系出名门-大规模AI运行平台AnyScale

中秋节刚刚过去，希望大家度过了一个愉快的中秋节。虽然疫情的原因不能四处走，不过在家里享受一下北京的秋天，也是一种不错的体验。

今天介绍的产品和公司与AI有关，是最近刚刚完成一轮9900万美元融资的大规模AI运行平台AnyScale。之所以我们的题目叫做系出名门是因为AnyScale与大家都知道的Databricks一样，来自于加州大学伯克利分校。Databricks是Amplabs这个时期孵化出来的产物，而AnyScale则是Amplab的继任者Rise lab孕育出来的最成功产品Ray的商业化公司。下面我们就来介绍一下AnyScale的前世今生。

成立时间：2019年

公司官网：https://www.anyscale.com

公司所在地：旧金山

创始人：Robert Nishihara, Michael I Jordan, Ion Stoica

融资历史：

2019年12月  A轮 2000万美金  a16z领投

2020年10月  B轮 4000万美金  NEA领投

2021年12月  C轮 1亿美金  Addition,a16z领投

2022年8月    D轮 9900万美金 Addition,Intel资本领投

从2019年正式成立公司开始，不到三年的时间，Anyscale融资总额达到了2.6亿美金，估值达到了独角兽规模。而且投资商不乏a16z, NEA等等非常知名的投资商，可见非常受到资本的看好。

那么为什么Anyscale这么受到资本的重视呢？我想这里主要有两个原因：原因一是创始团队，原因二则是产品的方向。

Anyscale是基于开源的分布式大规模机器学习执行框架Ray进行商业化的公司。而Ray是伯克利在2016年成立的Rise lab的明星产品。在Anyscale的创始团队中，我们能看到Micheal I Jordan和Ion Stoica的身影。这两位都是在Amplab时期孵化出来大数据明星项目Databricks的核心人物。Micheal I Jordan是知名的AI和机器学习科学家，获得过鲁梅尔哈特奖等重要的奖项。而Ion Stoica同样在分布式计算领域有很大的影响力。

在大数据时代，伯克利结合工业需求和研究成果成立了Amplab，而Amplab无疑是硅谷产研结合最为出色的实验室。在这个lab中，除了孵化出来了广为人知的大数据超级独角兽Databricks，还孵化出来了华人团队创业的准独角兽企业Alluxio。

Amplab光荣退休后，伯克利继续根据产业的发展成立了一个新的产研结合的实验室Riselab -- Realtime Intelligence with Secure Explainable decisions。其愿景是开发能够让应用与环境进行实时并且安全的进行智能交互的技术。

为了实现这个愿景，就需要能够有能够大规模并行的可以执行机器学习算法的运行环境，这就是开源项目Ray。

在Riselab刚刚成立没有多久，我写过一篇文章RISELab发布三个开源项目，在这篇文章中简单的介绍过Riselab当时的一些项目，其中就有开源项目Ray.我们今天再来看看Ray这个开源项目的发展情况，如下是github中Ray这个开源的数据：

我们可以看到Ray现在已经有2万2千个star，有3900个左右的fork。从这个数据看，Ray无论如何属于在开源社区中的一个非常热门的项目了。在AI运行时这个领域，我相信Ray应该是最普及的开源项目了。

我们能够看到非常多的知名企业在用Ray来运行自己公司的大规模的机器学习的应用，比如Uber, 咱们中国的蚂蚁集团，微软，亚马逊，Visa, Intel, IBM等等，可见Ray在工业界的采纳程度。

Ray给应用开发者提供了一套统一的Python API，开发者只需要使用这些比较简单易用的API来包装自己的机器学习应用。这些应用在Ray的环境中，不需要关心资源和并发的问题。Ray框架会自动的进行资源分配和并发执行。

实际上这套设计思想本身并不新鲜，所有的系统设计基本上都是采用同样的一套思想。只不过Ray主要解决大规模机器学习场景下如何来实现自动的资源分配和调度问题。而因为在这个时代有了更加方便的容器化的技术，因此实现的难度相对过去更低了。想想在2018年前后，我们自己也曾经有过类似的想法去实现AI运行时的框架。但是Ray无疑是在这个方面做的更好，也更成功的一个开源框架。

开源取得行业认可后，成立商业化公司在公有云上进行商业化已经是最近几年一个非常成功的商业模式。伯克利就孵化出来了Databricks和Alluxio两家非常成功的公司。有了前面的经验，在Ray被行业逐渐认可后，基于Ray做一家商业化公司是个自然的选择。因此在2019年12月，Anyscale正式成立，开始做Ray的商业化。

Anyscale是在跨公有云的Ray的服务公司，利用Anyscale提供的公有云服务，用户不需要自己去维护管理一套Ray的服务。只需要把机器学习模型按照Ray的开发规范进行开发后，就可以在Anyscale的服务中去调度和执行。对于普通的企业用户来讲，可以大大节省人员维护系统的开销。

在美国这个市场，我们可以看到无论是现代数据技术栈中数据相关的产品，还是今天介绍的AI平台相关的产品。商业化的和核心理念就是降本增效。通过降低对人的依赖，在公有云时代无疑是商业模式成立的关键因素。在AI这个领域，美国近几年发展迅速的获得融资的相关公司大部分都是做AI基础设施有关的公司，核心都是降低用户使用AI的门槛。对照来看看国内，我们非常遗憾的发现国内的AI四小龙没有一个不是沦为了AI应用解决方案提供商。商汤虽然成功的在港股上市，但是显然这种商业模型很难在财务上有非常好的报表显示。第四范式开始第三次冲击港交所，刺眼的财务报表同样揭示着做解决方案不是AI的出路。

作为企业服务来讲，无论是在信息化时代，还是现在逐渐进入的数据化和智能化时代，工具能够带来的价值一般都是降本增效。这就要求需求方真正的重视效率提升带来的价值，供给方则是依靠产品而不是人来给客户带来相关的价值。在我们中国，需要供给方和需求方两方都要努力。随着全球经济进入萎缩周期，中国企业也面临越来越多的困难，在这个困难的局面中，企业需要的是改变自己的经营思路，从粗犷的经营到真正的数据和智能驱动的高效运营，这才能让企业真正的在国际环境中提高自己的竞争力。