目前，与机器视觉、NLP等基础能力适配的行业知识图谱，还是中国AI界独一份的产业板块。它能走到多远，或许是接下来AI产业一个非常重要的发展指示物。

　　自动机器学习

　　虽然苏大强都知道手磨咖啡好喝，但让每个人都去磨咖啡显然不现实。速溶咖啡的价值也因此得到了确认。

　　这就像AI虽好，但每家企业都高价聘用算法架构师，花费大量时间做数据调优、分类、提取也很不现实。为了解决这个问题，谷歌早在2018年就推出了AutoML，也就是自动机器学习的相关工具。这类工具的基础逻辑在于，尽量让普通开发者，甚至不会写代码的AI应用者，都能通过按要求上传图片的方式生成固定的AI模型。这些模型虽然简单，但胜在零门槛，低成本。大众熟知的类似应用，可能就是以给明星换脸而出圈的deepfake。当这东西被全球集体封杀，或许也侧面证明了自动机器学习的威力。

　　随着产业发展，自动机器学习也不再仅仅能做简单的视频处理。尤其随着大厂的不断投入，今天中国AI产业的自动机器学习平台与工具，在能力的多元化与工业化上已经远远超过了谷歌等美国公司。广义来看，从数据处理到数据特征提取，再到数据调参和训练，几乎每一个AI步骤都可以在今天找到一些办法来进行自动或半自动简化。而国内几大相关厂商也推出了自动机器学习平台的升级版，以此来提升复杂模型的开发效率，或者帮助进行行业化的AI落地。

　　在产业端，自动机器学习的最突出价值在于可以快速渗透那些缺乏AI，甚至缺乏信息化基础，同时也无法进行定制化服务的微型领域。比如说农业、医疗，甚至校园场景。即使缺乏AI能力甚至编程能力的个人开发者，也可以依靠自动机器学习平台很快完成一个简单AI模型的开发，并且在手机、摄像头等设备上完成部署。比如在一个案例中，农村扶贫干部可以依靠类似平台快速开发一个识别房屋、果树、农作物的软件，从而加强扶贫工作标准化以及提升工作效率。

　　当然了，自动机器学习类软件既然瞄准的是低门槛，那么问题也随之产生。这类平台的自动化能力，导致其往往难以处理复杂数据或者完成算法创新。而一旦给平台加强更多技术能力，又容易变得更为专业复杂，不适配缺少技术能力的企业和开发者。其中的平衡点很难拿捏。

　　无论如何，近两年我们在看到越来越多的工业级AI项目开始基于自动机器学习平台来搭建，AI开发的时间成本与人力成本也在极速下降。

　　这些真正面向解放生产力的升级，构成了中国AI的最佳风景。

　　大规模预训练模型

　　说到工业级AI，那么就不得不提AI应用的另两个核心问题：数据量和训练算力。