所有复杂的、难以抽象的商业规则和场景，将它们数字化以后，复杂问题反而可以被清晰地界定和量化，算法可以对商业实践做替代，这个过程，即AI PaaS平台可以成为产业升级、数字化转型的基石。
编辑/温瑞连
据预测，到2020年我国人工智能及其相关产业市场规模将达到万亿级，其中有8500亿份额来自服务端。随着各行业海量、高速、多样、大密度数据的爆发，数据的复杂性要求AI技术服务端具有平台能力的企业，重新定义、使用和包装算法，将算法和数据与场景有效地结合，解决多样化场景问题，AI PaaS平台应运而生。
天云大数据自2013年成立以来持续深耕银行业，成为国内唯一能够同时提供分布式计算平台产品和AI平台基础设施的科技厂商，并拥有博士后工作站和国家级高新企业称号。为解决国内AI技术商业实践痛点，天云大数据提出：“让企业获取机器智能像读书一样简单。”天云CEO雷涛认为，所有复杂的、难以抽象的商业规则和场景，将它们数字化以后，复杂问题反而可以被清晰地界定和量化，算法可以对商业实践做替代，这个过程，即AI PaaS平台可以成为产业升级、数字化转型的基石。
降低机器学习门槛 AI 智能化、PaaS 化成趋势
一直以来，专家经验在机器学习建模过程中起着重要作用，超高的人才生产成本，也导致了企业应用机器学习建模昂贵、困难。
目前，天云的大数据平台BDP，配合由复杂网络引擎Hilbert与HTAP数据库Hubble形成的数据中台，能够实现对企业海量数据高效、统一的管理，实现数据标识融合、多源数据融合和多业务流程融合；PaaS化AI平台Maxim AI已实现从特征工程的自动化流水线，到训练模型的自动化机器学习，再到推理端基于容器的模型一键发布。HTAP数据中台与AI PaaS平台无缝对接，全线产品支持规模化与智能化处理数据服务，现已成功落地在金融、能源、招聘、营销、政府、医疗、物流等领域。
据了解，自2015年起，天云开始将大数据技术同人工智能技术结合，针对金融业务场景，基于BDP平台和Maxim AI平台对海量数据挖掘，先后训练出多个模型并部署落地，为金融机构在优化风险控制、智能客服和智能营销、金融监管等方面提供解决方案。
实践数据显示，利用天云大数据自动化机器学习算法获得的模型，与原本需要数据科学家手动建模调参，持续不断优化2-3天获得的模型性能相仿，但自动化机器学习只需在空闲时间执行，基本不占用人员时间。可见，MaximAI使得企业进行机器学习建模更加容易，成本可大大降低。
天云PaaS化AI平台Maxim AI，使得传统上由数据科学家在实验室完成的工作，也可以由普通开发者、业务人员借助工具完成，降低了AI使用的门槛，在弱人工智能时代实现了高效率、低成本的批量化模型生产，解决了AI人才成本高昂、高度依赖科学家等业界难题，让企业获取机器智能像读书一样简单。
算法重构商业实践，AI模型跨行业赋能不同于更多基于规则、流程的商业决策，算法的商业形态模式可以打通、重构各行业的商业实践。
相比传统的离线、抽样、统计为主的数据挖掘平台，天云大数据的AI平台Maxim AI可以处理在线、全量、实时的数据，更高效地利用数据科学工具解决业务问题。
·在金融领域，天云大数据融合银行内部的数据，建立数据挖掘系统，引入地域关系、推荐关系等拓展建立申请人社交关系的复杂网络，利用分布式大数据技术与机器学习，全量、在线分析数据，建立信用卡申卡欺诈分析预警新模式，极大提高了申卡欺诈团伙犯罪预警的准确率。
·在能源领域，天云大数据利用算法抽象出石油管道泄漏的风险，面对没有图纸、只有单表的油气管道，无法实现压力差的复杂现实场景，实现了从静态地质图，到动态传感器数据智能采油，大大降低石油企业运营成本。
·在医药领域，天云人工智能MaximAI平台，基于药物靶点蛋白数据研究对药物适应症的作用进行关系演示，将具有高维特征的数据
进行降维处理，利用随机分布森林算法对数据进行机器学习建模，结果区分度较高，同时使用复杂网络全景展现了之前只能两两展示的多维数据，演示数据表明人工智能应用于药物适应症和副作用预测前景广阔。
2018年上半年，天云大数据完成由曦域资本、华映资本领投的1亿元人民币的B轮融资。目前，其AI赋能平台已经显现出巨大的商业价值。雷涛表示，现在金融方面的体量已经开始增长，未来医药、能源方面也在发力，随着更多应用场景的使用，将迎来持续的红利期。
匿名用户
