加速 AI 與實體經(jīng)濟融合，曠視算法量產(chǎn)助力解決“多重”難題

隨著人工智能、深度學習等新技術(shù)不斷推出和演進，越來越多的行業(yè)進行智能化升級、智能化創(chuàng)新，實現(xiàn)降本增效?；鹧鏅z測、工業(yè)質(zhì)檢、零件計數(shù)、危化品檢測、通行管理、明廚亮灶、高空拋物檢測、普洱茶茶餅識別、破皮速凍水餃檢測……這些“五花八門”的AI算法，伴隨著數(shù)字化轉(zhuǎn)型的熱潮，進入了日常生產(chǎn)生活。

表面看，各行各業(yè)都有算法不斷融入，但實際上，AIoT市場上高質(zhì)量的AI算法仍然“供不應(yīng)求”，如何解決算法生產(chǎn)及落地應(yīng)用挑戰(zhàn)，讓人工智能在海量場景中發(fā)揮更大的作用，是人工智能企業(yè)在AIoT時代需要解決的難題，也是曠視提出算法量產(chǎn)理念的初衷。11月10日，曠視舉行算法量產(chǎn)溝通會，曠視研究院算法量產(chǎn)負責人周而進在會上介紹了曠視在優(yōu)質(zhì)算法生產(chǎn)過程中的洞察、經(jīng)驗及實踐，為 AIoT 時代算法落地提供新思路。

面對這些課題，行業(yè)中存在著不同方向的探索：目前絕大多數(shù)算法都是定制化生產(chǎn)模式，根據(jù)需求進行算法定制化開發(fā)，一個一個項目解決，但往往成本較高、算法交付質(zhì)量參差不齊；預(yù)訓練大模型能為算法帶來良好的泛化性，但其背后需要大量算力支持，并且難以解決具體的細分場景問題；能夠解決部分問題的云端 AI 開發(fā)平臺，雖然易上手、零代碼，但是只實現(xiàn)了流程數(shù)字化，對策略選擇自動化等進階功能的支持有限……

這些探索非常好，而且每一條路其實曠視都走過，但是在應(yīng)對一個復(fù)雜問題時候，光靠單點其實是不夠的。需要對AI生產(chǎn)模式的理念和生產(chǎn)方式進行思考。面對AIoT 市場算法供給的多重挑戰(zhàn)，曠視基于10余年的算法研發(fā)積累及深入多個行業(yè)的項目實踐經(jīng)驗，提出了算法量產(chǎn)的理念。曠視希望通過算法量產(chǎn)，將AI生產(chǎn)過程標準化，降低算法生產(chǎn)門檻，讓更多的人能夠加入到算法生產(chǎn)的工作中，提升算法生產(chǎn)效率。

在推動算法在各行各業(yè)的實際場景落地的過程中，曠視一直堅持“落地實用是算法價值的最終檢驗標準”。而大規(guī)模算法落地是系統(tǒng)問題，在數(shù)據(jù)、模型、評測和迭代等環(huán)節(jié)都存在很多挑戰(zhàn)。面對如此復(fù)雜的挑戰(zhàn)，曠視認為“算法生產(chǎn)過程的標準化，是解決復(fù)雜且碎片化的算法生產(chǎn)的有效手段”。這個標準化過程，包括了數(shù)據(jù)生產(chǎn)的標準化、算法模型的標準化和推理框架的標準化。只有標準化才有可能讓算法生產(chǎn)的所有環(huán)節(jié)實現(xiàn)自動化，進而提高算法生產(chǎn)的效率。

為此，曠視推出了適配算法量產(chǎn)的 AI 基礎(chǔ)設(shè)施——算法生產(chǎn)平臺AIS（AI Service）。AIS基于曠視Brain++體系，構(gòu)建了一套覆蓋數(shù)據(jù)處理、模型訓練、性能分析調(diào)優(yōu)、推理部署測試等算法生產(chǎn)全鏈路的零代碼、自動化的生產(chǎn)力工具平臺。AIS標志著曠視Brain++的又一次飛躍，讓算法量產(chǎn)真正成為可能。目前，AIS平臺可以支持100多種業(yè)務(wù)模型訓練，最快2小時即可完成訓練，且模型產(chǎn)出精度指標遠高于業(yè)界平均水平。同時，AIS的嵌入式管理平臺已支持 30 種設(shè)備的管理，有效節(jié)省IoT設(shè)備的日常開發(fā)與維護成本。

此外，曠視提出了適合當下算法需求的 5:3:2 研發(fā)矩陣，即：5個行業(yè)工程師基于AIS算法生產(chǎn)平臺進行相應(yīng)的業(yè)務(wù)交付，3個算法研究員聚焦于算法的創(chuàng)新與探索，2個工程師不斷打磨相應(yīng)的基礎(chǔ)設(shè)施并進行AI生產(chǎn)力工具的開發(fā)。這一團隊陣型，既滿足了解決現(xiàn)有問題的需求，同時也能不斷自我提升，推動AIoT時代所需的AI能力進化。