2012 年，深度學習掀起第三次 AI 浪潮，隨後 2016 年，AlphaGo 第一次戰勝人類圍棋選手，持續引爆 AI 發展浪潮，吸引眾多開發者投身其中。
然而開發者很快發現， AI 從研發到落地部署門檻較高，需投入巨額成本，不僅要有大量數據來訓練模型、優化算法，還要複雜的安裝和部署。如何降低研發和應用的門檻，實現 AI 普惠？如何面向各行各業不同的應用場景，便於開發者快速定製 AI 解決方案？
對此，作為業內頂尖的 AI 研究機構，阿里達摩院在成立五年之際做出重大舉動。11 月 3 日，達摩院聯手中國計算機學會（CCF）開源發展委員會重磅推出AI 模型社區魔搭 ModelScope，首批合作方還包括瀾舟科技、智譜AI、深勢科技、中國科學技術大學等多家科研機構，旨在打造下一代開源的模型即服務共享平台，致力降低 AI 應用門檻。
CSDN創始人&董事長，極客幫創投創始合伙人蔣濤與阿里巴巴集團資深副總裁、阿里達摩院副院長周靖人，從魔搭社區的發展歷程出發，共同探討如何讓 AI 更好地服務廣大開發者，推進中國 AI 行業的發展。
破解 AI 應用難題，「讓天下沒有難用的AI 模型」
蔣濤：今天很高興和周老師聊聊魔搭社區的發展歷程。為什麼達摩院要牽頭推出魔搭社區？
周靖人：近年來，AI 模型更新疊代速度飛快，與之相比，AI 應用速度存在一些滯後性。我們觀察到，AI 產業化應用面臨以下挑戰：
一是 AI 模型開發門檻高。AI 模型的複雜性越來越高，預訓練模型尤其是大模型的研發門檻高，例如 Transformer 架構和 Diffusion Model 等訓練起來並不容易，需要大量數據和算力的配合，因此當前只有大公司和研究機構才能對 AI 大模型進行研發和創新。
二是簡單的 AI 模型難以覆蓋各行各業的 AI 應用需求，面對新場景時，往往需要進行二次開發或優化，否則許多模型難以適配到特定環境應用中，AI 模型定製化門檻較高。
三是模型訓練、推理、安裝部署等較為複雜，使用門檻較高。
四是缺乏 AI 模型開發和使用交流分享的平台。當開發者遇到相關問題後，無法找到對應的模型服務，也找不到人來解答他的問題。
針對以上痛點，達摩院提出了新概念「模型即服務」（Model as a Service）。其背後邏輯是把 AI 模型當作生產的重要元素，從模型預訓練到二次調優，最後到模型部署，圍繞模型的生命周期來提供相應的服務。
為實現「模型即服務」理念，需從以下兩點出發：一是提供模型倉庫，收集模型，提供優質數據，還可針對業務場景調優。模型使用和算力需結合在一起，並提供快速體驗模型，讓廣大開發者無需寫代碼就能快速體驗模型的效果。
二是提供抽象接口或 API 接口，以便開發者針對模型進行二次開發。當面對具體應用場景時，提供少樣本或者零樣本的方式便於開發者對模型做二次優化，真正讓模型應用到不同的場景中。
只有做到以上兩點，才能真正實現 AI for Everyone。無論是 AI 興趣愛好者，還是使用者、開發者、研究者，「模型即服務」理念均能承載不同人群對AI 的訴求，進一步落地 AI 應用。
基於「模型即服務」理念，達摩院牽頭推出魔搭社區 ModelScope。社區首批上架超 300 個模型，其中中文模型超過 100 個，覆蓋了視覺、語音、自然語言處理、多模態等 AI 主要領域，覆蓋主流任務超過 60 個。包括150多個 SOTA 模型和十多個大模型，均全面開源並開放使用。
開發者可在社區找到目標模型，進入到模型卡，了解該模型細節，查看演示代碼，進行模型調優等操作。社區提供了豐富的數據集，幫助大家快速上手使用模型。社區基於這些能力，從多維度幫助開發者解決實際在模型使用和開發遇到的難題，推動 AI 應用發展。
蔣濤：達摩院投入了多少資源來打造魔搭社區？
周靖人：自達摩院成立五年以來，在 AI 領域進行大量研究和探索，產出了一批重要的 AI 模型，涵蓋語音、視覺、自然語言處理、多模態等，用於諸多行業。如今，達摩院毫無保留地將這些 AI 模型和能力貢獻到魔搭社區，全力推動社區發展。
然而光靠達摩院的力量並不足以豐富社區生態，因此我們攜手合作夥伴在魔搭上開放眾多優質模型，如瀾舟科技的孟子系列模型，深勢科技的蛋白質結構預測模型 Uni-Fold，智譜 AI 的多語言預訓練模型等。
我們非常高興得到眾多中國AI研究機構和研究人員的支持，包括CCF開源發展委員會的支持，大家紛紛貢獻出自己的優質模型，共同來打造模型即服務的新型AI開源社區。
蔣濤：達摩院傾力打造魔搭社區，其目標和願景是什麼？
周靖人：通過魔搭社區，真正讓 AI 開發變得更簡單，實現 AI 應用的百花齊放。讓更多開發者加入 AI 開發中來，將 AI 模型應用滲透到行行業業，將我國智能化開發推上新台階。我們明白這是一個艱巨的任務，需要長期堅持走下去，因此期待攜手更多合作夥伴和開發者共同參與建設魔搭社區。應該說，魔搭社區的發布，只是一個起點，遠遠算不上里程碑。
蔣濤：以前阿里的 Slogon 是「讓天下沒有難做的生意」，通過魔搭社區的發布，我們看到另一種可能「讓天下沒有難用的 AI 模型」。
關注本土化需求，推動中國智能化發展
蔣濤：我們觀察到魔搭似乎與國外 Huggingface 平台的發展路徑相近，均是將模型開源，為開發者提供開放開源平台。與之相比，魔搭有哪些不同之處？
周靖人：Huggingface 從明星項目 Transformer 庫入手，隨後構建平台讓用戶可以託管相關的機器學習模型和數據集，還可共享、協作與投入生產應用，目前在國外生態蓬勃發展。
在國內，魔搭社區適逢其時，填補 AI 模型應用服務的空白，建設 AI 開發者生態。達摩院作為啟動者，將這五年來所積累的最優模型毫無保留地開放開源給大家，目的為了推進中國 AI 模型社區的發展。從模型類型來看，不光有Transformer，還有Diffusion等多種架構的模型。更重要的是，魔搭更關注本土需求，提供大量中文模型，第一批提供的中文 AI 模型已超過 100 個，覆蓋自然語言處理、語音等常用任務，還提供上述提到的阿里通義大模型系列、瀾舟科技的孟子系列模型等優質中文大模型。
社區希望幫助中國開發者降低 AI 模型使用難度，降低模型的使用門檻。將傳統軟體開發者升級為 AI 開發者，讓他們把 AI 模型集成到實際開發應用中。在智能化時代，每個開發者都將成為 AI 開發者，未來期待和中國開發者共建模型生態。
蔣濤：聊到幫助開發者降低 AI 使用門檻，能否聊聊魔搭所提供的能力與 AutoML 有哪些差異？
周靖人：這兩者從不同的角度降低 AI 使用門檻。AutoML 包括自動選擇模型、特徵集合、模型超參數，自動搜索和裁剪模型結構等等。但是開發者仍然需要準備豐富的訓練數據，初始的模型集合，也需要充足的算力來支持。
魔搭一方面提供訓練好的模型，方便開發者快速集成到他的業務開發中去。另一方面，伴隨大模型的發展，越來越多的的工作可由大模型來實現，如將一個論壇里所有的文章重新學習，進行分類等，大量的基礎工作可通過語言模型或者通過多模態的預訓練模型完成，而後再針對網站文章進行調優，這樣無需耗費大量機器成本，無需耗費大量的時間。
蔣濤：我們可以理解為，魔搭在深度學習和傳統的機器學習上，提供更廣泛的能力。
周靖人：是的。如今預訓練大模型成本較高，屬於技術含量較高的領域。以達摩院為例，預訓練大模型可能需要上百張甚至上千張 GPU 卡，並耗費幾個星期到一個月才能訓練完一個大模型。
魔搭社區將這些大模型開源給大家下載，還可以進行二次訓練。其實達摩院在研發這些大模型時，並不確定大模型的具體應用，沒有提前預知到下游任務。大模型幫助開發者提取、抽象知識，通過下游調優，將下游目標精確化，從而快速形成針對行業的解決模型，解決實際應用問題。
蔣濤：使用魔搭社區來調優後，與開發者沿用傳統的AI開發方式，是否有巨大的效率提升？
周靖人：具體案例要具體分析，有的案例是超過 1：9，即節省了 90% 的工作，當然也有 3:7。魔搭社區目前處於起步階段，後續持續完善，希望開發者多多反饋，溝通交流，共同建設魔搭社區，長期以往，相信未來會提高上述比例，通過社區來解決更多 AI 模型開發難題，提升研發效率。
魔搭的下一步
蔣濤：開發者使用 AI 模型離不開雲，魔搭社區與阿里雲建立了哪些連接？
周靖人：AI 模型涉及大量的數據、算力，線下很難找到適合的機器來跑，AI 模型的開發和使用，越來越跟雲資源緊緊聯繫起來。魔搭社區無縫對接阿里雲兩個重量級產品——機器學習平台 PAI 和彈性計算 ECS，為開發者提供一定的免費資源，助力大家嘗試 AI 模型的開發。
大家登錄到社區後，可關聯阿里雲帳號後，在網站點擊相應的按鈕就能跳轉到阿里的開發環境裡，並集成了系列 SDK ，方便開發者快速下載和開發。
但要說明的是，魔搭社區的模型支持多樣化的訓練和部署方式，用戶可自主選擇，社區堅持開源開放、兼容並包，不做任何綁定。
蔣濤：當社區在國內建設有一些成果後，有可能會考慮發展海外社區建設嗎？
周靖人：目前是面向中國開發者，致力彌補國家智能化生態建設的空白。隨著中國人工智慧技術產業的發展，未來魔搭平台也會走向海外，將 AI 模型能力普惠全球開發者。
點擊 「連結」，立即體驗魔搭社區 modelscope.cn