近期,中央密集出台有关政策,各省市陆续出炉2020年重点建设项目,“新基建”成为当前各界关注重点。3月4日,中央政治局常务委员会召开会议,提出将快速推进国家规划的重大工程和基础设施建设,其中明白准确地提出将加快
区别于传统基建,“新基建”是指发力于信息数字化的基础设施建设,最重要的包含5G基站建设、特高压、城际高速铁路和城市轨道交通、新能源汽车充电桩、大数据中心、人工智能、工业互联网七大领域,其核心在于传统产业的数字化转型,传统基础设施的数字化改造。
在新基建提出之后,旷视也“碰巧”开源了深度学习框架“天元”,表面上看起来是巧合,其实在旷视内部,从去年开始便已经在推动天元框架的开源进程,从框架技术的成熟度、生态环境的完善度,一直到未来发展的方向,经过了多次讨论才做出了这样一个需要勇气的决策。
总得说来,深度学习框架有三个时间节点,早在六年前Caffe便已经开放,此后2015年、2016年先后集中涌现了一批开源框架,TensorFlow和PyTorch分别成为产业级和学术界非常受欢迎的深度学习框架代表。
Caffe是一个清晰而高效的深度学习框架,也是一个被普遍的使用的开源深度学习框架,它的主要优势是上手容易,训练速度快,组件模块化,可以方便的拓展到新的模型和学习任务上。但是Caffe最开始设计时的目标只针对于图像,没考虑文本、语音或者时间序列的数据。TensorFlow在2015年由谷歌公司正式对外发布,是一个使用数据流图进行数值计算的开源软件库。灵活的体系结构允许使用单个API将计算部署到服务器或移动电子设备中的某个或多个CPUGPU。
在国外开源的深度学习框架占据了主流框架之后,2020年,中国迎来了深度学习框架集中爆发之年。清华大学的计图(Jittor)、旷视的天元(MegEngine)和华为推出的MindSpore先后问世。
实际上,旷视天元早在2014年8月就在企业内部诞生了,经过实践中的一直在改进,终于在2020年3月开源,虽然在开源时间上晚于国外的几家公司,但是旷视天元的优势仍然很明显。首先是框架与算法的协同,其次是高效与强大的性能,第三是很好地支持大数据、大规模训练。天元是为工业级、研究院规模的研发机构设计的,它具备的一些核心特点都是用来解决现实研发过程中的痛点,例如一键切换训练推理,同时支持动态图和静态图等。
深度学习框架属于AI的底层技术架构,像谷歌这样的大公司一直在积极的布局人工智能的底层技术发展,只有站稳了软件层,未来在算法层、服务层和应用层上才能有更大的发展空间,而且不会因为技术受制于人。
从当前人工智能技术在场景中应用分析,AI应用薄,算法能力与人工能力的差距大。对于很多企业来说,想要用人工智能解决当下遇到的问题,但是本身没有技术,需要专门招聘相关的人才、投入资金设备研究,而且需要多长时间能实现商业应用也是未知数,成本过高但是预期又不确定,因此很多企业也就不愿意投入资源探索。对于身处AI领域的企业而言,很多企业一直扎根于技术的研发、升级,对于需求端的了解并不深入,因此在商业化方面略显尴尬。
在新基建的背景下,算法能力的短板正在被补齐,人工智能技术将会参与到更多的场景中。旷视科技便是在这个背景下不断地推动人工智能技术赋能各行各业的企业。旷视科技是早期入行的企业,经过多年的摸爬滚打,在技术上慢慢的变成了行业内的佼佼者。
旷视内部自主研发的AI生产力平台Brain++在融入生活场景方面发挥着独特的作用。在这次突发的新冠疫情中,Brain++就帮助旷视在非常短的时间内打造出了智能测温系统,包括明骥和Koala两款产品。
其中,旷视Koala的智能测温系统主要使用在在疫情期间的通行场景,由面板机形态的前端硬件与后台体温管理系统组成。前端的硬件组合格外的简单、安装灵活,但是后台的体温管理系统性能强劲。据了解,旷视正是因为拥有Brain++这样的AI基础设施,才能用两三天就完成新场景的算法模型升级,使得系统能结合红外热成像技术,精准确定额头位置做测温,并且在0.3-1米远距离快速测温,0.5秒即可返回结果,快速完成测温,而且精度在0.3摄氏度以内。
目前,旷视Koala智能测温通行系统已经在北京191家大中型超市广泛落地,实现无停留过检,原本需要2-4名工作人员的出入口,如今只需要1名工作者配合维持秩序就能够实现店面的防疫需求管理,有实际效果的减少超市防疫的人力投入,实实在在的提升公司制作效率,帮企业实现降本增效的目标。
这种生产力和生产效率的提升并不是取代了人的工作,而是最大限度放大了机器的优势,并释放出了人的生产力。比如零售小店,人工智能化的零售小店能够最终靠对每天商品的进销、顾客的往来等数据来进行分析,从而直接发现该零售小店附近顾客的喜好、人流量高峰低谷期等,进而辅助店长管理决策,提升零售店的生产力和效率。假如没有人工智能的辅助,则需要依靠人的经验积累,但是对于流动性比较大的岗位和变化快的行业而言,很难做到高效应对。
不管是旷视Koala智能测温通行系统,还是智能化的零售小店,对比之下显而易见,人工智能之所以受到重视,不仅是因为技术本身的先进性,更重要的是,未来的社会持续健康发展并不是特别需要所有人懂得人工智能技术,但一定会用到人工智能,因此人工智能正在成为未来经济和社会持续健康发展的底层技术,成为了新基建的关键领域。
AI生产力平台究竟是指什么?为何会有如此高效的生产力?旷视的AI生产力平台又叫Brain++,它是由已经开源的天元发展而来,天元负责AI的算法部分,它和MegData(数据管理平台)以及MegCompute(深度学习云计算平台)一起组成了AI生产力平台。
可以做一个形象的比喻,数据管理平台MegData 就是自动洗菜机,计算平台 MegCompute 就是智能化炉灶,而开源的天元就是一套集煎炒烹炸多功能为一体的智能锅,AI 生产力平台好比一个中央厨房,有了这样的智能化中央厨房,便可以大幅度增加厨师的生产力,而且味道有保证。
“生产力平台”的概念在国内很少有人提及,这样的称呼也是因为Brain++在学术领域、产业方面对提高生产力方面做出了突出的贡献。
学术领域,旷视借助 Brain++ 在获得了 27 个世界级的人工智能竞赛冠军,这中间还包括 2017 年至 2019 年拿下 COCO 三连冠。COCO 是AI领域最具影响力的通用物体检测挑战赛,在计算机视觉领域享有很高声誉。
而在产业方面,旷视依靠 Brain++ 布局了个人物联网、城市物联网和供应链物联网三个领域,并且扎得足够深入。比如:在传统的制造领域,旷视借助 Brain++帮助一家电气制造企业打造了自有的AI底层平台,能够用深度学习快速训练、部署算法,满足生产线中不断生出的质检问题。
当下,人工智能呈现深度学习、跨界融合、人机协同、群智开放、自主操控等新特征,正在对经济发展、社会进步、全球治理等方面产生重大而深远的影响。而旷视作为AI领域的领军企业,正在用自己的实际行动证明,AI是真正可以造福人类的新技术,它能解决更本质的效率提升问题。
自从改革开放以来,中国经济的持续发展,得益于“引进来”、“走出去”的战略实施,引进来的是国外的先进的技术和管理经验,走出去的是技术上的含金量相比来说较低的中国制造产品。在互联网时代和移动互联网时代,尽管中国很多互联网公司借机大展宏图,但是本质上很多底层的技术却受限于美国。中美贸易战就很好的说明,正在崛起的中国慢慢的开始动了美国人的“奶酪”。人工智能作为基本的建设的规划就是要布局下一个百年,突破自第一次工业革命以来的科技垄断,从中国制造走向中国智造。
马化腾作为人大代表曾在两会提交建议书,呼吁顶层关注核心技术的基础设施建设,他说:没有基础的核心技术是沙滩上的城堡,根基不稳,有很大的可能性一推就倒。因此楼越建得越高,越要关注底子、根子是不是牢靠。
而旷视认为,人工智能的布局要赢在未来百年的底层技术上,所以要更深厚的地基。对于旷视而言,本身的目标就是打造属于中国的AI产品方案和平台,而且研发和使用真正能够自主可控、代表中国的安全技术。
当然,想要打造坚实的“AI地基”,且能够让各行各业能够用的上,真正承载起AI产业和应用的需求也并不是特别容易。这其中最大的挑战在于需要降低非AI企业连接数据、算法与算力的门槛。但是以Brain++为代表的基础设施级产品的出现,或许为企业CIO们和各产业数字化转型提供了可参考的线索和路径。
雄关漫道真如铁,而今迈步从头越。在人工智能技术持续不断的发展的今天,期待中国在AI领域更快、更高、更好的完成基础设施建设,打破国外的科技垄断,为未来一百年的快速地发展奠定基础。