隨著人工智能、深度學(xué)習(xí)等新技術(shù)不斷推出和演進(jìn)，越來越多的行業(yè)進(jìn)行智能化升級(jí)、智能化創(chuàng)新，實(shí)現(xiàn)降本增效�；鹧鏅z測(cè)、工業(yè)質(zhì)檢、零件計(jì)數(shù)、�；窓z測(cè)、通行管理、明廚亮灶、高空拋物檢測(cè)、普洱茶茶餅識(shí)別、破皮速凍水餃檢測(cè)……這些“五花八門”的AI算法，伴隨著數(shù)字化轉(zhuǎn)型的熱潮，進(jìn)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(shí)際上，AIoT市場(chǎng)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(chǎng)景中發(fā)揮更大的作用，是人工智能企業(yè)在AIoT時(shí)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(huì)，曠視研究院算法量產(chǎn)負(fù)責(zé)人周而進(jìn)在會(huì)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(yàn)及實(shí)踐，為 AIoT 時(shí)代算法落地提供新思路。
AIoT 市場(chǎng)算法供給面臨5大挑戰(zhàn)
當(dāng)下， AIoT市場(chǎng)算法供給、落地過程中，主要存在5 大挑戰(zhàn)：行業(yè)數(shù)據(jù)匱乏、算法通用性低、IoT設(shè)備繁雜、Software2.0的挑戰(zhàn)以及算法供給質(zhì)量參差不齊。
面對(duì)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(jìn)行算法定制化開發(fā)，一個(gè)一個(gè)項(xiàng)目解決，但往往成本較高、算法交付質(zhì)量參差不齊；預(yù)訓(xùn)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(xì)分場(chǎng)景問題；能夠解決部分問題的云端 AI 開發(fā)平臺(tái)，雖然易上手、零代碼，但是只實(shí)現(xiàn)了流程數(shù)字化，對(duì)策略選擇自動(dòng)化等進(jìn)階功能的支持有限……
這些探索非常好，而且每一條路其實(shí)曠視都走過，但是在應(yīng)對(duì)一個(gè)復(fù)雜問題時(shí)候，光靠單點(diǎn)其實(shí)是不夠的。需要對(duì)AI生產(chǎn)模式的理念和生產(chǎn)方式進(jìn)行思考。面對(duì)AIoT 市場(chǎng)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(gè)行業(yè)的項(xiàng)目實(shí)踐經(jīng)驗(yàn)，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(biāo)準(zhǔn)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。
以算法量產(chǎn)應(yīng)對(duì)海量算法需求
在推動(dòng)算法在各行各業(yè)的實(shí)際場(chǎng)景落地的過程中，曠視一直堅(jiān)持“落地實(shí)用是算法價(jià)值的最終檢驗(yàn)標(biāo)準(zhǔn)”。而大規(guī)模算法落地是系統(tǒng)問題，在數(shù)據(jù)、模型、評(píng)測(cè)和迭代等環(huán)節(jié)都存在很多挑戰(zhàn)。面對(duì)如此復(fù)雜的挑戰(zhàn)，曠視認(rèn)為“算法生產(chǎn)過程的標(biāo)準(zhǔn)化，是解決復(fù)雜且碎片化的算法生產(chǎn)的有效手段”。這個(gè)標(biāo)準(zhǔn)化過程，包括了數(shù)據(jù)生產(chǎn)的標(biāo)準(zhǔn)化、算法模型的標(biāo)準(zhǔn)化和推理框架的標(biāo)準(zhǔn)化。只有標(biāo)準(zhǔn)化才有可能讓算法生產(chǎn)的所有環(huán)節(jié)實(shí)現(xiàn)自動(dòng)化，進(jìn)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(tái)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(xùn)練、性能分析調(diào)優(yōu)、推理部署測(cè)試等算法生產(chǎn)全鏈路的零代碼、自動(dòng)化的生產(chǎn)力工具平臺(tái)。AIS標(biāo)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(tái)可以支持100多種業(yè)務(wù)模型訓(xùn)練，最快2小時(shí)即可完成訓(xùn)練，且模型產(chǎn)出精度指標(biāo)遠(yuǎn)高于業(yè)界平均水平。同時(shí)，AIS的嵌入式管理平臺(tái)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(hù)成本。
此外，曠視提出了適合當(dāng)下算法需求的5:3:2研發(fā)矩陣，即：5個(gè)行業(yè)工程師基于AIS算法生產(chǎn)平臺(tái)進(jìn)行相應(yīng)的業(yè)務(wù)交付，3個(gè)算法研究員聚焦于算法的創(chuàng)新與探索，2個(gè)工程師不斷打磨相應(yīng)的基礎(chǔ)設(shè)施并進(jìn)行AI生產(chǎn)力工具的開發(fā)。這一團(tuán)隊(duì)陣型，既滿足了解決現(xiàn)有問題的需求，同時(shí)也能不斷自我提升，推動(dòng)AIoT時(shí)代所需的AI能力進(jìn)化。
算法量產(chǎn)，加速AI與實(shí)體經(jīng)濟(jì)深度融合
在溝通會(huì)現(xiàn)場(chǎng)，曠視還重點(diǎn)展示了其在非物質(zhì)文化遺產(chǎn)“建盞”溯源領(lǐng)域的成果。近年來建盞產(chǎn)業(yè)快速發(fā)展，產(chǎn)值預(yù)估超75億元，品牌價(jià)值超160億元，然而仿造、偽造、以次充好等問題嚴(yán)重影響著建盞產(chǎn)業(yè)的發(fā)展和品牌價(jià)值。曠視基于算法量產(chǎn)，推出了建盞產(chǎn)業(yè)內(nèi)首個(gè)基于盞紋識(shí)別的建盞 AI 溯源系統(tǒng)，利用建盞“每盞皆唯一”的特點(diǎn)，實(shí)現(xiàn)了一盞一圖、一盞一碼、圖碼結(jié)合，有效打擊仿造偽造等行為，推動(dòng)建盞產(chǎn)業(yè)的規(guī)范化發(fā)展和數(shù)智化升級(jí)，讓歷經(jīng)千年的建盞，通過AI技術(shù)，煥發(fā)出新的時(shí)代生機(jī)。
除建盞溯源外，曠視通過算法量產(chǎn)已經(jīng)幫助能源、教育、零售、運(yùn)動(dòng)健身等行業(yè)的多個(gè)客戶在日常生產(chǎn)與經(jīng)營(yíng)中運(yùn)用AI技術(shù)，實(shí)現(xiàn)降本增效。曠視通過算法量產(chǎn)研發(fā)的明廚亮灶算法，已幫助多家合作伙伴在10余座城市的學(xué)校落地，守護(hù)學(xué)生用餐安全。曠視基于MegEngine框架，通過算法量產(chǎn)和AIS生產(chǎn)平臺(tái)，為某油田提供了煙霧檢測(cè)、火焰檢測(cè)、油品泄漏、配電室未佩戴絕緣手套等多項(xiàng)AI算法，通過“危險(xiǎn)化學(xué)品視頻分析智能預(yù)警系統(tǒng)”，提升其日常安全監(jiān)管工作效率。
對(duì)于算法量產(chǎn)在行業(yè)中的未來，周而進(jìn)強(qiáng)調(diào)，算法量產(chǎn)不是單一的產(chǎn)品，而是對(duì)AI生產(chǎn)模式的理念革新和生產(chǎn)力進(jìn)化。曠視希望通過AI算法生產(chǎn)的標(biāo)準(zhǔn)化以及AI生產(chǎn)力平臺(tái)的構(gòu)建，大幅降低算法生產(chǎn)的成本和門檻，讓更多人可以參與進(jìn)來，促進(jìn)算法在更多行業(yè)的落地，加速AI與實(shí)體經(jīng)濟(jì)的深度融合。
【免責(zé)聲明】本文僅代表第三方觀點(diǎn)，不代表和訊網(wǎng)立場(chǎng)。投資者據(jù)此操作，風(fēng)險(xiǎn)請(qǐng)自擔(dān)。
最新評(píng)論