11月11日消息，《夢華錄》電視劇中趙盼兒點茶所用的器具，你還有印象嗎？那正是宋代特別流行的“建盞”。
“入窯一色、出窯萬彩”正是宋代"皇家御用瓷器"建盞的特點。近年來建盞產業快速發展，產值預估超75億元，但是仿造、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。
對此，曠視研發了建盞溯源平臺，這是行業首個基于AI圖像識別技術打造的建盞溯源系統，利用建盞“每盞皆唯一”的特點，實現“一盞一圖、一盞一碼、圖碼結合”，助力解決仿造、偽造、以次充好等問題。
“建盞溯源平臺”正是曠視將AI能力應用于解決實際問題的一個縮影。
AI算法量產 背后是一套標準化建設
事實上，深度學習算法的發展讓AI解決具體問題的能力越來越強大。但是，面對千行百業層出不窮的碎片化的智能化需求，從通用的算法模型出發，到解決具體需求問題的對應算法落地之間，這條路應該怎么走？
曠視科技結合自身研究實踐，給出了一種路徑——AI算法量產。
基于10余年的算法研發積累及深入多個行業的項目實踐經驗，曠視提出了AI算法量產的理念。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。
在曠視研究院算法量產負責人周而進看來，表面看，各行各業都有算法不斷融入，但實際上，AIoT市場上高質量的AI算法仍然“供不應求”。曠視希望通過算法量產，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。
曠視算法量產其實就是做“標準化”，把每一個環節都標準化，包括數據生產標準化、算法模型標準化、推理框架標準化。
為了實現算法量產，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）。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。
曠視 AIS 算法生產平臺提供多種功能支持算法快速生產部署，包括數據清洗、智能標注、模型訓練、模型評測、模型自動部署全鏈條：
? 數據清洗：支持對視頻和圖片數據執行抽幀、去重、去花屏以及黑屏等操作，確保下游數據的標注和訓練質量。單個清洗任務最大支持 100Gi 視頻數據的清洗。? 智能標注：曠視自研的智能數據標注工具能夠大幅提升標注精度和標注效率。在大部分場景下，和手動標注相比，使用智能標注能力可以使標注效率平均提高 30 倍。? 模型訓練：基于曠視研究院自研的算法庫以及算法推薦能力，AIS 算法生產平臺提供自動化的模型創建方式，用戶無需具備模型訓練的基礎，只需提供訓驗數據、選擇模型訓練目標，系統將自動幫用戶訓練出表現良好的模型。曠視 AIS 算法生產平臺目前已支持 100 多種業務模型訓練，2 小時即可完成模型訓練，模型產出精度指標遠高于業界平均水平。? 模型評測：曠視 AIS 算法生產平臺中的模型評測和數據分析能力能夠在模型訓練后，使用多維指標衡量模型的表現能力，同時可視化模型訓練過程中的數據結果，統計模型在不同分布、不同維度下的表現，幫助快速定位模型的問題，進一步優化模型。? 模型自動部署：曠視自研的 ADS（Auto Deploy Service）模型部署工具，提供將訓練好的模型一鍵轉換至不同計算平臺并支持測試對分的服務，可大幅簡化模型從訓練到部署的流程。
據周而進介紹，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，且模型產出精度指標遠高于業界平均水平。同時，AIS的嵌入式管理平臺已支持 30 種設備的管理，可有效節省IoT設備的日常開發與維護成本。截至9月底的統計數據顯示，樓宇、園區、生產環境、社區等泛城市物聯網范圍內75%的算法能夠在該平臺上由非技術人員完成生產。
同時，與曠視算法量產方法論相配套的，曠視還提出了適配算法量產的“5:3:2“研發體系，來對應需求、數據、模型、部署不同階段任務。
在周而進看來，目前整個AI行業仍然處于非常初級的階段，一個最典型的特征就是行業分工非常不明確。很多時候需要一個強人“包打天下”。反觀芯片制造等成熟行業，其設計、生產、封裝、測試每一個環節分工明確，每個工種都有專業的工作職責范圍和培訓標準。
曠視的算法量產“5:3:2“研發體系，可以理解為基于實踐，對AI算法量產工作的一種有效、高效分工。
“5:3:2“研發體系具體而言就是：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。
這里面，算法研究員不需要再專注做一個一個項目，只需要專注于通用的普適型的技術研究，再拿它通過解耦的系統輻射解決各行各業的實際需求。
周而進表示，根據實踐檢驗，我們發現這一團隊陣型，既滿足了解決現有問題的需求，同時也能不斷自我提升，推動AIoT時代所需的AI能力進化。
以量產 應“萬變”
正是有了算法量產平臺，類似“建盞溯源”這樣的具體需求才得以在短時間內就得到解決，周而進強調。
“建盞溯源系統里細分了非常多的子方向和算法，包括盞的定位、檢測、質量判斷，以及最重要的紋理識別等，這些借鑒了很多我們在其他生物認證識別上面的經驗。如果沒有這樣一個算法量產平臺把知識集約在一起，建盞溯源平臺的開發團隊就很有可能要重新從頭研發一遍，這個周期將非常長。”
在周而進看來，不管是建盞溯源，還是火焰檢測、工業質檢、零件計數、危化品檢測、通行管理、明廚亮灶、高空拋物檢測、普洱茶茶餅識別、甚至破皮速凍水餃檢測等等五花八門的碎片化智能需求，基于曠視算法量產平臺的推動，就能以更優的人力、更高的效率實現應用落地。
“我們相信算法生產并不是一個黑盒子，只是異常復雜。曠視算法量產平臺通過解耦和標準化的形式量產出的算法，在很多行業里都得到了順利的落地。這些案例給了我們非常多正向的反饋和鼓勵，因為我們在做沒有人做過的事情。”周而進稱。
在算法量產的基礎上，曠視今年初又提出“算法定義硬件”的AIoT解題思路，將算法這一軟性觸角進一步延伸至硬件領域，以期打通從算法到硬件落地的全鏈條AIoT解決能力，推動AI與實體經濟的融合。
來源：TechWeb
