自从 2015 年阿里提出 “中台” 战略后,“中台”便成为一个行业热词,许多公司纷纷推出了自己的中台架构。一方面中台架构似乎代表了一种新兴趋势,另一方面中台似乎又面临着定义不清、概念混杂的问题。

中台是一种切实的业务、数据架构,还是一个混杂的概念?中台可以实际解决哪些问题、提升哪些业务效率?本篇就来着重梳理一下。

中台的架构是什么

中台一词,是由 “前台”、“后台” 产生而来。

传统架构中先有了 “前台” 与“后台”。后台负责管理企业的核心资源,如财务系统、产品系统、客户管理系统、基础设施和计算平台等,前台则是最终用户直接使用、与企业交互的前端系统,如网站、手机 App 等。但前台、后台间往往各司其职,无法形成有效衔接,带来业务配合效率、数据质量等问题。

中台的设置,就是为了有效连接前台和后台的一种平台化形态,以强调资源整合与共享、能力沉淀,为“前台” 提供业务模式、技术、数据、人才等支撑。具体来说,中台的架构主要可划分为业务中台、数据中台、技术中台等

2015 年,阿里巴巴率先提出了中台战略概念,并提出 “小前台,大中台” 的管理模式,将搜索事业部、共享业务平台、数据技术及产品部提出来组成了“共享业务事业部”(Shared Services Platform),沟通前端的业务部门和后端的云平台。

打开网易新闻 查看更多图片

图 | 阿里核心业务架构(来源:公开资料)

主要 AI 中台厂商及其场景落地

近年来,腾讯、京东等互联网巨头也将一些为业务线提供基础技术、数据等支持的部门整合为“大中台”,统一为业务线提供支持和帮助。

但互联网、零售、金融等各个行业的中台部署都千差万别,各个公司如何进行前台、后台的耦合,也是千人千面。所谓的中台架构,并没有统一的答案。实际效果,以及未来数字化中台的市场规模并不易测算。

而在 AI 的应用场景中,与许多互联网公司及传统公司相比,AI 是典型需要协调多种数据、运算能力及业务场景需求的领域。这点相较于其他行业更为明确,中台的架构和落地上也更有规律可循。具体到 AI 落地上,AI 中台包含算法模型、数据分析、数据处理等常用模块,可快速复用,提升 AI 能力的部署效率。

图 | AI 中台层级架构概念图(来源:公开资料, CB Insights China 整理)

如百度智能云的 AI 中台就包含了人脸识别、OCR、语音识别、NLP、图像识别、知识图谱、深度学习等二百余项 AI 能力,以及全球领先的 Ernie 算子及优化后的主流算法。另外,其中台还包含全球前三、中国第一个开源的深度学习框架 PaddlePaddle。百度智能云以通用能力,中台为前台和后台提供支撑和协调。

打开网易新闻 查看更多图片
图 | 百度智能云的 AI 中台包含 AI 能力引擎和 AI 开发平台 (来源:公开资料)

另外,作为新兴大数据厂商的明略在具体场景上的 AI 中台更具说服力。明略作为人工智能产业链的上游数据厂商,主攻公安、工业、零售、金融等场景。去年 11 月,明略宣布了中台新战略,推出了具有行业知识图谱 Know-How 数据中台。

以零售营销行业为例。

零售行业特点在于其面向的消费群体十分庞大,但随意性购买特征明显。企业需要覆盖尽可能多的渠道和场景以触及客户,如通过拼团、秒杀等提升业绩增长。而相关方案越多,业务结构就越复杂。

明略通过中台进行赋能,能打通不同渠道中的会员数据,在大数据的基础上构建用户画像。中台还能更好支持前端业务快速创新,如开发一个秒杀应用,无需再从头重复庞杂的工作量,而将中台中的通用的积分、优惠券等模型相应解决,再进行一些简单开发即可。这也是中台快速复用的能力。

图 | 明略 Atum 智慧零售中台解决方案。其中业务中台包含会员、门店、商家、订单、采购等渠道流程;数据中台由数据计算、第三方数据融合、业务数据整合等组成。(来源:明略科技官网)

而在行业有刚需、AI 企业们落地较多的安防场景上,安防头部企业宇视科技获得阿里入股后,在 2019 年安防博览会上首次发布了数据中台、业务中台双中台。其中台包含 LOT 引擎、视频云引擎、视觉智能引擎,同时也集成阿里公有云,加强了 AIoT 中台能力。

在公安场景上,中台通常以面向前台、面向业务的方式,考虑后台的数据如何组织,采用何种技术和加工方式,并提供查询、计算、数据挖掘、AI 等服务。

基于公安系统具有各级行政关系和数据权限的特点,中台可着重基于业务实际需求,沟通部门权限及数据,连通多源异构的公安数据、社会化数据、互联网数据等数据,构建以知识图谱为核心的体系,并针对不同警种和业务环节,进行检索、分析、挖掘等。中台的功能可由各种能实现独立的数据处理逻辑的功能模型构成,具备统一的接口,以可插拔、搭积木的模块化方式集成。

图 | 提出中台战略的部分厂商,包括百度、腾讯等互联网公司,以及明略科技等 AI 科技公司(来源:公开资料,CB Insights China 整理)

从以阿里为首的互联网公司牵头,到互联网头部企业纷纷跟随,再到各行业企业,以及新兴的 AI 企业搭建自己的中台。在很多行业人士看来,中台已被赋予下一代组织结构变革的使命。

中台的困境:深入业务、数据,还是难以落地?

虽然中台概念已经深入很多公司内部,但中台的概念常与平台概念混淆,而中台的本质是对通用能力的 “封装” 并以接口或组件的形式共享,沉淀通用能力进行更高效的赋能支持。

并且,中台概念并不适用于任何公司。中台需要平衡前台、后台需求,做业务、数据等的连接者,对自身要求很高,并且适合于较为复杂的组织架构及业务需求,更适合于需求复杂又有能力进行配置的企业。

另外,需要说明的是,中台并非一个可完全照搬的概念,而只是一种组织架构上的新兴形式和思路,落地到不同行业、公司、业务环节有不同形态,并没有统一的标准答案。由于不仅涉及到数据、业务的打通,更涉及到公司组织、结构的规划和打通,更是一个系统工程。

此外,由于为前台提供支持和快速响应,但中台离业务端较远。中台团队可能变成纯支撑、被动接需求的状态。针对不同的业务需求,中台往往需要多次沟通。而在各个部门中,如何打通各种 “烟囱” 本身就是一个复杂问题。

AI 中台的前景在哪里?

具体对 AI 行业来说,AI 落地已经从芯片、算法、数据的单一要素问题,深入到实际场景的系统问题、架构问题。

这正与近年来 AI 向智慧城市、各种行业智能解决方案的整合发展相契合。AI 要走向智慧城市,赋能各行各业,既要芯片做底,算法做动力,数据作为源泉,也要进行整体方面的架构。智慧城市一般的大规划,要有云、平台、传输管道和摄像头等终端设备,也离不开如中台等的灵活资源匹配和快速复用。

但于 AI 中台来说,组织架构方向的调整策略和实际落地还存在时间差。行业实际落地可能远远落后于趋势的呈现,如将高性能芯片用于 AI 发展是必然趋势,但单一 AI 芯片的商业化却道阻且长。

中台在 AI 行业的落地还在进化中,一方面是行业未来的发展趋势,另一方面是实际的各种基础资源配置和实际业务、数据等环节的打通。AI 中台有着广阔的前景,但在落地上依然还有很长的路要走。

- End -