飞桨EasyDL难以走出的商业化困局

　　早在两年前，飞桨EasyDL商品检测专业版和语音识别自训练平台就已出世。

　　出世不久后，EasyDL在深圳周围快速铺开，成为商业圈和科技圈的热点话题。然而，这一热度并未持续多久便销声匿迹。除了技术讨论区偶然有人发布简单提问和百度自身发布的冷门技术贴外，再无其他消息。

　　事实上，据观察，EasyDL虽然少有新闻报道，但是其实际业务范围已经扩展到了工业、农业、零售、医疗和物流在内的数十个行业。

　　但这并不是因为EasyDL在闷声发大财，而是因为在商业推广过程中遇到了很大瓶颈。这也暴露了EasyDL想要成为AI行业领头羊，还有很长一段路要走的现实。

　　概念过于宏观，或增加线下推广难度

　　名字就有些晦涩难懂的EasyDL，到底是什么呢?根据飞桨全景图企业版的信息介绍，其定位是该系统中的零门槛AI开发平台。其作用是要实现让没有AI开发经验的人，也可以熟练地使用这一平台创作出自己需要的AI应用。

　　之所以说这个概念本身过于宏观，是因为AI技术本身对于普罗大众而言，就是一个理解起来相对困难的技术概念。甚至于人们对AI的概念就不了解，那么实现所谓的“没有AI开发经验的人使用平台进行创作”这一宏愿本身就存在难度。

　　换句话说，EasyDL所提倡的开发理念缺乏人才认知作为前提，其结果就是大众的参与度明显不足、相关技术推广的难度也将面临“共识性”问题。

　　其次，现阶段的项目运作中依旧缺乏相关人才培养体系的建设。据「于见专栏」 观察，百度本身是有意打造人才体系建设项目的，但由于自身发展条件限制，这样的规划不得不主要以代码开源和线上技术交流的形式开展，这样的人才体系构建效率显然相对低下。

　　除此之外，在外部人才体系建设上也存在两方面问题待解决。一方面，是相关技术概念的深度普及存在严重不足。在实现平台开发前，要明确“低代码”和“零代码”的概念。虽然概念名称相对简单，但其内涵在于：代码需求量降低的情况下，应该如何重新认知系统运作机理。这一问题的理解难度并不低于代码开发。

　　而在平台对外开放的概念普及中，并未有效解决这一问题，使得相关有意向加入的技术人员也存在诸多疑虑。这一点显然是飞桨本身应该注意和强化的工作内容。

　　另一方面，是第三方专业人才培训计划的有效性问题。「于见专栏」 注意到，网络上存在针对EasyDL开发与应用的课程。但相关讲解人员的技术背景和出身并不具备足够说服力，这就使得课程内容对学习者的帮助可能很有限。而一旦出现负面消息，对EastDL技术本身的影响将是巨大的。

　　最后，EasyDL的商业推广过程很可能会因为上述两点原因陷入极大被动局面。之所以有这样的推论，主要是由于以下两点原因：

　　第一，当技术概念本身不容易被理解和接受时，市场的表现将呈现出极大的随机性。此时，技术研发方需要启动合理的商业营销策略进行概念普及。而以现阶段的情况而言，EasyDL覆盖的数十个行业中，商家反馈和满意度存在不透明性。但在知名度这一指标中，EasyDL显然处于弱势地位;

　　第二，从目前市场表现和技术应用层面分析，EasyDL的市场化显然需要在专业人才的带动或专业概念普及手段的推动下才能实现。按照业内人士经验，这一过程大概率会以一个全新的科教行业的发展作为引领，而该培训行业的发展可能会超出百度的掌控能力。这对EasyDL推广的影响是不确定的。

　　单一的技术供给，恐难满足实际需求

　　在百度的对外活动和分享会中，「于见专栏」 捕捉到一个重要细节：EasyDL的技术研发目的，在于对实体产业自身升级和产业转型需求的满足。

　　这意味着，EasyDL在应用层面上是想要解决现实商业问题的。无论是工业生产重新布局、零售产业调整层面，还是相关服务业转型层面，最终都是要将飞桨全景技术中的各个项目转换成为生产力的一部分。

　　按照这样的战略布局，EasyDL还无法实现这一伟大愿景。在此以EasyDL在零售和仓储行业中的应用为例。

　　在百度对外分享的应用经验中，也有这样一个案例：运用EasyDL平台，可以对货架上的商品进行AI扫描，进而建立起一整个货架商品情况汇总信息库，帮助管理人员更好地掌控货架商品和仓储库存等。

　　作为一项创新技术而言，能够自动识别商品信息并自动生成实时货架虚拟数据是一项巨大突破。但其实际应用作用却显然是极为有限的：货架管理和仓储库存统计只是第一步，重要的是后续调动、整理和销售应用。

　　在翻阅了其他相关资料后，「于见专栏」 并未发现该案例的后续介绍。这就引发了一个问题：如果EasyDL只能自动识别信息的话，是不能满足商家实际需求的，其应用意愿显然也存在极大疑虑。

　　在这一案例的分析中，可以清晰地看到这样一个问题：如果没有后续的应用操作，EasyDL所描述的应用场景，是不具有现实应用意义的。

　　一个售货员或者仓库管理人员，拿着商品库存表进行商品核对和后续整理就可以完成的任务，可能不需要AI技术的辅助。至少在性价比上，EasyDL是比不上一名现场工作人员的。

　　换句话说，EasyDL描述的只是应用场景的一部分，且是并不具备完全取代人工服务的一部分。

　　如若不能规范行业标准，或难保交易效率

　　在“百度大脑开放日·福州站”智能制造与安全生产专场中，有企业分享了自身借助EasyDL技术帮助纺织产业进行智能化建设的案例。

　　借助百度AI技术，该公司实现了面料精准化寻找、面料智能化检测。在一定程度上降低了产业链成本、提高了工作效率。

　　这样的成功案例当然值得重点关注，但是单个案例的成功对整个行业的改革而言并不具备足够说服力。

　　首先，「于见专栏」 注意到案例中技术应用场景的问题。找寻布料和面料检测当然是纺织行业的重点工作内容，解决工作难点对整个行业效率的提升必然是巨大的。但问题在于：在面料标准缺乏规范性、设计需求存在特殊性的情况下，商家上传的数据对纺织企业的采购影响显然有限。

　　这一问题，在中小型纺织企业的采购中显然更加明显。当产品设计参数有所调整时，原本的面料需求参数不能满足需求时，是很难规范面料供应方的参数供给问题的。

　　除此之外，大型企业的产品输出相对稳定，面料供给商也相对确定。在此背景下，EasyDL平台所发挥的作用必然也是有限的，这将在很大程度上影响飞桨平台的用户获取。

　　而中小纺织企业的产品输出样式相对较多、面料采购丰富度高、面料供给商转变较快，但对面料的实际性能考察更为仔细。而EasyDL在规范面料参数和技术标准上显然还有很大提升空间。

　　一方面，是针对商家上传面料参数的确定上。手持设备的测绘存在一定误差，将直接影响到最终生成产品的性能确定;另一方面，面料供给行业在生产标准和市场监管上存在的漏洞，并不会被AI技术填补，一旦大面积推广也将造成品牌竞争、技术参数确认等一系列问题。

　　由此可见，EasyDL的行业推广中所面临的问题其实是相对复杂的，单凭供应技术还不足以解决产业升级与优化问题。而如何与其实际应用场景进行无缝衔接，做技术上、系统参数上的适配，将是摆在其面前的现实问题。诚然，EasyDL有背后的百度大数据做支撑，并不定不能够解决。只是，每个行业都有其特殊的应用场景、不同的行业标准，如何进行全方位的应用配对，现实是一个不小的挑战，即便能够借助大多数解决一部分问题，恐怕也尚需时日。

　　结语

　　据「于见专栏」 观察，百度对EasyDL项目的投入是巨大的，其核心追求也是要用技术创新提升工业生产效率和社会民生品质。

　　在2019和2020两年的百度年财报中，针对技术创新项目的投入比逐年增加，EasyDL项目组技术招聘数量提升、对外技术交流活动增加，都标志着EasyDL的技术研发过程是顺利的。

　　但是，技术层面的成功并不意味着商业推广的成功。现阶段，EasyDL的进一步发展正受制于概念普及、商业推广和应用技术开放等全技术生态打造落后的问题。

　　因此，尽管商业前景极为开阔，但是EasyDL能否成为AI行业平民化应用的领跑者仍不能确定，或许在其宏伟的愿景下，受益的是一些有理想、有情怀的开发者，但是其是否真的能惠及平民，恐怕还待时间来验证。

标签：飞桨EasyDLAI