(资料图片仅供参考)
通过技术赋能千行百业是诸多技术厂商近几年挂在嘴边的口号，但这件事到底如何启动、如何复制、如何落地，似乎从结果上来看尚无明确的结论。
11月10日，旷视科技进一步讲解算法量产理念背后的思考，所谓算法量产是旷视提出的关于AI算法生产的理念，并非指单一产品，而是对AI生产模式的理念革新和生产力进化。采访中，旷视研究院算法量产负责人周而进对第一财经记者表示，算法量产平台是基于旷视内部需求而诞生、先经过内部考验再对外服务客户的平台。
包括旷视在内的厂商，在推进AI落地过程中，仍会遇到AIoT市场高质量算法供给的难题，包括行业数据匮乏、算法通用性低、IoT设备数量及种类剧增、算法供给质量参差不齐等。当然行业也据此进行了相应的应对，如根据需求进行算法定制化开发，为客户提供VIP服务，但这种方式成本较高、算法交付质量参差不齐；预训练大模型能为算法带来良好的泛化性，但其背后需要大量算力支持，且难以解决具体的细分场景问题；提供能够解决部分问题的云端 AI 开发平台，虽然易上手、零代码，但只实现了流程数字化，对策略选择自动化等进阶功能的支持有限。
因此可以说，在一定程度上，每种算法生产方式都有各自的优缺点，综合多年的项目实践经验，旷视最终提出了算法量产的理念。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。
为此，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。
此外，目前AIoT 市场上，高质量的 AI 算法供给仍严重不足，如何解决算法生产及落地应用挑战，让人工智能在海量场景中发挥更大的作用，是人工智能企业在 AIoT 时代需要解决的难题。
周而进表示，算法生产的过程并不是模型训练这么简单的一个环节，为了让模型算法能够解决实际问题，它包含了需求分析、数据处理、模型训练、上线部署、以及最后的应用落地，其中的每个环节都可能需要反复多轮的算法打磨，这整个过程才真正是一个完整的算法生产的过程。因此可以说，算法的复杂性本身可能就是其中最大的问题。为此，周而进对记者表示，旷视的算法量产平台要做的就是将算法生产过程中的每个环节解耦、定义，达成组合乘法的效果。量产背后的思维模式就是做标准化，才有可能让算法生产的所有环节实现自动化。
至于目前刚刚推出的算法量产平台到底先做行业铺广还是纵深，周而进对记者表示，第一步先做宽，例如目前旷视通过算法量产已帮助能源、教育、零售、运动健身等行业的客户在日常生产与经营中运用AI技术。而铺向千行百业过程中的独特性问题，在周而进看来，其本质仍是算法生产过程中的解耦与定义，将行业特殊性问题拆解为不同模块，但终态一定是为了将算法生产过程变高效，才有可能做出更准确的算法。
（文章来源：第一财经）
标签：
