首頁>資訊 >
天天微動態(tài)丨專訪曠視科技:千年建盞的溯源智能化背后,算法量產(chǎn)是解決AI算法落地的一大路徑 2022-11-21 17:49:50  來源:36氪

作者|韋世瑋

**


(資料圖片)

“茶興于唐而盛于宋”。據(jù)說始于神農(nóng)時代的中國茶文化,至今已流淌了4700多年歷史,隨后在唐朝走向發(fā)展的黃金時代,在宋朝進入了茶文化繁榮的鼎盛時期。

與唐朝煎茶、元朝泡茶不同的是,宋朝流行的點茶不僅催生出了“斗茶之風”,還讓建盞風靡了千年,在茶案上獨領風騷。

何為建盞?顧名思義,就是建窯燒制的黑釉茶盞,發(fā)源于今福建省南平市建陽區(qū),憑借獨一無二又絢麗神奇的斑紋,享有“入窯一色,出窯萬彩”的美譽,上至皇族、下至平民無不喜愛?!巴煤吝B盞烹云液,能解紅顏入醉鄉(xiāng)?!边@正是宋徽宗在《宮詞其七四》中對建盞的贊美。

2011年,建窯建盞燒制技藝成功列入國家級非物質(zhì)文化遺產(chǎn)名錄,并走進國際視野,引起世界收藏愛好者們的關注和熱情。近年來,建盞相關企業(yè)從原來的12家猛增到7200多家,產(chǎn)值也從原來的100多萬元發(fā)展到預計75億元,品牌價值超160億元。

建窯建盞

建盞巨大的商業(yè)價值和投資潛力背后,產(chǎn)業(yè)的隱秘角落也滋生了假冒仿制、以次充好等行業(yè)亂象,嚴重破壞了市場秩序和良性發(fā)展,也影響著建盞產(chǎn)值的發(fā)展和品牌價值。然而過去的建盞鑒定主要依賴傳承人的親筆簽名、拍照,或是提供產(chǎn)品防偽碼等,這些方式不僅效率低,人力成本也高,難以解決行業(yè)亂象。

直到2021年6月,建盞生態(tài)公司找到了曠視科技,提出了建盞識別和溯源的需求。通過借助“算法量產(chǎn)”,曠視科技推出了首個基于AI圖像識別技術打造的建盞溯源系統(tǒng),為每一只建盞賦予專屬“電子身份證”,實現(xiàn)了“一盞一圖、一盞一碼、圖碼結(jié)合”,有效地解決仿造、偽造、以次充好等問題。

實際上,曠視科技AI建盞溯源系統(tǒng)的研發(fā)之路并不輕松。從去年6月至今,曠視科技在開發(fā)這套系統(tǒng)過程中,主要面臨了哪些意想不到的挑戰(zhàn)?研發(fā)背后蘊含的“算法量產(chǎn)”理念又是什么?如何加速AI落地,與實體經(jīng)濟進一步深度融合?

為此,近日36氪等媒體與曠視科技展開了一場深度對話,在探究以上答案的同時,我們也看到了作為“AI四小龍”的曠視科技,是如何逐漸摸索出一條屬于自己特有的,具有差異化競爭力的落地路徑。

01、識別準確率超95%,千年建盞溯源的挑戰(zhàn)

最初接觸到AI建盞溯源項目的曠視研究院團隊并沒有信心,“因為我們認為,當人本身就難以判斷盞之間的區(qū)別時,那AI大概率很難做到,并且行業(yè)也沒有可借鑒的案例?!睍缫曆芯吭核惴ㄑ芯繂T申遠談道。更重要的是,與其他瓷器相比,建盞釉面具備的金屬光澤會有很強的反光,這對AI識別來說是一個巨大的挑戰(zhàn)。

如何在這一堆“不可能”中找尋到一絲可能性,申遠和同事們進行了許多探索性嘗試。在這個過程中,曠視團隊親自采集了8500個建盞樣本數(shù)據(jù),并進行了初步驗證,發(fā)現(xiàn)效果比預想的還要好一些。至此,曠視團隊才第一次真正對AI建盞項目產(chǎn)生信心。

但新的問題也隨之而來。

“過去我們接到類似的項目,往往需要研究員花費大量時間做實驗設計,在過程中進行大量算法模型參數(shù)的調(diào)優(yōu)?!睍缫曆芯吭核惴慨a(chǎn)負責人周而進說。

為了改善這一問題,曠視對AI生產(chǎn)模式進行了思考,希望能夠?qū)⒄麄€AI算法生產(chǎn)的過程進行標準化,從而降低算法生產(chǎn)的門檻。于是,曠視提出了“算法量產(chǎn)”理念,基于曠視Brain++和曠視天元訓練框架,打造了一個能夠適配算法量產(chǎn)的AI基礎設施——算法生產(chǎn)平臺AIS(AI Service)。

基于“算法量產(chǎn)”理念和AIS算法生產(chǎn)平臺,并通過借鑒許多在其他生物認證識別上的經(jīng)驗,曠視團隊迅速完成了建盞溯源算法的原型開發(fā),并驗證了可行性。

簡單來看,這套AI建盞溯源系統(tǒng)細分了大量的子方向和算法,包括建盞的定位、檢測、質(zhì)量判斷,以及最重要的紋理識別。另外針對釉面材質(zhì)的反光,曠視研發(fā)了一個專門的硬件設備,形狀像一個封閉的盒子,并內(nèi)置可控制的光源,只要將剛出窯的建盞放進盒子里打光拍攝,就能夠從物理層面大大解決常規(guī)拍攝的嚴重反光,導致信息丟失的問題。

曠視AI建盞溯源系統(tǒng)

與此同時,通過2D圖像的檢測和細分特征識別,曠視只需要對建盞進行多個角度的拍攝和提取特征,就能捕捉到整只建盞的3D結(jié)構(gòu)信息。

曠視AI建盞溯源系統(tǒng)的誕生,不僅實現(xiàn)了“一盞一圖、一盞一碼、圖碼結(jié)合”,對兔毫、鷓鴣斑、曜變等類型建盞達到95%以上的識別準確率,還可支持移動端快速鑒別建盞的真?zhèn)?。這對推動建盞產(chǎn)業(yè)的規(guī)范化和數(shù)字化升級,提供了一套行之有效的解決方案。

曠視AI建盞溯源系統(tǒng)支持移動端快速鑒別建盞

周而進告訴36氪,如今這套系統(tǒng)已基本能做到在正常光照環(huán)境下完成拍攝任務,但也存在不少迭代改進空間,主要集中在算法演進和識別準確性上。一是將繼續(xù)提高系統(tǒng)對更多光照環(huán)境的適應性,讓用戶的拍照角度更隨意;二是逐步優(yōu)化系統(tǒng)對特征不易觀測的建盞(如單色黑釉)的識別準確性。

對曠視團隊來說,這是他們將AI算法落地到非物質(zhì)文化遺產(chǎn)保護的第一步。

“從技術角度看,建盞背后的整個算法生產(chǎn)模式和技術,可以被復制到許多類似非遺保護的產(chǎn)品上。更廣一點說,做物品的鑒定、身份確認等工作,背后的技術原理是相通的。”周而進說。

02、基于“算法量產(chǎn)”解決大規(guī)模算法落地問題

實際上,AI建盞溯源系統(tǒng)只是曠視“算法量產(chǎn)”理念在落地過程中的一個側(cè)影。至今,曠視已幫助能源、教育、零售、運動健身等領域的客戶實現(xiàn)了技術在日常生產(chǎn)和經(jīng)營中的應用,達到降本增效的效果。

例如,曠視開發(fā)的明廚亮灶算法已在10余座城市的學校落地,保障學生用餐安全;基于MegEngine框架,并通過“算法量產(chǎn)”和AIS生產(chǎn)平臺,曠視為某油田提供了煙霧檢測、火焰檢測、油品泄漏、配電室未佩戴絕緣手套等多項AI算法,通過“危險化學品視頻分析智能預警系統(tǒng)”,提升其日常安全監(jiān)管工作效率。

透過“算法量產(chǎn)”理念,我們不難看到曠視對當下AI行業(yè)落地產(chǎn)生的新思考。

“大規(guī)模算法落地本身是一個系統(tǒng)問題,真正難點在于這個系統(tǒng)的復雜性?!敝芏M談道,目前各行各業(yè)都有算法在不斷融入,但真正能解決問題的算法仍供不應求,整個AIoT市場的算法供給面臨行業(yè)數(shù)據(jù)匱乏、算法通用性低、IoT設備繁雜、Software2.0的挑戰(zhàn)、算法供給質(zhì)量參差不齊等五大挑戰(zhàn)。

AIoT市場算法供給面臨5大挑戰(zhàn)

為了解決這些問題,目前玩家通常采用定制化開發(fā)、預訓練大模型、云端AI開發(fā)平臺等不同方式進行算法生產(chǎn)。除此之外,一直以來的算法生產(chǎn)模式為“需求-數(shù)據(jù)-模型-部署”,該模式要求研究員具備非常高的綜合能力,整體生產(chǎn)流程存在分工難以明確、全能型人才稀缺、培訓和人才儲備成本高昂、經(jīng)驗無法沉淀成方法的難點。

在周而進看來,這些算法生產(chǎn)方式大部分是針對某個單一算法,關注算法的“瞬時指標”,但在應對一個復雜問題時,光靠單點是不夠的。如果要有效解決整個系統(tǒng)問題,就要從算法生產(chǎn)到算法模型,再到推理框架進行標準化,去構(gòu)建算法生產(chǎn)體系和基礎設施,去關注算法的可用標準和持續(xù)迭代能力?!皹藴驶庞锌赡茏屗惴ㄉa(chǎn)的所有環(huán)節(jié)實現(xiàn)自動化?!彼f。

基于10多年的算法研發(fā)和多行業(yè)項目實踐經(jīng)驗,曠視提出了“算法量產(chǎn)”理念,希望通過算法量產(chǎn),將AI生產(chǎn)過程標準化,降低算法生產(chǎn)門檻,從而讓更多人能夠加入到算法生產(chǎn)工作中,提升算法生產(chǎn)效率。

“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。”周而進提到。

為了更好地實現(xiàn)算法量產(chǎn),曠視一方面提出了適配算法量產(chǎn)的5:3:2研發(fā)體系,包括5個行業(yè)工程師,基于AIS算法生產(chǎn)平臺進行相應的業(yè)務交付;3個算法研究員,聚焦算法的創(chuàng)新與探索;2個工程師,不斷打磨相應的基礎設施并進行AI生產(chǎn)力工具的開發(fā)。

另一方面,曠視提出了適配算法量產(chǎn)的AI基礎設施——算法生產(chǎn)平臺AIS(AI Service),主要基于曠視Brain++體系,構(gòu)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。

曠視算法生產(chǎn)平臺AIS

目前,曠視AIS平臺已經(jīng)支持100多種業(yè)務模型訓練,最快2小時即可完成訓練,同時其嵌入式管理平臺已支持30種設備的管理,能有效節(jié)省IoT設備的日常開發(fā)與維護成本。“截至今年第三季度,城市物聯(lián)網(wǎng)板塊75%的模型發(fā)版都是通過算法量產(chǎn)的模式來完成。”周而進說。

但需要注意的是,解決大規(guī)模AI算法落地的問題并不等同于解決AI落地。

主要原因在于,AI落地還涉及很多其他因素,比如產(chǎn)品、解決方案、整體價格、客戶的信息化水平等,不單是大規(guī)模AI算法落地這個單一性問題。周而進告訴36氪,這需要AI技術know-how和行業(yè)know-how的深度融合,需要有核心技術體系,有軟硬協(xié)同一體的產(chǎn)品能力,以及產(chǎn)品落地行業(yè)的實踐經(jīng)驗,才能真正加速AI算法在各行業(yè)的落地。

03、曠視如何面向AIoT產(chǎn)業(yè)發(fā)展的黃金十年?

如果說“算法量產(chǎn)”是曠視針對大規(guī)模算法生產(chǎn)落地而提出,那么“算法定義硬件”則是其針對AIoT海量應用場景需求下提出的另一個產(chǎn)品理念。

實際上,面對當前豐富靈活多變的AI場景需求,以及不斷蓬勃發(fā)展的應用生態(tài),大部分傳統(tǒng)硬件的產(chǎn)品思路是在AI技術和產(chǎn)品之間、軟硬件之間、技術平臺之間找到一種平衡,但這種平衡往往“魚和熊掌不可兼得”,要么犧牲AI算法能力,要么犧牲硬件功能。

在曠視看來,如果要實現(xiàn)真正的協(xié)同,需要將算法需求前置考慮,從算法和用戶場景需求出發(fā),反推所有技術架構(gòu)和平臺之間的協(xié)同設計,從而得到一個更優(yōu)的產(chǎn)品方案。

基于此,“算法定義硬件”應運而生。

與“算法量產(chǎn)”的底層邏輯相通,在“算法定義硬件”中,算法是產(chǎn)品的核心要素,硬件將圍繞算力的優(yōu)化和算法支撐來重新設計,逐步走向標準化。同時,標準化硬件能夠通過加載不同算法,靈活演變成不同的智能化硬件,從而滿足海量場景的應用需求。

從技術角度看,“算法定義硬件”的底層依賴是曠視以“基礎算法科研”和“規(guī)模算法量產(chǎn)”為核心的“2+1”AIoT核心技術科研體系,還有以“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)。整套科研體系涵蓋從基礎研究、算法生產(chǎn)到軟硬一體化產(chǎn)品的AI落地全鏈路,這也是曠視的技術護城河,以及公司未來走向AIoT商業(yè)化成功的重要基石。

不可否認,AIoT產(chǎn)業(yè)正逐漸迎來發(fā)展的黃金十年,AI技術也將進入這萬億級的海量AIoT場景中。

面向這個未來,曠視將AIoT產(chǎn)業(yè)的發(fā)展劃分為三個階段:第一階段是單品短閉環(huán)階段,核心AI硬件涌現(xiàn);第二階段是產(chǎn)品大閉環(huán)階段,“云邊端”產(chǎn)品體系重構(gòu);第三階段是產(chǎn)業(yè)全面開放階段,AIoT生態(tài)繁榮發(fā)展。

對曠視來說,貫穿這三大階段的產(chǎn)品理念,正是“算法定義硬件”。

結(jié)語

回看整個AIoT產(chǎn)業(yè)的發(fā)展,曠視針對建盞溯源需求提出的解決方案,不過是AI技術落地過程中的冰山一角。在這條細流之外,還有更多企業(yè)沿著不同技術路徑而努力,目標都是為了推動AIoT市場未來的百花齊放和生態(tài)繁榮。

在這個過程中,如何找準適合自己的途徑和方法,提高自我造血能力,這是曠視乃至每一個玩家正不斷思考和努力解決的重要命題。如今曠視給出的解決方案是:算法要與硬件和應用結(jié)合,打造出匹配場景需求的硬件產(chǎn)品,這才能形成真正閉環(huán)的價值,從而激發(fā)整個AIoT生態(tài)的創(chuàng)新。

關鍵詞: 解決方案 基礎設施

相關閱讀:
熱點
圖片 圖片