曠視：算法生產過程標準化，有效解決復雜且碎片化場景需求

(資料圖)

藍鯨TMT頻道11月10日訊，在曠視舉行的算法量產溝通會上，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，為 AIoT 時代算法落地提供新思路。

周而進稱，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AIoT 市場算法供給的多重挑戰，曠視提出了算法量產的理念，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。

曠視稱一直堅持“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。對此，曠視認為“算法生產過程的標準化，是解決復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。只有標準化才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。

為此，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）。據悉，AIS基于曠視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，讓算法量產真正成為可能。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。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個行業工程師基于AIS算法生產平臺進行相應的業務交付，3個算法研究員聚焦于算法的創新與探索，2個工程師不斷打磨相應的基礎設施并進行AI生產力工具的開發。

曠視還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、偽造、以次充好等問題嚴重影響著建盞產業的發展和品牌價值。曠視基于算法量產，推出了建盞產業內首個基于盞紋識別的建盞 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，有效打擊仿造偽造等行為，推動建盞產業的規范化發展和數智化升級。此外，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。

對于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。

關鍵詞： 生產過程