用AI制作AI，「深度赋智」用Full-AutoML赋予客户开箱即用的AI能力
吴承霖与AI的故事始于2010年。
此时的他还在厦门大学计算机系读大三，课余时间，他利用遗传算法（自动机器学习的雏形）和神经网络技术搭建了一个道琼斯股指的量化模型，在带杠杆的情况下，双边交易可以做到年化40%，不带杠杆可以达到年化12%。
利用这个系统，他赚够了几年的生活费。
毕业后，他顺利进入华为，一边做底层产品研发，一边做开源，成为了60来人团队中的第三个技术专家。
这期间，吴承霖也混迹在国际各大开源社区内，写下的开源代码曾被打包卖出十几亿美元高价，经常被周围亲友调侃为“身家过千万美元”。
2014年，凭借技术优势，吴承霖加入了腾讯，带领团队设计与实现了亿级用户规模、千亿级数据规模的用户画像、搜索引擎、自然语言处理等系统，平均年产值可达到十几亿元到几十亿元。
在27岁这年，他成为了部门最年轻的“T3.3”高级研究员，并进入了部门专家组。
2018年离开腾讯后，吴承霖选择来到一家B轮初创企业笨鸟社交担任首席科学家，除了将AI中台内容理解和分发业务整合落地，还积累了初创企业的运作管理能力。
2019年，蓄力了近10年的吴承霖带着「深度赋智」正式入局AI中台市场。
主要通过其独立研发的全自动机器学习系统（简称Full-AutoML），帮助企业客户实现全自动、端到端地自主推荐、搜索、决策、训练学习，为互联网B端客户提供普惠式的通用型AI中台解决方案，助力其降本提效。
据悉，同年11月，深度赋智便完成了数百万元种子轮融资。
谈及创立深度赋智的初衷，吴承霖告诉创业邦，一方面是技术驱动，一方面是“商机”使然。
具体来说，AutoDL（自动深度学习）与AutoML（自动机器学习）技术近年来发展迅速，包括谷歌、亚马逊、微软在内的大厂纷纷入局掘金。
2018年年中，谷歌发布了NLP预训练模型BERT，将AI技术标准化正式推向高潮，进一步证实了其方向潜力巨大。
在落地过程中，深度赋智的首选以电商为代表的交易平台客户，这是由于此类客户亟需开源节流，以提升分发、决策效率，解决转化率低、获客成本高等核心痛点，而实施成本低、效果优的人工智能中台是交易平台节本增效的关键突破口。
以最常见的精准营销为例，企业为了完成用户和具体产品的匹配，通常会应用一些简单AI算法，不过始终效果平平。
而有了深度赋智的AI中台，客户只需将全部数据接入云API，即可将搜索、推荐、决策精度大幅提升，整体可提升转化率40%~60%。
从行业角度来看，深度赋智与大部分云厂商技术路径类似，不过，后者还没有在此大规模布局，正面对标的企业为国外DataRobot和H2O.ai。
相比而言，深度赋智已经在技术方面建立了自身竞争壁垒。
近期，人工智能顶级会议NeurIPS 2019 AutoDL（自动深度学习）比赛刚刚落幕，聚焦在使用一套方案，在任意时间、任意领域、在5个不同模态（图像、视频、语音、文本、表格）下的学习效果对比。
据悉，在10个未知模态盲测数据集上，深度赋智以7个数据集第一名的优势大幅领先其他队伍，并夺得了世界冠军。
同期参赛方包括Google、微软、阿里、腾讯、清华、南大等机构，以及来自美国、瑞典、日本、韩国等全球各地的队伍。
吴承霖透露，以往基于人类 AI 工程师的简单 AI 生产过程需要3~6个月，复杂AI生产过程需要1~2年。
而深度赋智最短只需要几十秒钟，就可以构建出一套近似最优的端到端AI，并且随着线上反馈数据，可不断对AI持续优化。
相比传统AI，可直接将复杂AI领域的人力成本降低到1%，整体效率提速百倍。
这得益于深度赋智核心团队过硬的综合素质。
成立一年，团队已有20多人规模，涵盖了腾讯、百度、华为等头部公司的资深研究员、架构师，拥有十亿级用户的云、端AI经验，技术基因强大。
“在商业模式上，深度赋智短期按项目付费，后续逐步开始按SaaS付费。”吴承霖坦言。
未来，公司还将拓展至金融、娱乐等其他强需求、强付费行业，继续规模化扩张，最终实现其目标：赋予客户开箱即用的AI能力。
感谢您的认真阅读，如果喜欢本篇文章，就点个“在看”或转发到朋友圈，让更多的人看到吧
快鲤鱼 l ID：akuailiyu
长 按 二 维 码 ， 一 键 关 注
我就知道你“在看”