​火山引擎：开放字节跳动同款AI基建，一套系统解决多重训练任务(2)

在智能推荐平台方面，火山引擎可以实现：只需一个平台，就能帮助企业实现从数据接入到推荐结果输出，这一完整的端到端推荐服务的搭建；在特征工程/模型开发模块，火山引擎既能通过简单的配置提供入门级的功能，同时也提供了低代码的开发能力，让工程师可以结合自己的经验深度参与到效果的优化中；与此同时，模型支持实时训练，用户的行为和偏好能很快体现在推荐结果中。此外，火山引擎智能推荐平台还支持深度的行业定制。目前，火山引擎已在电商、内容、视频等多个领域服务了很多客户，并将积累的行业经验，沉淀成行业模板，可以为不同领域的企业提供更专业的推荐服务；对企业而言， 更为重要的一点是，火山引擎智能推荐平台支持灵活的黑白盒功能，可以让企业沉淀自身的推荐能力。 行业内对推荐系统的普遍认知是非常复杂，涉及的功能模块非常多：首先要对数据进行处理，以保证数据质量；处理后的数据进入到特征工程环节，对特征进行抽取——特征和样本会应用到模型的训练中；在线服务会对召回/排序/规则进行编排，还需要做大量的AB实验来验证推荐的效果，最后才能验证推荐是否有效。 在火山引擎推荐系统上，企业不需要跨多个系统，可以直接在成熟的智能推荐平台上完成一整套推荐系统的搭建。 当前，很多企业都想要沉淀研发能力，希望系统不要太黑盒。火山引擎特征工程模块兼具黑白盒功能：黑盒是让平台直接管理中间的过程，企业可以直接使用；白盒的功能可以满足工程师做深度开发的需求。与火山引擎机器学习平台一样，火山引擎智能推荐平台也提供很多数据抽取和特征处理的算子，实现高效灵活的特征自定义。 在模型开发方面，平台也兼具黑白盒功能预置模型，提供10+种模型结构，企业只需要设定好优化目标，就可以训练使用。自定义模型则是通过低代码的方式实现模型的开发，平台内置多种代码示例，提供了代码对比、效果对比、训练日志等多种工具，方便工程师更快上手。 无论是预置模型还是自定义模型，底层都是基于一套字节跳动自研的training和serving的方案-monolith，可实现万亿级参数的模型训练，以全方位的容错机制保证稳定性，支持流式训练和实时模型调参等特点，保证模型训练的性能和效果。 项亮指出，不同行业具有不同的业务特点，关注的业务目标也不同，比如电商更关注商品的点击率、转化率和成交金额；新闻资讯行业则对实时性要求比较高，希望提升内容点击率和用户的停留时长；广告更关注每千次点击转化率。不同行业还会有新用户、新内容的冷启动这类的问题，火山引擎智能推荐平台结合行业特点，沉淀成行业模版，可以让不同行业的企业快速地接入使用。 OPPO数智工程系统总裁刘海锋介绍，火山引擎助力OPPO构建了全球领先的推荐系统混合云，在保障用户体验的前提下，帮助OPPO在多个应用分发、信息流、联盟等服务场景中提升商业化价值。据了解，OPPO数智技术框架包括计算、网络、中间件和数据库的混合云基础设施层；面向海量跨系统数据进行存储与处理的云原生数据湖层；包括端侧推理、模型压缩、大规模训练、AutoML的端云一体机器学习系统；包括语音、NLP、知识图谱、CV、推荐搜索等基础能力的AI能力层；跨终端、多场景落地的业务应用层；以及为企业提供安全可信的AI安全能力层。 火山引擎也通过对OPPO的推荐算法进行专属云底座升级，重点提升了模型的响应速度和离线推荐工作能力，为OPPO提供了更加弹性的敏捷资源、更加稳定的工程质量、更加高效的运维服务，为商业化业务价值提升创造了更加坚实的基础。 最后，项亮表示，因为数据隐私等原因，很多客户希望平台能支持多种部署方案。此次，火山引擎发布的机器学习与智能推荐平台多云部署解决方案，能够支持公有云部署，私有云部署，VPC部署和专属AZ部署。 字节跳动副总裁杨震原认为，技术和业务是一个互构的关系，技术和业务互相塑造、共同成长。他表示：“火山引擎沉淀了字节内部业务的技术实践，希望也能够帮助外部客户提升业务价值”。