[aipingce]11月11日消息，《梦华录》电视剧中赵盼儿点茶所用的器具，你还有印象吗？那正是宋代特别流行的“建盏”。 “入窑一色、出窑万彩”正是宋代"皇家御用瓷器"建盏的特点。近年来建盏产业快速发展，产值预估超75亿元，但是仿造、伪造、以次充好等问题严重影响着建盏产业的发展和品牌价值。  对此，旷视研发了建盏溯源平台，这是行业首个基于AI图像识别技术打造的建盏溯源系统，利用建盏“每盏皆唯一”的特点，实现“一盏一图、一盏一码、图码结合”，助力解决仿造、伪造、以次充好等问题。 “建盏溯源平台”正是旷视将AI能力应用于解决实际问题的一个缩影。 AI算法量产 背后是一套标准化建设 事实上，深度学习算法的发展让AI解决具体问题的能力越来越强大。但是，面对千行百业层出不穷的碎片化的智能化需求，从通用的算法模型出发，到解决具体需求问题的对应算法落地之间，这条路应该怎么走？ 旷视科技结合自身研究实践，给出了一种路径——AI算法量产。 基于10余年的算法研发积累及深入多个行业的项目实践经验，旷视提出了AI算法量产的理念。算法量产不是单一的产品，而是对AI生产模式的理念革新和生产力进化。
在旷视研究院算法量产负责人周而进看来，表面看，各行各业都有算法不断融入，但实际上，AIoT市场上高质量的AI算法仍然“供不应求”。旷视希望通过算法量产，将AI生产过程标准化，降低算法生产门槛，让更多的人能够加入到算法生产的工作中，提升算法生产效率。 旷视算法量产其实就是做“标准化”，把每一个环节都标准化，包括数据生产标准化、算法模型标准化、推理框架标准化。 为了实现算法量产，旷视推出了适配算法量产的 AI 基础设施——算法生产平台AIS（AI Service）。AIS基于旷视Brain++体系，构建了一套覆盖数据处理、模型训练、性能分析调优、推理部署测试等算法生产全链路的零代码、自动化的生产力工具平台。 旷视 AIS 算法生产平台提供多种功能支持算法快速生产部署，包括数据清洗、智能标注、模型训练、模型评测、模型自动部署全链条：
据周而进介绍，AIS平台可以支持100多种业务模型训练，最快2小时即可完成训练，且模型产出精度指标远高于业界平均水平。同时，AIS的嵌入式管理平台已支持 30 种设备的管理，可有效节省IoT设备的日常开发与维护成本。截至9月底的统计数据显示，楼宇、园区、生产环境、社区等泛城市物联网范围内75%的算法能够在该平台上由非技术人员完成生产。 同时，与旷视算法量产方法论相配套的，旷视还提出了适配算法量产的“5:3:2“研发体系，来对应需求、数据、模型、部署不同阶段任务。
在周而进看来，目前整个AI行业仍然处于非常初级的阶段，一个最典型的特征就是行业分工非常不明确。很多时候需要一个强人“包打天下”。反观芯片制造等成熟行业，其设计、生产、封装、测试每一个环节分工明确，每个工种都有专业的工作职责范围和培训标准。 旷视的算法量产“5:3:2“研发体系，可以理解为基于实践，对AI算法量产工作的一种有效、高效分工。 “5:3:2“研发体系具体而言就是：5个行业工程师基于AIS算法生产平台进行相应的业务交付，3个算法研究员聚焦于算法的创新与探索，2个工程师不断打磨相应的基础设施并进行AI生产力工具的开发。 这里面，算法研究员不需要再专注做一个一个项目，只需要专注于通用的普适型的技术研究，再拿它通过解耦的系统辐射解决各行各业的实际需求。 周而进表示，根据实践检验，我们发现这一团队阵型，既满足了解决现有问题的需求，同时也能不断自我提升，推动AIoT时代所需的AI能力进化。 以量产 应“万变” 正是有了算法量产平台，类似“建盏溯源”这样的具体需求才得以在短时间内就得到解决，周而进强调。 “建盏溯源系统里细分了非常多的子方向和算法，包括盏的定位、检测、质量判断，以及最重要的纹理识别等，这些借鉴了很多我们在其他生物认证识别上面的经验。如果没有这样一个算法量产平台把知识集约在一起，建盏溯源平台的开发团队就很有可能要重新从头研发一遍，这个周期将非常长。” 在周而进看来，不管是建盏溯源，还是火焰检测、工业质检、零件计数、危化品检测、通行管理、明厨亮灶、高空抛物检测、普洱茶茶饼识别、甚至破皮速冻水饺检测等等五花八门的碎片化智能需求，基于旷视算法量产平台的推动，就能以更优的人力、更高的效率实现应用落地。 “我们相信算法生产并不是一个黑盒子，只是异常复杂。旷视算法量产平台通过解耦和标准化的形式量产出的算法，在很多行业里都得到了顺利的落地。这些案例给了我们非常多正向的反馈和鼓励，因为我们在做没有人做过的事情。”周而进称。 在算法量产的基础上，旷视今年初又提出“算法定义硬件”的AIoT解题思路，将算法这一软性触角进一步延伸至硬件领域，以期打通从算法到硬件落地的全链条AIoT解决能力，推动AI与实体经济的融合。 |
