電子發(fā)燒友網(wǎng)報(bào)道（文/李彎彎）隨著人工智能、深度學(xué)習(xí)等新技術(shù)不斷推出和演進(jìn)，越來(lái)越多的行業(yè)進(jìn)行智能化升級(jí)、智能化創(chuàng)新，實(shí)現(xiàn)降本增效。

伴隨著數(shù)字化轉(zhuǎn)型的熱潮，各種各樣的AI算法也進(jìn)入到人們的生活中，然而市場(chǎng)上AI算法在供給、落地過(guò)程中，仍然存在行業(yè)數(shù)據(jù)匱乏、算法通用性低、IoT設(shè)備繁雜等諸多挑戰(zhàn)，算法供給質(zhì)量參差不齊。

大規(guī)模AI算法落地難題

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(chǎng)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。

對(duì)于這些問(wèn)題，行業(yè)從不同方向進(jìn)行了積極的探索。目前來(lái)看，絕大多數(shù)算法都是定制化生產(chǎn)模式，根據(jù)需求進(jìn)行算法定制化開(kāi)發(fā)，一個(gè)一個(gè)項(xiàng)目解決，然而這種定制化模式成本高、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(lái)良好的泛化性，但其背后需要大量算力支持，并且難以解決具體的細(xì)分場(chǎng)景問(wèn)題。

基于10多年的算法研發(fā)積累及深入多個(gè)行業(yè)的項(xiàng)目實(shí)踐經(jīng)驗(yàn)，曠視提出了算法量產(chǎn)的理念。曠視希望通過(guò)算法量產(chǎn)，將AI生產(chǎn)過(guò)程標(biāo)準(zhǔn)化，降低算法生產(chǎn)門(mén)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。

曠視認(rèn)為，大規(guī)模算法落地是系統(tǒng)問(wèn)題，在數(shù)據(jù)、模型、評(píng)測(cè)和迭代等環(huán)節(jié)都存在很多挑戰(zhàn)，算法生產(chǎn)過(guò)程的標(biāo)準(zhǔn)化，是解決復(fù)雜且碎片化的算法生產(chǎn)的有效手段。只有標(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，進(jìn)而提高算法生產(chǎn)的效率。

為此，曠視還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(tái)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(cè)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(tái)。

目前，AIS平臺(tái)可以支持100多種業(yè)務(wù)模型訓(xùn)練，最快2小時(shí)即可完成訓(xùn)練，且模型產(chǎn)出精度指標(biāo)遠(yuǎn)高于業(yè)界平均水平。同時(shí)，AIS的嵌入式管理平臺(tái)已支持30種設(shè)備的管理，可以有效節(jié)省IoT設(shè)備的日常開(kāi)發(fā)與維護(hù)成本。

曠視算法生產(chǎn)平臺(tái)AIS提升算法生產(chǎn)效率

比如在健身行業(yè)，曠視的運(yùn)動(dòng)猿訓(xùn)練站能夠科學(xué)分析并判定多項(xiàng)體育動(dòng)作，曠視運(yùn)動(dòng)猿訓(xùn)練站基于MegEngine框架，依托算法生產(chǎn)平臺(tái)AIS研發(fā)而成，在純視覺(jué)方向上實(shí)現(xiàn)了精度高、速度快、成本低等優(yōu)勢(shì)，可準(zhǔn)確識(shí)別正確與違規(guī)動(dòng)作，以AI助力體育訓(xùn)練全流程的數(shù)字化和智能化。曠視運(yùn)動(dòng)猿訓(xùn)練站通過(guò)自研模型快速精準(zhǔn)的檢測(cè)超過(guò)30個(gè)人體骨骼點(diǎn)，可覆蓋跑步訓(xùn)練、身體素質(zhì)訓(xùn)練、球類(lèi)訓(xùn)練三大運(yùn)動(dòng)品類(lèi)下的多種運(yùn)動(dòng)場(chǎng)景。

舉例來(lái)說(shuō)，在跳繩場(chǎng)景中，在240次/分鐘的條件下，曠視運(yùn)動(dòng)猿訓(xùn)練站能夠?qū)崿F(xiàn)正負(fù)1的誤差，并可以準(zhǔn)確分辨出跳繩與開(kāi)合跳等相似的動(dòng)作。而仰臥起坐不僅支持識(shí)別運(yùn)動(dòng)過(guò)程中的雙手未抱頭、雙腿未屈膝、手肘未觸碰膝蓋等多種違規(guī)情況，還能準(zhǔn)確記錄運(yùn)動(dòng)過(guò)程中的真實(shí)數(shù)據(jù)，實(shí)現(xiàn)正負(fù)1的計(jì)數(shù)要求。

與支持多種運(yùn)動(dòng)場(chǎng)景形成鮮明對(duì)比的是，曠視運(yùn)動(dòng)猿訓(xùn)練站短短數(shù)月的開(kāi)發(fā)周期，這背后的功臣便是曠視提出的算法量產(chǎn)理念及其自研的算法生產(chǎn)平臺(tái)AIS。

正如上文所言，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(cè)試等算法生產(chǎn)全鏈路，零代碼、自動(dòng)化的生產(chǎn)力工具平臺(tái)，提供多種功能支持算法快速生產(chǎn)部署，可以大幅降低算法生產(chǎn)的門(mén)檻，提升算法生產(chǎn)效率。

以足球顛球計(jì)數(shù)為例，需要有人體檢測(cè)、骨骼點(diǎn)檢測(cè)、足球檢測(cè)至少三個(gè)模型。借助算法生產(chǎn)平臺(tái)AIS，人體檢測(cè)和骨骼點(diǎn)檢測(cè)模型耗時(shí)為12小時(shí)左右，足球檢測(cè)模型則進(jìn)一步降低至1-4小時(shí)，極大地提升了模型訓(xùn)練的效率。

除了健身行業(yè)外，曠視日前還對(duì)外重點(diǎn)展示了其在非物質(zhì)文化遺產(chǎn)“建盞”溯源領(lǐng)域的應(yīng)用成果。隨著宋代茶文化和建窯建盞熱度不斷增高，越來(lái)越多的人關(guān)注并了解到建盞，然而仿造、偽造、以次充好等問(wèn)題嚴(yán)重影響著建盞產(chǎn)業(yè)的發(fā)展和品牌價(jià)值。

過(guò)去，建盞在銷(xiāo)售和鑒定過(guò)程中，更多依賴(lài)于建盞傳承人親筆簽名、拍照，或提供產(chǎn)品防偽碼等形式。這類(lèi)方法效率低、人力成本高，還留下了更多造假仿造的空間。

曠視基于算法量產(chǎn)，推出了建盞產(chǎn)業(yè)內(nèi)首個(gè)基于盞紋識(shí)別的建盞AI溯源系統(tǒng)，該系統(tǒng)基于建盞的盞紋，通過(guò)圖像檢測(cè)和識(shí)別等AI技術(shù)，對(duì)建盞進(jìn)行采集、登記、追溯、鑒定，可有效保護(hù)建盞行業(yè)從業(yè)者和消費(fèi)者的權(quán)益。