0
7月15日，曠視舉辦了第二屆技術開放日活動，曠視聯(lián)合創(chuàng)始人、CEO印奇，曠視研究院基礎科研負責人張祥雨、算法量產(chǎn)負責人周而進、計算攝影負責人范浩強等出席活動，介紹了曠視對于AIoT、AI基礎研究的理解和實踐。
曠視將AIoT定義為“AIoT=AI+IoT+空間”。其中，“AI”和“IoT”是兩個相輔相成的核心關鍵詞。AI是不斷演進的算法能力，如今越來越多的AI算法正在各行各業(yè)發(fā)揮核心的價值；IoT是軟硬結合的設備載體，只有在特定的載體中，AI才能最大限度地釋放其價值。
在此基礎上，曠視還強調(diào)“空間”這一關鍵詞，提出空間是應用場景的閉環(huán)。在過去二三十年，互聯(lián)網(wǎng)、5G、AR、VR等技術的不斷演進，給虛擬世界帶來了翻天覆地的變化。但與此同時，技術對于物理世界的改造并沒有發(fā)生根本性的變化。曠視認為，“Make the Physical World Better”將是未來AIoT從業(yè)者努力追求的方向。
為了支撐AIoT這一長期發(fā)展戰(zhàn)略，曠視構建了“2+1”的AIoT核心技術科研體系，即以“基礎算法科研”和“規(guī)模算法量產(chǎn)”為兩大核心的AI技術體系，和以“計算攝影學”為核心的“算法定義硬件”IoT技術體系（包括AI傳感器和AI機器人）。
AI為“本”，是曠視的核心技術能力；IoT為“器”，是曠視實現(xiàn)AI規(guī)?；涞氐挠布d體。這一整套科研體系，涵蓋了從基礎研究、算法生產(chǎn)到軟硬一體化產(chǎn)品的AI落地全鏈路。
基礎模型科研是AI創(chuàng)新突破的根基。
在2012年AlexNet被提出之后，基于深度學習的神經(jīng)網(wǎng)絡成為AI視覺發(fā)展的主要原動力之一。神經(jīng)網(wǎng)絡根據(jù)用途、構建方式的不同，大致可以分為CNN、Transformer、基于自動化神經(jīng)網(wǎng)絡架構搜索的模型以及輕量化模型等。這些模型極大地推動了AI發(fā)展的歷史進程。
到目前，曠視認為，“大”和“統(tǒng)一”已經(jīng)成為視覺AI基礎研究的最新趨勢。
其中，“大”主要是指AI大模型，即利用大數(shù)據(jù)、大算力和大參數(shù)量，提高模型的表達能力，使得AI模型能夠適用于多種任務、多種數(shù)據(jù)和多種應用場景。
曠視研究院基礎科研負責人張祥雨認為，“大”是提高AI系統(tǒng)性能的重要捷徑之一。但是，大并不意味好，片面地追求大參數(shù)量、大計算量和大數(shù)據(jù)量，并不一定能夠?qū)崿F(xiàn)更強大的模型，反而會產(chǎn)生更大的計算開銷，令整體收益非常有限。
曠視基礎科研倡導的“大”，是要以創(chuàng)新的算法驅(qū)動，充分發(fā)揮大數(shù)據(jù)、大算力的威力，拓展AI認知的邊界。曠視關于“大”的研究，從實用角度出發(fā)，集中體現(xiàn)在大模型、大算法和大應用三個層面。
同時，AI視覺的研究領域眾多，包括CNNs、VL Models、 Transformers等基礎模型研發(fā)，物體檢測、分割等視覺基礎應用，優(yōu)化、自監(jiān)督、半監(jiān)督等AI算法演化等。每個研究路徑，都會衍生出一系列算法。
曠視發(fā)現(xiàn)，這些算法在底層正在走向統(tǒng)一。通過統(tǒng)一的算法、模型來表示和建模各種數(shù)據(jù)、任務，將產(chǎn)生更加簡單、強大且通用的系統(tǒng)。圍繞“統(tǒng)一”的趨勢，曠視在“基礎模型架構”、“算法”和“認知”，進行了全面布局。曠視基礎科研的“統(tǒng)一”，集中體現(xiàn)在統(tǒng)一各種基礎模型架構，從紛繁的AI算法中提煉其本質(zhì)特性，使其能支持各種任務、數(shù)據(jù)和平臺，并最終構建統(tǒng)一的、高性能的視覺AI系統(tǒng)。
在“大”和“統(tǒng)一”的理念下，曠視基礎模型科研聚焦于通用圖像大模型、視頻理解大模型、計算攝影大模型和自動駕駛感知大模型四個方向，并取得了多項突出的科研成果。張祥雨強調(diào)，基礎模型科研需要堅持長期主義，解決人工智能最本質(zhì)的難題。
“落地實用是算法價值的最終檢驗標準”。
曠視研究院算法量產(chǎn)負責人周而進表示，算法落地的主要挑戰(zhàn)在于整個生產(chǎn)環(huán)節(jié)的復雜性上。具體來說，分為三個層面：第一，數(shù)據(jù)生產(chǎn)的復雜性。第二，算法模型本身的不確定性。第三，算法落地的AIoT硬件平臺的多樣性。
要解決這些問題，他認為“算法生產(chǎn)過程的標準化，是解決復雜的、碎片化的算法生產(chǎn)的有效手段”。這個標準化過程，包括了數(shù)據(jù)生產(chǎn)的標準化、算法模型的標準化和推理框架的標準化。
為此，曠視發(fā)布了自研的算法生產(chǎn)平臺AIS（AI Service）。
AIS基于曠視Brain++體系，構建了一套覆蓋數(shù)據(jù)處理、模型訓練、性能分析調(diào)優(yōu)、推理部署測試等算法生產(chǎn)全鏈路的零代碼、自動化的生產(chǎn)力工具平臺。AIS標志著曠視Brain++的又一次提升，讓算法量產(chǎn)真正成為可能。
曠視 AIS 算法生產(chǎn)平臺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)的門檻，提升算法生產(chǎn)效率。目前，AIS平臺已經(jīng)能夠支持100多種業(yè)務模型訓練，最快2小時即可完成，而且模型產(chǎn)出精度指標遠高于業(yè)界平均水平。經(jīng)驗證，算法研發(fā)人員使用Brain++和AIS平臺，可以實現(xiàn)智能標注平均加速30倍，自動學習訓練加速4至20倍。
周而進認為，算法量產(chǎn)不是單一的產(chǎn)品，而是對AI生產(chǎn)模式的理念革新和生產(chǎn)力進化。曠視希望通過AI算法生產(chǎn)的標準化以及AI生產(chǎn)力平臺的構建，極大地降低算法生產(chǎn)的成本和門檻，讓更多人可以參與進來，促進算法在更多行業(yè)的落地。
AIoT產(chǎn)生了豐富的應用場景，其需求在不斷地改變與升級，這對于算法提出了越來越多的需求。同時，算法本身也對于硬件應該提供怎樣的信息和輸入提出了要求，甚至從根本上改造了硬件的形態(tài)與樣式。
因此，“算法定義硬件”的全新理念應運而生。
以AI傳感器為例，曠視研究院計算攝影負責人范浩強認為，隨著AI、視覺算法等領域的發(fā)展，傳感器將不再單獨的、直接地提供應用價值，傳感器和應用之間需要算法來作為承上啟下的橋梁。從技術角度講，這兩者最顯著的結合點就是計算攝影。
以手機拍照為例，搭載了曠視AI算法和傳感器的手機，在燈光、月光、星光等不同環(huán)境下成像能力的提升。此外，在非成像的屏下光學指紋方面，算法也在牽引傳感技術向前發(fā)展。目前，曠視助力某業(yè)內(nèi)公司實現(xiàn)了千萬顆級的指紋傳感器出貨。該產(chǎn)品具備業(yè)界最小的尺寸、最快的識別速度以及支付級的安全認證。
范浩強認為，“應用-算法-傳感器”的全鏈路整合能力，是“算法定義硬件”的核心。而曠視是業(yè)界少數(shù)能將傳感器的光學、模組、電子學的設計能力，傳感器的物理建模和算法能力，以及傳感器的應用能力融為一體的公司。
除此之外，在技術開放日上，20個有料有趣的技術Demo也集中亮相，系統(tǒng)性地展示了曠視在前沿技術探索、軟硬件協(xié)同設計、算法量產(chǎn)應用，以及商業(yè)化產(chǎn)品落地方面的實踐。雷峰網(wǎng)(公眾號：雷峰網(wǎng))雷峰網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
