阿里巴巴|从数据中台到AI中台,企业到底要建什么中台?( 三 )


根据不同互联网企业的业务特点 , 又能区分出不同的中台架构 。 比如 , 阿里还相继拆分出移动中台、风险能力中台、研发效能中台等;腾讯将数据中台拆分为用户中台、内容中台、应用中台等;技术中台拆分为通信中台、AI中台、安全中台等 。 而百度先后拆分出搜索中台、知识中台、AI中台、技术中台等 。
将企业内部可以共享的人力资源、技术资源和数据资源进行专业化和标准化的拆分 , 提高这些资源的利用效率 , 这才是互联网公司所谓的“碎片化中台”的真正含义 。
数据中台 , 是当前互联网企业亦或是传统企业最重要也是最容易实现标准化建设的一个中台架构 。
所谓数据中台 , 就是通过数据技术 , 对海量数据进行采集、计算、存储 , 同时进行统一标准和口径的处理 。 数据中台可以把数据统一之后 , 形成标准大数据资产 , 进而为企业所有业务线客户提供高效、一致的服务 。
这些服务由于来自于企业多头业务数据的沉淀 , 可以不断重复壮大 , 能够有效减低重复建设、减少烟囱式协作的成本 , 形成企业的差异化竞争优势 。

阿里巴巴|从数据中台到AI中台,企业到底要建什么中台?
本文插图

(源自:linelian《从数据中台到AI中台》)
AI中台 , 其实是数据中台的一种全新的架构升级 。 首先 , AI中台是数据中台智能化的一种衍生 , 可以构建企业的大规模智能服务的基础设施 , 实现对企业需要的算法模型提供了分步构建和全生命周期管理的服务 , 让企业可以将自己的业务不断沉淀为一个个算法模型 , 以达到复用、组合创新、规模化构建智能服务的目的 。
其次 , 对于少数拥有AI技术平台的科技公司 , AI中台所要实现的就是将包含算法模型、数据分析、数据处理等常用模块打包推出 , 进行快速复用 , 提升 AI 能力的部署效率 。
阿里巴巴|从数据中台到AI中台,企业到底要建什么中台?
本文插图

(百度AI中台架构)
比如 , 百度智能云 , 提出的AI中台就包含了AI能力引擎和AI开放平台 , 前者集中了人脸识别、OCR、语音识别、NLP、图像识别、知识图谱、深度学习等多项AI能力;后者还包含场景化定制开发平台的EasyDL和BML 。 百度正是以AI中台的通用能力 , 为自身的业务和客户提供AI技术的支撑和协调 。
随着AI在应用领域的步伐越来越快 , 越来越多的业务场景需要实用AI技术的帮助 。 在AI的应用阶段 , AI中台可以解决AI技术与业务场景更好结合 , 减少重复投资 , 使投入产出比更高的问题 。 AI中台只有与基础平台、业务系统很好融合 , 才能使AI能力更好助力业务的智能化 。
从数据中台 , 到AI中台 , 正是体现了企业在推动业务数据化、流程自动化以及智能化的发展方向 , 与“中台”本身所暗含的“标准化、可复用”的理念是一脉相承的 。
那么 , 对于企业而言改如何选择合适自己的“中台”架构和战略呢?
企业到底如何构建自身的中台能力?
以上可知 , 中台并没有一个固定的模式 , 也没有一个可以照搬的成功样本 。 每一个企业的中台建设 , 都要根据企业自身的业务特点和组织架构的形态来进行顶层设计 。
首先 , 要明确并不是每个公司都适合做中台设计 。 所谓汝之蜜糖彼之砒霜 , 对于一些规模足够大 , 业务重叠严重 , 大量重复建设的企业来说 , 中台是一剂良药 。 而对于处在迅猛发展期、业务突破期的企业或者规模小的企业 , 中台有可能是企业发展的致命毒药 。
其次 , 当企业将中台上升到企业发展战略的高度 , 就要真正把中台建设和企业组织架构调整放在同样重要的位置 。 说到底 , 中台建设不仅仅是一个IT问题 , 更是一个部门利益问题 。 触动灵魂之前要先触动利益 , 能坚持对各个业务部门的利益壁垒破除 , 也能给予改革者在关键时刻以坚定支持 。 避免最后“中台未成 , 搞中台的人下台”的结局 。


推荐阅读