旷视科技专访:千年建展溯源智能化背后,算法量产是解决AI算法落地问题的一大途径

作者|韦世玮 ** “茶兴于唐而盛于宋”。据说始于神农时代的中国茶文化,至今已流淌了4700多年历史,随后在唐…

作者|韦世玮

**

“茶兴于唐而盛于宋”。据说始于神农时代的中国茶文化,至今已流淌了4700多年历史,随后在唐朝走向发展的黄金时代,在宋朝进入了茶文化繁荣的鼎盛时期。

与唐朝煎茶、元朝泡茶不同的是,宋朝流行的点茶不仅催生出了“斗茶之风”,还让建盏风靡了千年,在茶案上独领风骚。

何为建盏?顾名思义,就是建窑烧制的黑釉茶盏,发源于今福建省南平市建阳区,凭借独一无二又绚丽神奇的斑纹,享有“入窑一色,出窑万彩”的美誉,上至皇族、下至平民无不喜爱。“兔毫连盏烹云液,能解红颜入醉乡。”这正是宋徽宗在《宫词其七四》中对建盏的赞美。

2011年,建窑建盏烧制技艺成功列入国家级非物质文化遗产名录,并走进国际视野,引起世界收藏爱好者们的关注和热情。近年来,建盏相关企业从原来的12家猛增到7200多家,产值也从原来的100多万元发展到预计75亿元,品牌价值超160亿元。

建窑建盏

建盏巨大的商业价值和投资潜力背后,产业的隐秘角落也滋生了假冒仿制、以次充好等行业乱象,严重破坏了市场秩序和良性发展,也影响着建盏产值的发展和品牌价值。然而过去的建盏鉴定主要依赖传承人的亲笔签名、拍照,或是提供产品防伪码等,这些方式不仅效率低,人力成本也高,难以解决行业乱象。

直到2021年6月,建盏生态公司找到了旷视科技,提出了建盏识别和溯源的需求。通过借助“算法量产”,旷视科技推出了首个基于AI图像识别技术打造的建盏溯源系统,为每一只建盏赋予专属“电子身份证”,实现了“一盏一图、一盏一码、图码结合”,有效地解决仿造、伪造、以次充好等问题。

实际上,旷视科技AI建盏溯源系统的研发之路并不轻松。从去年6月至今,旷视科技在开发这套系统过程中,主要面临了哪些意想不到的挑战?研发背后蕴含的“算法量产”理念又是什么?如何加速AI落地,与实体经济进一步深度融合?

为此,近日36氪等媒体与旷视科技展开了一场深度对话,在探究以上答案的同时,我们也看到了作为“AI四小龙”的旷视科技,是如何逐渐摸索出一条属于自己特有的,具有差异化竞争力的落地路径。

01、识别准确率超95%,千年建盏溯源的挑战

最初接触到AI建盏溯源项目的旷视研究院团队并没有信心,“因为我们认为,当人本身就难以判断盏之间的区别时,那AI大概率很难做到,并且行业也没有可借鉴的案例。”旷视研究院算法研究员申远谈道。更重要的是,与其他瓷器相比,建盏釉面具备的金属光泽会有很强的反光,这对AI识别来说是一个巨大的挑战。

如何在这一堆“不可能”中找寻到一丝可能性,申远和同事们进行了许多探索性尝试。在这个过程中,旷视团队亲自采集了8500个建盏样本数据,并进行了初步验证,发现效果比预想的还要好一些。至此,旷视团队才第一次真正对AI建盏项目产生信心。

但新的问题也随之而来。

“过去我们接到类似的项目,往往需要研究员花费大量时间做实验设计,在过程中进行大量算法模型参数的调优。”旷视研究院算法量产负责人周而进说。

为了改善这一问题,旷视对AI生产模式进行了思考,希望能够将整个AI算法生产的过程进行标准化,从而降低算法生产的门槛。于是,旷视提出了“算法量产”理念,基于旷视Brain++和旷视天元训练框架,打造了一个能够适配算法量产的AI基础设施——算法生产平台AIS(AI Service)。

基于“算法量产”理念和AIS算法生产平台,并通过借鉴许多在其他生物认证识别上的经验,旷视团队迅速完成了建盏溯源算法的原型开发,并验证了可行性。

简单来看,这套AI建盏溯源系统细分了大量的子方向和算法,包括建盏的定位、检测、质量判断,以及最重要的纹理识别。另外针对釉面材质的反光,旷视研发了一个专门的硬件设备,形状像一个封闭的盒子,并内置可控制的光源,只要将刚出窑的建盏放进盒子里打光拍摄,就能够从物理层面大大解决常规拍摄的严重反光,导致信息丢失的问题。

旷视AI建盏溯源系统

与此同时,通过2D图像的检测和细分特征识别,旷视只需要对建盏进行多个角度的拍摄和提取特征,就能捕捉到整只建盏的3D结构信息。

旷视AI建盏溯源系统的诞生,不仅实现了“一盏一图、一盏一码、图码结合”,对兔毫、鹧鸪斑、曜变等类型建盏达到95%以上的识别准确率,还可支持移动端快速鉴别建盏的真伪。这对推动建盏产业的规范化和数字化升级,提供了一套行之有效的解决方案。

旷视AI建盏溯源系统支持移动端快速鉴别建盏

周而进告诉36氪,如今这套系统已基本能做到在正常光照环境下完成拍摄任务,但也存在不少迭代改进空间,主要集中在算法演进和识别准确性上。一是将继续提高系统对更多光照环境的适应性,让用户的拍照角度更随意;二是逐步优化系统对特征不易观测的建盏(如单色黑釉)的识别准确性。

对旷视团队来说,这是他们将AI算法落地到非物质文化遗产保护的第一步。

“从技术角度看,建盏背后的整个算法生产模式和技术,可以被复制到许多类似非遗保护的产品上。更广一点说,做物品的鉴定、身份确认等工作,背后的技术原理是相通的。”周而进说。

02、基于“算法量产”解决大规模算法落地问题

实际上,AI建盏溯源系统只是旷视“算法量产”理念在落地过程中的一个侧影。至今,旷视已帮助能源、教育、零售、运动健身等领域的客户实现了技术在日常生产和经营中的应用,达到降本增效的效果。

例如,旷视开发的明厨亮灶算法已在10余座城市的学校落地,保障学生用餐安全;基于MegEngine框架,并通过“算法量产”和AIS生产平台,旷视为某油田提供了烟雾检测、火焰检测、油品泄漏、配电室未佩戴绝缘手套等多项AI算法,通过“危险化学品视频分析智能预警系统”,提升其日常安全监管工作效率。

透过“算法量产”理念,我们不难看到旷视对当下AI行业落地产生的新思考。

“大规模算法落地本身是一个系统问题,真正难点在于这个系统的复杂性。”周而进谈道,目前各行各业都有算法在不断融入,但真正能解决问题的算法仍供不应求,整个AIoT市场的算法供给面临行业数据匮乏、算法通用性低、IoT设备繁杂、Software2.0的挑战、算法供给质量参差不齐等五大挑战。

AIoT市场算法供给面临5大挑战

为了解决这些问题,目前玩家通常采用定制化开发、预训练大模型、云端AI开发平台等不同方式进行算法生产。除此之外,一直以来的算法生产模式为“需求-数据-模型-部署”,该模式要求研究员具备非常高的综合能力,整体生产流程存在分工难以明确、全能型人才稀缺、培训和人才储备成本高昂、经验无法沉淀成方法的难点。

在周而进看来,这些算法生产方式大部分是针对某个单一算法,关注算法的“瞬时指标”,但在应对一个复杂问题时,光靠单点是不够的。如果要有效解决整个系统问题,就要从算法生产到算法模型,再到推理框架进行标准化,去构建算法生产体系和基础设施,去关注算法的可用标准和持续迭代能力。“标准化才有可能让算法生产的所有环节实现自动化。”他说。

基于10多年的算法研发和多行业项目实践经验,旷视提出了“算法量产”理念,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,从而让更多人能够加入到算法生产工作中,提升算法生产效率。

“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。”周而进提到。

为了更好地实现算法量产,旷视一方面提出了适配算法量产的5:3:2研发体系,包括5个行业工程师,基于AIS算法生产平台进行相应的业务交付;3个算法研究员,聚焦算法的创新与探索;2个工程师,不断打磨相应的基础设施并进行AI生产力工具的开发。

另一方面,旷视提出了适配算法量产的AI基础设施——算法生产平台AIS(AI Service),主要基于旷视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。

旷视算法生产平台AIS

目前,旷视AIS平台已经支持100多种业务模型训练,最快2小时即可完成训练,同时其嵌入式管理平台已支持30种设备的管理,能有效节省IoT设备的日常开发与维护成本。“截至今年第三季度,城市物联网板块75%的模型发版都是通过算法量产的模式来完成。”周而进说。

但需要注意的是,解决大规模AI算法落地的问题并不等同于解决AI落地。

主要原因在于,AI落地还涉及很多其他因素,比如产品、解决方案、整体价格、客户的信息化水平等,不单是大规模AI算法落地这个单一性问题。周而进告诉36氪,这需要AI技术know-how和行业know-how的深度融合,需要有核心技术体系,有软硬协同一体的产品能力,以及产品落地行业的实践经验,才能真正加速AI算法在各行业的落地。

03、旷视如何面向AIoT产业发展的黄金十年?

如果说“算法量产”是旷视针对大规模算法生产落地而提出,那么“算法定义硬件”则是其针对AIoT海量应用场景需求下提出的另一个产品理念。

实际上,面对当前丰富灵活多变的AI场景需求,以及不断蓬勃发展的应用生态,大部分传统硬件的产品思路是在AI技术和产品之间、软硬件之间、技术平台之间找到一种平衡,但这种平衡往往“鱼和熊掌不可兼得”,要么牺牲AI算法能力,要么牺牲硬件功能。

在旷视看来,如果要实现真正的协同,需要将算法需求前置考虑,从算法和用户场景需求出发,反推所有技术架构和平台之间的协同设计,从而得到一个更优的产品方案。

基于此,“算法定义硬件”应运而生。

与“算法量产”的底层逻辑相通,在“算法定义硬件”中,算法是产品的核心要素,硬件将围绕算力的优化和算法支撑来重新设计,逐步走向标准化。同时,标准化硬件能够通过加载不同算法,灵活演变成不同的智能化硬件,从而满足海量场景的应用需求。

从技术角度看,“算法定义硬件”的底层依赖是旷视以“基础算法科研”和“规模算法量产”为核心的“2+1”AIoT核心技术科研体系,还有以“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)。整套科研体系涵盖从基础研究、算法生产到软硬一体化产品的AI落地全链路,这也是旷视的技术护城河,以及公司未来走向AIoT商业化成功的重要基石。

不可否认,AIoT产业正逐渐迎来发展的黄金十年,AI技术也将进入这万亿级的海量AIoT场景中。

面向这个未来,旷视将AIoT产业的发展划分为三个阶段:第一阶段是单品短闭环阶段,核心AI硬件涌现;第二阶段是产品大闭环阶段,“云边端”产品体系重构;第三阶段是产业全面开放阶段,AIoT生态繁荣发展。

对旷视来说,贯穿这三大阶段的产品理念,正是“算法定义硬件”。

结语

回看整个AIoT产业的发展,旷视针对建盏溯源需求提出的解决方案,不过是AI技术落地过程中的冰山一角。在这条细流之外,还有更多企业沿着不同技术路径而努力,目标都是为了推动AIoT市场未来的百花齐放和生态繁荣。

在这个过程中,如何找准适合自己的途径和方法,提高自我造血能力,这是旷视乃至每一个玩家正不断思考和努力解决的重要命题。如今旷视给出的解决方案是:算法要与硬件和应用结合,打造出匹配场景需求的硬件产品,这才能形成真正闭环的价值,从而激发整个AIoT生态的创新。

为您推荐

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据