要，要成为全国最大的AI开发平台，百度也会承担好自己的角色。
《智能时代：大数据与智能革命重新定义未来》中预言，传统的行业都将采用智能技术实现升级换代，也会改变原有的商业模式。人工智能在应用端的创新如雨后春笋，无人驾驶、智能推荐等AI应用已经成为现实；在行业端，越来越多的企业将人工智能视为数字化转型的下一站。百度云智一体全栈AI开发平台的推出，真正意义上让AI成为了企业迈向AI时代的“水”和“电”。
