一間智能倉庫，物料正有條不紊地通過立體倉儲系統自動入庫和出庫，自主移動機器人從倉庫中領取物料，送到制造車間工位。中控室里，出庫、入庫、單據明細等資料顯示在物流系統中，并且能清楚看到設備的運行狀態。這是將人工智能（AI）技術應用到倉儲系統中的典型案例。

研究機構 IDC 的一項調研顯示，幾乎所有受訪者均表示會在未來兩年內追加對 AI 相關項目的投資；德勤發布的 2021 年度《企業人工智能應用現狀報告（第 4 版）》也顯示，近 70% 的企業已經開始著手部署AI應用，45% 的企業全面部署的AI應用接近6個。

曠視研究院算法量產負責人周而進

越來越多的企業希望能夠在業務發展和日常運營中采用 AI 技術，曠視研究院算法量產負責人周而進觀察到，企業想要部署 AI，如果通過內部自研解決，往往需要從 0 到 1 招募人才、建立團隊、投入高昂費用，此后經過漫長的研發周期才有可能實現。此外，很多企業的 AI 需求是非常碎片化、定制化的，如果通過外部采購的渠道，現有的 AI 解決方案無法快速適配具體的應用場景。要想解決這些問題，還要先找到問題的根源。

癥結所在：部署與生產

AI 的部署與企業的存儲系統、算力分布、網絡設施等 IT 基礎設施能力息息相關，AI 運行依賴于大量數據的采集與傳輸，并要求系統快速學習、實時反饋。因而企業需要完備的IT基礎設施，才能保證 AI 解決方案的正常運轉。

曠視在面向消費物聯網、城市物聯網和供應鏈物聯網三大核心場景上提供了完整的 AIoT 產品和解決方案：

消費物聯網領域，曠視以 SaaS 產品的形式向全球開發者及企業用戶提供數十種 AI 能力，同時為數億臺消費電子產品提供設備解鎖和計算攝影解決方案，為消費者提供更簡單的服務與更優秀的美學體驗；

城市物聯網領域，曠視基于覆蓋云邊端的算法、軟件、硬件能力，持續推進城市數字化建設，讓城市運行更加安全便捷、讓建筑空間更高效智能；

供應鏈物聯網領域，曠視以人工智能賦能機器人和自動化設備，幫助企業進行倉庫、工廠的數字化及智能升級，讓生產制造更高效。

不論在哪個領域，AI 始終也離不開數據、算法和算力這“三駕馬車”。

在數據生產的復雜性方面，數據本身很多時候已經很大程度上決定了最后算法生產的效果。訓練數據本身是否干凈？如何能夠獲得高質量的數據標注？如何能夠排查數據標注中的錯誤、不一致性？如何從數據中挖掘出有效的數據樣本？這些問題都是在實際生產過程中生產人員面臨的挑戰。

在算法模型的不確定性方面，由于計算機視覺領域在近幾年的飛速發展，每天都可能有新的優秀工作出現。對于一個算法從業者來說，在模型上首先面臨的挑戰就是——什么樣的模型才是最合適的？第二個挑戰是，當模型生產出來后，要如何部署到各式各樣的硬件平臺載體上面，才能讓它高效、有序地跑起來？第三個挑戰是，模型落地后，對于實際發生的問題，該用什么樣的手段去迭代、調優、提升模型的效果，這在很大程度上困擾著生產人員。

在硬件平臺的多樣性方面，各種算力強大的新型芯片、硬件開發板、硬件平臺在近幾年紛紛涌現，不同芯片平臺對應算法調用的 SDK，各自封裝的 API 都不一樣。這種不同還只是表象層面的困難，更深層次的困難在于不同芯片平臺背后體系結構也不同，這也意味著計算單元上存在著差異。

算法決定人工智能水平的高低，在實際應用場景中，僅靠單點的算法是不夠的，往往需要把幾個算法串在一起，構建一個算法的流程，才能完成一個具體需求的落地，當然在這之前，還需要解決算法生產上的一些困難。

算法生產的主要困難主要還是集中在整個生產環節的復雜性上，具體來說，可分為三個方面：第一，數據生產的復雜性；第二，算法模型本身的不確定性；第三，AIoT 平臺的多樣性導致生產過程中復雜程度與成本的提升。

迎接挑戰：推動標準化

面對這些復雜的問題，曠視也制定了對策，自主研發了新一代AI生產力平臺Brain++，Brain++ 由曠視自研深度學習框架 MegEngine、數據管理平臺 MegData 和計算平臺 MegCompute 構成。基于 Brain++ 體系，曠視推出自研算法生產平臺—— AIS（AI Service），為算法生產構建的一個從數據到模型訓練、性能分析調優、推理部署測試全鏈路的零代碼自動化的生產力工具平臺。

在實際的 AI 落地應用過程中，曠視希望通過 AIS 將算法量產，將 AI 生產過程標準化，降低算法生產門檻，讓更多人加入到算法生產的工作中，提升算法生產效率。周而進介紹，AIS 目前已經支持 100 多種業務模型訓練，最快 2 小時即可完成，模型產出精度指標也“遠高于業界平均水平”。

算法研發人員聯合使用 Brain++ 和 AIS 平臺，可以實現智能標注平均加速 30 倍，自動學習訓練加速 4 至 20 倍。

不過對于 AI 而言，算法模型還是萬里長征的第一步，如何結合具體場景實現量產落地才是最終目標。曠視認為，標準化是解決算法生產難題的關鍵。這包括數據生產的標準化、算法模型的標準化和整個推理框架的標準化。

對于未來，曠視也將圍繞推動標準化，不斷打磨 AIS 生產平臺，降低算法生產的門檻，鼓勵更多行業技術人員參與到算法生產的過程，打通各行各業的知識，建設一個開放的算法生產生態。