旷视自研算法生产平台AIS，有助于降低算法生产门槛-电子发烧友网

电子发烧友网报道（文/李弯弯）随着人工智能、深度学习等新技术不断推出和演进，越来越多的行业进行智能化升级、智能化创新，实现降本增效。

伴随着数字化转型的热潮，各种各样的AI 算法也进入到人们的生活中，然而市场上AI算法在供给、落地过程中，仍然存在行业数据匮乏、算法通用性低、IoT设备繁杂等诸多挑战，算法供给质量参差不齐。

大规模AI算法落地难题

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。

对于这些问题，行业从不同方向进行了积极的探索。目前来看，绝大多数算法都是定制化生产模式，根据需求进行算法定制化开发，一个一个项目解决，然而这种定制化模式成本高、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，并且难以解决具体的细分场景问题。

基于10多年的算法研发积累及深入多个行业的项目实践经验，旷视提出了算法量产的理念。旷视希望通过算法量产，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。

旷视认为，大规模算法落地是系统问题，在数据、模型、评测和迭代等环节都存在很多挑战，算法生产过程的标准化，是解决复杂且碎片化的算法生产的有效手段。只有标准化才有可能让算法生产的所有环节实现自动化，进而提高算法生产的效率。

为此，旷视还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。

目前，AIS平台可以支持100多种业务模型训练，最快2小时即可完成训练，且模型产出精度指标远高于业界平均水平。同时，AIS的嵌入式管理平台已支持30种设备的管理，可以有效节省IoT设备的日常开发与维护成本。

旷视算法生产平台AIS提升算法生产效率

比如在健身行业，旷视的运动猿训练站能够科学分析并判定多项体育动作，旷视运动猿训练站基于MegEngine框架，依托算法生产平台AIS研发而成，在纯视觉方向上实现了精度高、速度快、成本低等优势，可准确识别正确与违规动作，以AI助力体育训练全流程的数字化和智能化。旷视运动猿训练站通过自研模型快速精准的检测超过30个人体骨骼点，可覆盖跑步训练、身体素质训练、球类训练三大运动品类下的多种运动场景。

举例来说，在跳绳场景中，在240次/分钟的条件下，旷视运动猿训练站能够实现正负1的误差，并可以准确分辨出跳绳与开合跳等相似的动作。而仰卧起坐不仅支持识别运动过程中的双手未抱头、双腿未屈膝、手肘未触碰膝盖等多种违规情况，还能准确记录运动过程中的真实数据，实现正负1的计数要求。

与支持多种运动场景形成鲜明对比的是，旷视运动猿训练站短短数月的开发周期，这背后的功臣便是旷视提出的算法量产理念及其自研的算法生产平台AIS。

正如上文所言，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，零代码、自动化的生产力工具平台，提供多种功能支持算法快速生产部署，可以大幅降低算法生产的门槛，提升算法生产效率。

以足球颠球计数为例，需要有人体检测、骨骼点检测、足球检测至少三个模型。借助算法生产平台AIS，人体检测和骨骼点检测模型耗时为12小时左右，足球检测模型则进一步降低至1-4小时，极大地提升了模型训练的效率。

除了健身行业外，旷视日前还对外重点展示了其在非物质文化遗产“建盏”溯源领域的应用成果。随着宋代茶文化和建窑建盏热度不断增高，越来越多的人关注并了解到建盏，然而仿造、伪造、以次充好等问题严重影响着建盏产业的发展和品牌价值。

过去，建盏在销售和鉴定过程中，更多依赖于建盏传承人亲笔签名、拍照，或提供产品防伪码等形式。这类方法效率低、人力成本高，还留下了更多造假仿造的空间。

旷视基于算法量产，推出了建盏产业内首个基于盏纹识别的建盏AI溯源系统，该系统基于建盏的盏纹，通过图像检测和识别等AI技术，对建盏进行采集、登记、追溯、鉴定，可有效保护建盏行业从业者和消费者的权益。