36氪独家 | 累计融资超亿元，「共达地」用Auto ML助力AI超大规模精细化落地

编辑 | 彭孝秋

36氪独家获悉，共达地创新技术（深圳）有限公司（以下简称「共达地」）已于近日完成A轮融资，本轮投资方为寒武纪旗下生态基金三叶虫创投，老股东天奇创投和涌铧投资。募集资金将主要用于产品升级迭代、完善算法案例，完善生态体系构建。目前，成立两年的「共达地」累计融资额已破亿元。

「共达地」的核心产品是基于AutoML技术自研的全流程自动化训练平台，简言之，是用AI算法生产AI算法，操作方式也很简单，业务人员可以通过一键三连的方式，从零到一定制符合自己需求的AI算法。用户自助式上传训练数据，选择希望部署使用的芯片，训练平台就能自主进行模型设计、模型训练、参数调节和芯片适配优化。

据「共达地」表示，其自动化开发得到的AI算法，能够媲美和超越专业的AI工程师。此外，「共达地」的训练平台支持云端训练，边缘/终端一键模型下发，使得开发和使用AI算法就像安装和升级APP一样简单。

随后，「共达地」产品经理在和自动化训练平台的配合下，用2~3周的时间快速开发了100+个算法，构成了「共达地」的算法商城，涵盖了目标检测追踪、图像分类、语义分割、姿态检测、3D检测等五个大类视觉算法，覆盖80+个碎片化应用场景以及70+款AI芯片，这相当于以往人工方式5000+ 次的算法开发工作量。

此外，另一创新点突破了AI效能的掣肘，即提高了AI芯片利用率。目前，市场上算法普遍适配英伟达芯片，并不适配其他品牌芯片，这就导致在采用其他芯片的计算设备上运行算法时，芯片利用率仅为10%~20%。「共达地」通过和各芯片厂商合作，主动适配各品牌芯片，用户根据自身情况选择适配芯片，能够将芯片利用率提升至50~60%，也就降低了芯片数量的要求，降低了算力成本。

AI到底是什么？一千个人眼中有一千种不同的答案，它在不断读懂人的过程中，表现出千人千面的“智能”，并可以走在人的需求之前，给人超越已有需求的满足感，这是AI技术学习人、读懂人、走进人的最优解。但是，当技术走出学术楼宇，走进商业丛林时，AI到底能做什么？

答案是，超大规模和精细化。具体来说，AI落地的真实场景更像是一副徐徐展开的画卷，AI长在生活、工作、生产、制造的每个细枝末节、环环相扣的场景里。

比如，你可以在内蒙大草原的牧场里看到AI，当牧民希望判断养牛场的草量、水量是否充足、奶牛是否健康时，搭载AI技术的摄像头可以帮上大忙；你可以在广深莞的车间工厂里看到AI，当管理者希望判断员工是否疲劳作业时，也可以借助AI的帮忙来通过员工动作进行判断；你可以在你习以为常的居民小区中看到AI，比如老人摔倒时、垃圾满溢时，AI都可以做到第一时间来响应。

无孔不入的渗透到更多的碎片化应用场景中，代替人工的重复性劳动，就是AI的超大规模。

与此同时，AI也在变的更为精细化。这是因为当AI作为一种必要需求时，不像水、电、煤气一样成为一个标准品可以集中供应，而是会依赖于每个行业、每个场景、每个需求、每次设计和迭代一样成为无数个碎片化的定制品。甚至同一个算法，在不同的行业、不同的场景、不同的环境、运行在不同的设备上，都需要当作不同算法进行重复设计和开发。

超大规模和精细化，造就了AI供给和需求的高度不平衡：一方面行业的需求大量增长，一方面人才供给也在持续增加，但AI人才的缺口仍然在持续扩大。

2019年，我国AI摄像头出货量为684万个，预计2022年出货量达3458万，年复合增长率超过了70%。而此刻，这一高存量、高增量的行业仍存在尚未填充的想象空间，就拿落地最大的安防市场来说，2020年安防摄像头AI渗透率也不足5%，其余场景包括零售、医疗、教育等领域的的渗透率则更低。而面向未来的预测更呈现持续增长状态，据艾瑞咨询数据，2019-2026年，AI带动相关产业年复合增长率达22.3%。

而AI供给的数量却追不上需求上涨的速度。「共达地」创始人兼CEO赵丛告诉36氪，当前AI行业从业人数在100万左右，缺口就达70万。这也导致了AI从业者薪酬水平较高，《2021人工智能人才报告》显示，2021年行业的平均月薪在2万左右，远超各省份平均薪酬。

需求大、却极具稀缺性，AI的贵是其渗透难的原因之一。但不仅限于价格，渗透难的痛点是一个老生常谈的话题，AI到底要如何落地？难落地，是因为AI与行业之间的需求次元壁还没打通，产品经理、技术工作者和管理人员之间都讲着一套不同的语言体系，畜牧业真实的需求落到AI架构师手上，就变成了一道逻辑推导题。

那么，走进人类的生活之后，新一阶段的AI又是什么？《AI极简经济学》中认为，AI的本质是让预测能力变得廉价了。在AI经过大量数据训练之后，预测的能力提高了，也就更进一步降低了决策成本和试错代价。书中用一个经济学原理来作出解释：把AI的预测能力看作一种生产资料时，一种生产资料的突然降价，意味着预测的供给会突然变多，那么以前依赖于预测的一些商业机会或资产就会大幅度增加，这就是互补品效应。

技术与商业的碰撞正可以体现在最简单的经济理念中。突破点回归到经济学本质，即如何用更低的生产成本，创造更大的生产力，并改善需求与供给之间的生产关系。「共达地」AutoML技术自研的全流程自动化训练平台给出了一种回答，即做企业背后的无限的AI生产力，以“行业+AI”的模式，以行业客户和伙伴为主角，理解各个行业晦涩难懂的AI需求。

在生产力上，「共达地」创新性地用自动化训练平台来代替人工开发，让AI工程师从重复的算法设计开发和调参工作中解放出来，将更多的精力放在需求设计和技术研究突破等创作性的工作上，而懂业务需求的产品经理就可以训练出需要的算法；

在生产关系上，则将AI交付能力赋予广泛的生态合作伙伴，从芯片，设备，算法，到上层的行业应用，以更科学、正确的姿态将AI赋于百业。

至此，对于各行各业迸发出的AI需求，「共达地」的零代码自动化AI算法训练平台，省去了传统繁琐的AI算法开发部署流程。全程无需编写代码，只需产品经理简单操作，降低了算法的开发门槛、也提升了AI算法生产效率。

在斯坦福大学发布的《2022年AI指数报告》中指出，2021年，中国AI专利申请量占全球总数的52%，专利申请数量居世界首位。但另一数据也同样醒目，在更检验质量的授权专利数量中，排名全球第一的是美国。所以，当新一阶段的落地方式变为“行业+AI”时，应以更轻巧的模式理解各行各业晦涩难懂的独有需求。

面对AI落地难、场景碎片化的问题，「共达地」自研的Auto ML数十倍速的降低了算法的开发和部署的周期和成本，借此持续构建生态合作伙伴体系，来和生态合作伙伴一起实现超大规模、精细化的AI赋能百业。

在一项受金融圈喜爱的游戏德州扑克中，被认为可以体现人性和运气，它通过“不完美信息”的隐藏、不可计算的变量以及讲究概率的变数，刺激着更多人跃跃欲试。而这场游戏，也存在着三次翻牌的机会，在时机对的时候下注，也就增加了获胜的概率。如果目的地未曾发生更改，在新的阶段、新的变量之中二次翻盘，或许意味着拥有到达彼岸的更大可能性。

面对新的一年，「共达地」的目标是实现视觉领域全自动化，计划于今年下半年开发3D点云、视频理解、图像视频合成等需求场景，各行业不同需求与AI开发的大幅握手，也将让更多用户看到、懂得、需要AI。

团队方面，创始人兼CEO赵丛博士毕业于香港中文大学，「共达地」核心团队来自大疆、华为、百度、腾讯等，研发人员占比70%，平均研发经验超十年。

本文由「洋紫」原创出品， 转载或内容合作请点击 转载说明 ；违规转载必究。

寻求报道 。