专访旷视科技：千年建盏的溯源智能化背后，算法量产是解决AI算法落地的一大路径( 三 ) 作者

在周而进看来，这些算法生产方式大部分是针对某个单一算法，关注算法的“瞬时指标” ，但在应对一个复杂问题时，光靠单点是不够的。如果要有效解决整个系统问题，就要从算法生产到算法模型，再到推理框架进行标准化，去构建算法生产体系和基础设施，去关注算法的可用标准和持续迭代能力。 “标准化才有可能让算法生产的所有环节实现自动化。 ”他说。
基于10多年的算法研发和多行业项目实践经验，旷视提出了“算法量产”理念，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，从而让更多人能够加入到算法生产工作中，提升算法生产效率。
“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。 ”周而进提到。
为了更好地实现算法量产，旷视一方面提出了适配算法量产的5:3:2研发体系，包括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。
另一方面，旷视提出了适配算法量产的AI基础设施——算法生产平台AIS（AIService），主要基于旷视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。

文章图片
旷视算法生产平台AIS
目前，旷视AIS平台已经支持100多种业务模型训练，最快2小时即可完成训练，同时其嵌入式管理平台已支持30种设备的管理，能有效节省IoT设备的日常开发与维护成本。 “截至今年第三季度，城市物联网板块75%的模型发版都是通过算法量产的模式来完成。 ”周而进说。
但需要注意的是，解决大规模AI算法落地的问题并不等同于解决AI落地。
主要原因在于， AI落地还涉及很多其他因素，比如产品、解决方案、整体价格、客户的信息化水平等，不单是大规模AI算法落地这个单一性问题。周而进告诉36氪，这需要AI技术know-how和行业know-how的深度融合，需要有核心技术体系，有软硬协同一体的产品能力，以及产品落地行业的实践经验，才能真正加速AI算法在各行业的落地。
03、旷视如何面向AIoT产业发展的黄金十年？
如果说“算法量产”是旷视针对大规模算法生产落地而提出，那么“算法定义硬件”则是其针对AIoT海量应用场景需求下提出的另一个产品理念。
实际上，面对当前丰富灵活多变的AI场景需求，以及不断蓬勃发展的应用生态，大部分传统硬件的产品思路是在AI技术和产品之间、软硬件之间、技术平台之间找到一种平衡，但这种平衡往往“鱼和熊掌不可兼得” ，要么牺牲AI算法能力，要么牺牲硬件功能。
在旷视看来，如果要实现真正的协同，需要将算法需求前置考虑，从算法和用户场景需求出发，反推所有技术架构和平台之间的协同设计，从而得到一个更优的产品方案。
基于此， “算法定义硬件”应运而生。
与“算法量产”的底层逻辑相通，在“算法定义硬件”中，算法是产品的核心要素，硬件将围绕算力的优化和算法支撑来重新设计，逐步走向标准化。同时，标准化硬件能够通过加载不同算法，灵活演变成不同的智能化硬件，从而满足海量场景的应用需求。
从技术角度看， “算法定义硬件”的底层依赖是旷视以“基础算法科研”和“规模算法量产”为核心的“2+1”AIoT核心技术科研体系，还有以“计算摄影学”为核心的“算法定义硬件”IoT技术体系（包括AI传感器和AI机器人）。整套科研体系涵盖从基础研究、算法生产到软硬一体化产品的AI落地全链路，这也是旷视的技术护城河，以及公司未来走向AIoT商业化成功的重要基石。