通過技術(shù)賦能千行百業(yè)是諸多技術(shù)廠商近幾年掛在嘴邊的口號，但這件事到底如何啟動(dòng)、如何復(fù)制、如何落地，似乎從結(jié)果上來看尚無明確的結(jié)論。

 

　　11月10日，曠視科技進(jìn)一步講解算法量產(chǎn)理念背后的思考，所謂算法量產(chǎn)是曠視提出的關(guān)于AI算法生產(chǎn)的理念，并非指單一產(chǎn)品，而是對AI生產(chǎn)模式的理念革新和生產(chǎn)力進(jìn)化。采訪中，曠視研究院算法量產(chǎn)負(fù)責(zé)人周而進(jìn)對第一財(cái)經(jīng)記者表示，算法量產(chǎn)平臺是基于曠視內(nèi)部需求而誕生、先經(jīng)過內(nèi)部考驗(yàn)再對外服務(wù)客戶的平臺。

 

　　包括曠視在內(nèi)的廠商，在推進(jìn)AI落地過程中，仍會(huì)遇到AIoT市場高質(zhì)量算法供給的難題，包括行業(yè)數(shù)據(jù)匱乏、算法通用性低、IoT設(shè)備數(shù)量及種類劇增、算法供給質(zhì)量參差不齊等。當(dāng)然行業(yè)也據(jù)此進(jìn)行了相應(yīng)的應(yīng)對，如根據(jù)需求進(jìn)行算法定制化開發(fā)，為客戶提供VIP服務(wù)，但這種方式成本較高、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，且難以解決具體的細(xì)分場景問題；提供能夠解決部分問題的云端AI開發(fā)平臺，雖然易上手、零代碼，但只實(shí)現(xiàn)了流程數(shù)字化，對策略選擇自動(dòng)化等進(jìn)階功能的支持有限。

 

　　因此可以說，在一定程度上，每種算法生產(chǎn)方式都有各自的優(yōu)缺點(diǎn)，綜合多年的項(xiàng)目實(shí)踐經(jīng)驗(yàn)，曠視最終提出了算法量產(chǎn)的理念。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。

 

　　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。

 

　　此外，目前AIoT市場上，高質(zhì)量的AI算法供給仍嚴(yán)重不足，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。

 

　　周而進(jìn)表示，算法生產(chǎn)的過程并不是模型訓(xùn)練這么簡單的一個(gè)環(huán)節(jié)，為了讓模型算法能夠解決實(shí)際問題，它包含了需求分析、數(shù)據(jù)處理、模型訓(xùn)練、上線部署、以及最后的應(yīng)用落地，其中的每個(gè)環(huán)節(jié)都可能需要反復(fù)多輪的算法打磨，這整個(gè)過程才真正是一個(gè)完整的算法生產(chǎn)的過程。因此可以說，算法的復(fù)雜性本身可能就是其中最大的問題。為此，周而進(jìn)對記者表示，曠視的算法量產(chǎn)平臺要做的就是將算法生產(chǎn)過程中的每個(gè)環(huán)節(jié)解耦、定義，達(dá)成組合乘法的效果。量產(chǎn)背后的思維模式就是做標(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。

 

　　至于目前剛剛推出的算法量產(chǎn)平臺到底先做行業(yè)鋪廣還是縱深，周而進(jìn)對記者表示，第一步先做寬，例如目前曠視通過算法量產(chǎn)已幫助能源、教育、零售、運(yùn)動(dòng)健身等行業(yè)的客戶在日常生產(chǎn)與經(jīng)營中運(yùn)用AI技術(shù)。而鋪向千行百業(yè)過程中的獨(dú)特性問題，在周而進(jìn)看來，其本質(zhì)仍是算法生產(chǎn)過程中的解耦與定義，將行業(yè)特殊性問題拆解為不同模塊，但終態(tài)一定是為了將算法生產(chǎn)過程變高效，才有可能做出更準(zhǔn)確的算法。