无人猪场，需要EasyDL“母猪正在生产中，无法实时知道有几只猪崽，健康情况如何”，一位坐拥上数千头猪的河南养猪大户最近总是陷入这样的焦虑席卷全国各地的猪瘟刚刚过去，为了加强防护，他的猪场几乎开启了无人养殖的模式，这也为他带来了很多头疼的问题。

    工作人员进出一次猪棚，需要消毒、检测，全副武装，对于大规工业模型模养殖来说，成本、耗时不说，更重要的风险很高，他清楚地记得一头猪感染猪瘟，导致猪棚内上百只猪死亡的画面在严格的控制人员进出的情况下，像“猪口普查”，“健康检查”等工作也变更难了。

    回想起去年这个时候的焦虑，这位养猪大户轻松了不少。现在的他通过AI技术，可以在家中实时监控猪棚内的状况、判断猪崽的健康状态工业模型。

    不仅降低了管理的风险和成本，提高了效率，而且还避免了因其他工作人员经验不足，而对猪崽健康状况的判断失误，这也是大规模养殖普遍存在的一个痛点而这项AI技术就是百度的零门槛AI开发平台—EasyDL“零代码”搞定AI需求。

    EasyDL是基于百度飞桨深度学习平台推出的高效易用的零门槛、一站式AI开发平台工业模型，支持智能数据、模型开发、服务部署等全流程服务目前已经支持图像分类、物体检测、图像分割、音视频分类、语音识别自训练、表格数据预测、文本分类、情感倾向分析等任务类型，可以。

    帮助中小企业结合业务需求，解决效率和成本的问题怎么理解呢？比如，上述猪崽体检方面，用户只需将病猪的图像数据导入EasyDL平台，训工业模型练定制化AI模型，就可以将“人为诊断经验”复制为机器学习经验，再经过物体检测技术，无需人眼观察也可以准确判断猪崽的健康状态。

    如此来说，EasyDL可以理解成：根据定制化场景需求，通过学习“有经验的专家知识”，来代替人类解决规模化的复杂问题，进而提升成本和效益值得一提的是，百度AI平台研发部总经理忻舟工业模型，在接受雷锋网采访时多次提到：。

    “EasyDL的目标是降低AI门槛，让零算法基础的用户，不用一行代码也可以基于需求和数据，定制自己的AI解决方案”这一点在AI养猪、肉牛称重，工业质检、桥梁检修等诸多成功案例中都有所体现，而且也普遍受到了用户的好评。

    但忻舟也强调：“简单不意味着妥协，EasyDL会始终工业模型秉持最初的研发理念：简单且专业”自2017年底上线，到如今近三年的技术研发和迭代，EasyDL在数据服务、模型精度、部署服务等方面不断升级，已经能够处理更多、更复杂的应用场景。

    在这里，忻舟为我们分享了一个典型案例：EasyDL帮助一家专业猎头公司解决了其核心业务问题这家公司名为瀚才猎头，自创立以来一工业模型直面临着一个核心问题：200万条数据的人才库，利用率只有不到10%作为一家猎头公司，如何高效地为客户推荐合适的人才是他们的核心业务，也是其在行业发展中的核心竞争力。

    瀚才猎头有5位创始人，在业务发展过程中积累了很多重要的客户资源和庞大的人才库，但其非结构化数据库和传统简历初筛方法，让这些资源和优势没有工业模型得到很好的发挥和利用而这个局面在使用EasyDL后发生了改变以前按照关键词搜索的方法，每天只能找到60-70份合适的候选者简历，现在经过数据结构化处理后，20分钟就可能达到600-1000份，而且。

    精准度达到了95%以上整个效率提升了200倍，节省了时间、人力成本的同时，200万简历库也得到了充分的工业模型利用一位创始人坦言，他们之所以选用EasyDL，不仅是因为数据结构化的效果好，更重要的是其零开发门槛、一站式服务的特性，节省了自己配置技术团队，做数据处理、算法研发和算力支持的成本。

    那么，无任何开发经验的HR是如何完成AI模型训练和部署的呢？EasyDL操作流程只需以下四步：创建模型、数据准备、模型工业模型训练和应用部署。

    他们根据业务需求，按照“职级”和“职能”两级分类对200万数据的人才库进行了结构化处理：创建模型：登录EasyDL平台，完成注册和模型选择数据方面：200万人才数据，手动标记1万条，再通过EasyData智能标注完成剩余199万条数据标注。

    模型训练：导入全部数据，在平台内置的文心（E工业模型RNIE）预训练模型基础上进行训练部署方面：训练好的模型可直接生成供调用的API，而且有完善的SDK代码包可以使用可以看到，以上操作过程无需任何代码基础，只要按照业务需求，完成数据处理和提交，选择部署方式即可，而且精准度很高。

    不过1小时的AI模型训练，帮助他们解决了自创业以来最头疼的业务问题另外，需工业模型要强调的是，以上看似简单，易操作的背后，是其内部复杂、先进的AI技术支持。降本增效，一站式AI服务

    在数据处理环节，EasyData提供了数据采集、清洗、扩充、标注全方位服务根据2019年AI机器学习项目调研的报告，96%的企业都在“数据”一环遇到了难题，尤其是数据标注，耗时，而且准确度不高针对这一问工业模型题，忻舟介绍称，EasyData提供了丰富的智能标注方案，支持物体检测、图像分割和文本分类三种数据类型的智能标注，只需标注少量数据，其余便可通过“智能标注”自动完成。

    在相同任务和同等模型效果下，数据标注量平均可以减少70%在上述简历库的文本分类中，员工手动标记了1万条，其余199万全部是自动完成另外工业模型，在数据采集、清洗和扩充方面也经常出现问题忻舟介绍称，一家做果蔬智能识别系统的创业公司，他们的果蔬电子秤，在超市试运营时，经常会出现因物体遮挡、光线不足，导致数据采集质量差的问题。

    在使用EasyDL后，通过对图像数据进行相似度的去重去模糊，剪裁，旋转，镜像以及数据增强等处理，在50种水果的测试中，准工业模型确率达到了95%以上同时，EasyDL还在数据采集方面，提前对端设备进行了测评和适配，免除了使用者在设别选型、调试和集成开发工作上的成本，将采集效率从“周级”提升到了“小时级”。

    最后，忻舟重点强调称，EasyDL根据实际的用户需求还提供了数据回流功能，在数据处理上形成了一个完整闭环，使数据处理更加高工业模型效在模型训练方面，EasyDL内置了基于百度海量数据库的超大规模视觉预训练模型和文心ERNIE 2.0。

    “这也是EasyDL性能远超其他AutoDL产品的独特优势”，忻舟强调称瀚才的简历文本分类采用文心（ERNIE）预训练模型，训练效果达到了95%+预训练相当提前学习了大量NLP语料，在一定的背景知工业模型识下，再通过持续学习的语义理解框架，对输入数据进行识别，可以有效提高识别的精准度。

    在模型训练上，百度还融合了自研的高性能自动数据增强（Auto Augment）、自动超参搜索（Auto Finetuner）和NAS（自动网络架构搜索）等自动化建模技术，可以进行模型自动调优，降低算法工程师的调优成本，工业模型同时，模型精度也可以平均提升10%以上。

    在服务部署环节，EasyDL提供了公有云 API、本地服务器部署、设备端 SDK、软硬一体产品，4大部署方式，用户只需经过简单的设置，就可以将训练好的模型转换为满足业务场景需求的服务其中，设备端 SDK，适配了NV Jetson 系列、Intel 神经加速棒、工业模型华为 NPU、华为 Atlas、高通 DSP、RK 等十几种业界主流的端设备。

    在软硬件一体部署上，EasyDL适配了市面上6种高性价比的软硬件，覆盖高中低全矩阵，模型识别速度可提升十倍，例如EasyDL加小体积低功耗的英特尔芯片，在轻量级模型MobileNet V2上，25毫秒就可以完成端到端的预测工业模型和推理；英伟达Jason可以满足中高性能和超高性能的场景化需求，而它在V2模型上只需要4毫秒。

    加速AI落地，直击各行各业2020年，EasyDL开始走向加速AI场景化落地的阶段AI落地，是近些年人工智能产业发展的主旋律一方面，计算机视觉、自然语言处理等技术已逐渐趋于成熟，急需走向现实场景发挥价值，另工业模型一方面，随着社会的快速发展，中小企业的AI需求空间也在进一步突显。

    但要想在AI和需求之间达到最佳匹配，还存在很多挑战从2017年正式上线，实现从0到1的跃迁，到2018年成功案例的大量出现，EasyDL在AI落地方面已经初见成效忻舟表示，2020年，随着技术的逐步成熟，EasyDL会加快落地速度，进工业模型一步提升AI落地能力。

    具体来讲，将继续从以下三个难点入手：AI门槛：这是所有企业寻求智能化转型的首要痛点，尤其是对于中小企业而言，一方面不懂技术，不知道哪些场景需求可以通过AI来实现即使了解，对于复杂的AI技术，学会应用也是一大难点。

    另一方面，对于有技术团队的企业来讲，AI底层基础设施要求很高，需要工业模型大量的资源、成本投入，而且最终达成的效果可能也未必能够满足需求从这两点出发，EasyDL一直致力于开发零算法基础，人人可用的AI开发平台，同时，基于百度的海量数据和研发优势提升模型训练性能，打造从端到端的一站式服务，满足算法工程师们的应用需求。

    目前EasyDL的零门槛、专业性强等特性已经被中小企业广工业模型泛接收，其官网显示，使用EasyDL的用户数已经超过70万，覆盖20多个行业场景，包括互联网、工业、农业、医疗、物流、零售、教育、交通等；定制化需求：

    各行各业有着丰富的定制化场景需求，其中，最为明显可以说是零售行业，如商品检测中的相似、遮挡检测，智能结算中的 SKU 快速更新等，都需要定制化的AI解工业模型决方案在这方面，EasyDL除了提供通用版本外，还开发了零售行业版。

    为了应对更复杂场景的检测需求，零售版主要新增了以下核心功能：打造软硬一体的全自动 SKU 采集箱，降低 SKU 数据采集成本，让采集数据更加标准、规范自动图像合成技术，基于SKU 单品图和货架图，自动合成各类实景图，模拟真实场景中物工业模型品的遮挡、旋转、重叠等状况，提高模型的泛化能力。

    提供除商品检测外的翻拍识别、货架拼接、货架层数识别、价签识别等增值功能，并提供完善的 SDK基于以上技术，零售版已经在商品陈列审核、无人药柜等多个场景下被广泛使用百度团队透露，接下来，还会针对农业、工业等行业推出更多定制化版本。

    AI技术能力：它是任何A工业模型I产品应用落地的基础，也是核心在这方面，基于百度飞桨开源深度学习平台的EasyDL具备独特的领先优势一般来讲，市场上AutoDL产品的核心竞争力，无外乎两个方面：一是效率问题，AI应用最基础的诉求就是如何帮助企业降低时间成本，抢占市场先机。

    围绕这一点，EasyDL在模型方面，基于飞桨的超大规模预训练工业模型、并行训练，显著提升模型训练速度；在数据服务方面，为数据采集提前适配主流硬件，并提供从采集到回流的完整解决方案，节省数据处理时间EasyDL是业内首个提供一站式智能数据服务的产品。

    最后值得一体的是，设备端的部署服务忻舟介绍称，边缘端部署因为算力低、内存小的特性，近些年在行业内非常火爆，用户需求非常大工业模型因此，为企业提供高性能的边缘端部署方案也是EasyDL的重点研发方向二是使用效果，这是满足企业AI需求的关键性指标。

    从技术层面来看，可以具体理解为文本分类的准确性，物体检测的精准度在这方面，EasyDL内置的基于飞桨的文心ERNIE和超大规模图像预训练模型发挥了独特优势，经检测，在视觉任务中，通过百工业模型度数据库10万+分类、6500万张图片训练的预训练模型，平均精度可提升 3.24%-7.73%；在物体检测任务中，经过800+标签、170万图片，1000万+检测框训练的预训练模型，平均精度可提升1.78%-4.53%。

    除此之外，百度团队还升级了模型压缩技术，通过降低端侧模型体积，进一步提升模型性能工业模型最后谈到EasyDL的进一步研发方向，忻舟表示，将继续围绕简单、但更专业的理念来开展，具体来说涉及以下几个方面：覆盖范围：除了扩展已有的算法类型，如 CV、NLP,传统ML方向，语言识别方向外，还将推出OCR、视频追踪等定制化能力。

    技术优化：持续提升模型效果，提高训练速度和精度，加速模型推理同时结合工业模型不用场景，推出更多类型的预训练模型易用性：在数据、模型、服务等方面，持续降低使用门槛另外，忻舟还重点提及了EasyDL的共享生态建设他表示，希望更多企业能够加入到EasyDL落地中来，通过真实的业务需求，探索更多AI应用空间，由此，EasyDL也能够根据实际场景，不断提升技术能力，为更多企业赋能。

    出工业模型于这一目的，百度团队近日还推出了“万有引力计划”，进一步降低AI门槛，助力中小企业降本增效削平“AI门槛”，挖掘潜在场景毋庸置疑的是，AI应用场景巨大且丰富，但需要深度的探索和挖掘此次，为了颠覆各行各业对AI高门槛的认知，百度EasyDL面向所有中小企业推出了——万有引力计划。

    该计划旨在为万家有AI工业模型需求的企业各提供一万元专项基金，推动其智能化转型通过EasyDL经典版免费完成模型定制、部署与应用，即可领取万元专项代金券无需了解算法细节，最快10分钟就可以训练出高精度AI模型如果AI落地效果突出，还有机会获得最高十万元的特殊补贴！。