从建盏溯源 看旷视如何以算法量产应对AIoT海量算法需求

【Iermei爱尔美导航】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：

•     数据清洗：支持对视频和图片数据执行抽帧、去重、去花屏以及黑屏等操作，确保下游数据的标注和训练质量。单个清洗任务最大支持 100Gi 视频数据的清洗。
•     智能标注：旷视自研的智能数据标注工具能够大幅提升标注精度和标注效率。在大部分场景下，和手动标注相比，使用智能标注能力可以使标注效率平均提高 30 倍。
•     模型训练：基于旷视研究院自研的算法库以及算法推荐能力，AIS 算法生产平台提供自动化的模型创建方式，用户无需具备模型训练的基础，只需提供训验数据、选择模型训练目标，系统将自动帮用户训练出表现良好的模型。旷视 AIS 算法生产平台目前已支持 100 多种业务模型训练，2 小时即可完成模型训练，模型产出精度指标远高于业界平均水平。
•     模型评测：旷视 AIS 算法生产平台中的模型评测和数据分析能力能够在模型训练后，使用多维指标衡量模型的表现能力，同时可视化模型训练过程中的数据结果，统计模型在不同分布、不同维度下的表现，帮助快速定位模型的问题，进一步优化模型。
•     模型自动部署：旷视自研的 ADS（Auto Deploy Service）模型部署工具，提供将训练好的模型一键转换至不同计算平台并支持测试对分的服务，可大幅简化模型从训练到部署的流程。

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。