曠視以算法量產應對AIoT時代海量算法需求

中新經緯11月10日電 隨着人工智能、深度學習等新技術不斷推出和演進,越來越多的行業進行智能化升級、智能化創新,實現降本增效。火焰檢測、工業質檢、零件計數、危化品檢測、通行管理、明廚亮竈、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,伴隨着數字化轉型的熱潮,進入了日常生產生活。

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

AIoT 市場算法供給面臨5大挑戰

當下,AIoT市場算法供給、落地過程中,主要存在5大挑戰:行業數據匱乏、算法通用性低、IoT設備繁雜、Software2.0的挑戰以及算法供給質量參差不齊。

面對這些課題,行業中存在着不同方向的探索:目前絕大多數算法都是定製化生產模式,根據需求進行算法定製化開發,一個一個項目解決,但往往成本較高、算法交付質量參差不齊;預訓練大模型能爲算法帶來良好的泛化性,但其背後需要大量算力支持,並且難以解決具體的細分場景問題;能夠解決部分問題的雲端AI開發平臺,雖然易上手、零代碼,但是隻實現了流程數字化,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,但是在應對一個複雜問題時候,光靠單點其實是不夠的。需要對AI生產模式的理念和生產方式進行思考。面對AIoT市場算法供給的多重挑戰,曠視基於10餘年的算法研發積累及深入多個行業的項目實踐經驗,提出了算法量產的理念。曠視希望通過算法量產,將AI生產過程標準化,降低算法生產門檻,讓更多的人能夠加入到算法生產的工作中,提升算法生產效率。

以算法量產應對海量算法需求

在推動算法在各行各業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”。而大規模算法落地是系統問題,在數據、模型、評測和迭代等環節都存在很多挑戰。面對如此複雜的挑戰,曠視認爲“算法生產過程的標準化,是解決複雜且碎片化的算法生產的有效手段”。這個標準化過程,包括了數據生產的標準化、算法模型的標準化和推理框架的標準化。只有標準化纔有可能讓算法生產的所有環節實現自動化,進而提高算法生產的效率。

爲此,曠視推出了適配算法量產的AI基礎設施——算法生產平臺AIS(AI Service)。AIS基於曠視Brain++體系,構建了一套覆蓋數據處理、模型訓練、性能分析調優、推理部署測試等算法生產全鏈路的零代碼、自動化的生產力工具平臺。AIS標誌着曠視Brain++的又一次飛躍,讓算法量產真正成爲可能。目前,AIS平臺可以支持100多種業務模型訓練,最快2小時即可完成訓練,且模型產出精度指標遠高於業界平均水平。同時,AIS的嵌入式管理平臺已支持30種設備的管理,有效節省IoT設備的日常開發與維護成本。

此外,曠視提出了適合當下算法需求的5:3:2研發矩陣,即:5個行業工程師基於AIS算法生產平臺進行相應的業務交付,3個算法研究員聚焦於算法的創新與探索,2個工程師不斷打磨相應的基礎設施並進行AI生產力工具的開發。這一團隊陣型,既滿足瞭解決現有問題的需求,同時也能不斷自我提升,推動AIoT時代所需的AI能力進化。

算法量產,加速AI與實體經濟深度融合

在溝通會現場,曠視還重點展示了其在非物質文化遺產“建盞”溯源領域的成果。近年來建盞產業快速發展,產值預估超75億元,品牌價值超160億元,然而仿造、僞造、以次充好等問題嚴重影響着建盞產業的發展和品牌價值。曠視基於算法量產,推出了建盞產業內首個基於盞紋識別的建盞AI溯源系統,利用建盞“每盞皆唯一”的特點,實現了一盞一圖、一盞一碼、圖碼結合,有效打擊仿造僞造等行爲,推動建盞產業的規範化發展和數智化升級,讓歷經千年的建盞,通過AI技術,煥發出新的時代生機。

除建盞溯源外,曠視通過算法量產已經幫助能源、教育、零售、運動健身等行業的多個客戶在日常生產與經營中運用AI技術,實現降本增效。曠視通過算法量產研發的明廚亮竈算法,已幫助多家合作伙伴在10餘座城市的學校落地,守護學生用餐安全。曠視基於MegEngine框架,通過算法量產和AIS生產平臺,爲某油田提供了煙霧檢測、火焰檢測、油品泄漏、配電室未佩戴絕緣手套等多項AI算法,通過“危險化學品視頻分析智能預警系統”,提升其日常安全監管工作效率。

對於算法量產在行業中的未來,周而進強調,算法量產不是單一的產品,而是對AI生產模式的理念革新和生產力進化。曠視希望通過AI算法生產的標準化以及AI生產力平臺的構建,大幅降低算法生產的成本和門檻,讓更多人可以參與進來,促進算法在更多行業的落地,加速AI與實體經濟的深度融合。(中新經緯APP)

【編輯:董文博】