vivo AI 中台：小步快跑支撑亿级用户智能化服务

随着“中台”战略的火热，越来越多的企业为解决业务发展痛点，开始重视构建中台服务。其中的AI 中台是在数据中台的基础上应用AI技术实现智能化服务。

据悉，vivo 互联网的AI智能平台致力于建设完整的人工智能中台，搭建全面的、行业领先的大规模分布式机器学习平台，应用于内容推荐、商业变现、搜索等多种业务场景，为2.6亿+ vivo 用户提供极致的智能服务。

面对亿级用户的数据量，vivo 互联网的 AI 中台是如何工作的？在实际应用场景中遇到过什么难题及如何解决？5G 背景下手机将是数据的重要汇合地，将面临怎样的挑战？vivo 互联网AI智能平台中心效果广告总监刘靖分享了他的一些观点。

首先，中台化并不是一个新概念，很多企业在各个维度上的中台化都已经做了多年的努力和积淀。比如当前比较热的业务中台、数据中台、AI中台等。所有的中台化的主要目标和优势都是一致的：高效支撑业务需求、资源整合、效率提升。主要满足的功能有：统一的资源管理、数据特征处理、模型训练、预估服务、监控、流程角色化等功能。

AI中台是在企业往智能化深度发展的趋势下，在数据中台基础上增加了一体化智能服务的概念。它的一个关键目标是：在数据的获取、存储、特征处理、分析、模型构建、训练、预估、评估等智能服务相关的任务都组件化、配置化、自动化；达到高复用、规模化、灵活性化构建智能服务。

AI中台拥有一套完整的智能模型全生命周期管理平台和服务配置体系，基于数据平台服务，通过对智能服务的共享复用、对智能服务研发相关角色进行管理，以及研发流程的标准化、自动化，对前台业务提供个性化智能服务的迅速构建能力支持。

同时，AI中台从数据中台分离，并逐渐演化，第一个解决的痛点是数据中台和AI中台的分离，把数据问题和智能服务问题独立处理，使得任务目标更精细更专业化；第二个主要解决的痛点是敏捷迭代，AI中台通过复用集成AI组件，利用算力、模型、框架，动态、快速地组装服务，创造出新的个性化体验和新的业务模式，形成面向复杂业务需求的AI解决方案，具有更加的灵活性和易用性。

在实际应用场景中，vivo AI 中台面临的第一个问题是如何平滑的把多种业务逻辑向平台迁移。当前已经存在多个业务线，每个业务线都有复杂的应用场景，如何构建一套在海量、多维的数据规整，多种分散的智能服务整合的中台，同时要兼顾当前的业务的无损迁移是一个耗时耗力的挑战。

我们主要的解决思路是“小步快跑”，以 vivo 互联网商业变现为例，我们把数据处理、特征处理、模型训练、模型预估、监控分析等多个组件进行逐步迁移，保证业务的稳定性和连续性，也实现了高效的平台化迁移。

随着5G的到来，AI技术和硬件会愈加紧密的结合，手机将是5G场景数据的重要汇合地，未来5G手机上AI技术发展空间很有想象力，同时AI算法在手机的应用程序中的重要性也会得到进一步强化，AI中台也将也面临更大的挑战。

这些挑战主要来自：

1）用户产品服务更加个性化，更加丰富；

2）数据存储、算力需求将比当前高几个数量级。

那么我们当前的模式，包括AI中台的思维是否能够满足未来这种巨大需求，还需要时间检验。目前，我们需要准备的是：中台框架上要具备更优雅的扩展性、持续投入算法迭代和优化、持续投入模型训练框架的升级，尤其是支持分布式的GPU预估和训练等。