旷视重新定义ai（MegTech2022推动AI生产模式革新）

旷视重新定义ai（MegTech2022推动AI生产模式革新）旷视研究院算法量产负责人周而进在旷视技术开放日上的分享面对如此复杂的挑战，周而进认为“算法生产过程的标准化，是解决复杂的、碎片化的算法生产的有效手段”。这个标准化过程，包括了数据生产的标准化、算法模型的标准化和推理框架的标准化。用标准化解决算法落地面临的复杂性挑战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，到最后的应用落地。同时，在这个环节中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。基于多年实践经验，周而进认为算法生产的主要困难集中在整个生产环节的复杂性上。具体来说，可以分为三个方面：第一，数据生产的复杂性。第二，算法模型本身的不确定性。第三，算法落地的AIoT硬件平台多样性也带来了整个生产过程的复杂和高成本。

7月15日，旷视年度技术盛典——2022旷视技术开放日（MegTech 2022）在北京举行，旷视联合创始人、CEO印奇在演讲中阐释了旷视的AIoT战略及“2 1”的核心技术科研体系。

印奇强调，AIoT是旷视过去十一年最核心的主旋律，旷视认为 AIoT=AI IoT 空间。其中，AI是不断演进的算法能力，IoT是软硬结合的设备载体，空间是应用场景的闭环。印奇认为，AIoT从业者要更好地改变物理世界。旷视首次公开“2 1”的AIoT核心技术科研体系，即以“基础算法科研”和“规模算法量产”为两大核心的AI技术体系，和以“计算摄影学”为核心的“算法定义硬件”IoT技术体系（包括AI传感器和AI机器人），涵盖了从基础研究、算法生产到软硬一体化产品的AI落地全链路。

旷视联合创始人、CEO印奇介绍旷视的AIoT科研战略

大会现场，旷视研究院算法量产负责人周而进发表演讲，他总结了过去十多年旷视在算法生产和应用落地过程中的实践经验。在推动算法在各行各业的实际场景落地的过程中，旷视一直坚持“落地实用是算法价值的最终检验标准”。

用标准化解决算法落地面临的复杂性挑战

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，到最后的应用落地。同时，在这个环节中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。

基于多年实践经验，周而进认为算法生产的主要困难集中在整个生产环节的复杂性上。具体来说，可以分为三个方面：第一，数据生产的复杂性。第二，算法模型本身的不确定性。第三，算法落地的AIoT硬件平台多样性也带来了整个生产过程的复杂和高成本。

面对如此复杂的挑战，周而进认为“算法生产过程的标准化，是解决复杂的、碎片化的算法生产的有效手段”。这个标准化过程，包括了数据生产的标准化、算法模型的标准化和推理框架的标准化。

旷视研究院算法量产负责人周而进在旷视技术开放日上的分享

AIS平台让算法量产成为现实

为此，旷视正式发布自研的算法生产平台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。AIS标志着旷视Brain 的又一次飞跃，让算法量产真正成为可能。目前，AIS平台已经能够支持100多种业务模型训练，最快2小时即可完成，而且模型产出精度指标远高于业界平均水平。

他以生产安全场景的火焰检测算法生产为例，介绍旷视AIS平台的工作全流程。通过标准化的数据处理，自动完成去重去花屏，用基于机器学习的人机交互数据标注系统，提升超过30倍的标注效率。此外，基于旷视10余年一线算法落地中积累的海量模型储备，自动化地适配合适的模型并自动化完成模型的训练和诊断，实现标准化的模型生产。最后，通过解耦的工具链自动完成硬件部署，有效化解算法在生产中的复杂性，大大降低算法的生产门槛。

算法量产不是单一的产品，而是对AI生产模式的理念革新和生产力进化

AIS的理念很简单，就是希望用越来越多的算法来代替人工的分析，用更多的算力和搜索来代替人工的规则，用机器的生成来代替人工的生产。

随着AI算法在越来越多的行业领域里逐步深化，行业对于AI算法的需求也呈现出碎片化、个性化特征。面向广阔又碎片化的产业场景，算法量产是实现AI落地的有效途径。

周而进强调，算法量产不是单一的产品，而是对AI生产模式的理念革新和生产力进化。旷视希望通过AI算法生产的标准化以及AI生产力平台的构建，极大地降低算法生产的成本和门槛，让更多人可以参与进来，促进算法在更多行业的落地。

本文源自金融界资讯