旷视落子天元:深度学习框架开源,是成为伟大AI企业的第一步
2020-03-28 10:03:44
  • 0
  • 0
  • 0
  • 0

“机器必须有自己独特的思考,机器必须做人类做不到的事情。”

作者 / 刘亚杰

编辑 / 刘 煜

人工智能的飞速发展离不开深度学习和算法的演进。人工智能是怎样实现的?算法又是怎样产生的?

中国人工智能独角兽企业给出了他们的解释:“简单来讲,算法的研发过程就像炒菜。在‘美味算法’的研发中,数据就是各种各样的食材,需要清洗,分类管理,是‘炒制’算法的原材料;而算法的训练和推理就像是烹制的过程,需要锅具(深度学习框架)来承载;算力则是一灶猛火,火候到位才能烧得好菜。

厨师的工作是什么?一定不是买菜、刷锅、端盘子,他们几十年精深厨艺,炉火纯青的,是在火候的顶点逼出锅气,是结束表演时精准洒出的一把盐,然而即便是厨艺高超也不能空手烧出佛跳墙——AI开发者亦是如此,他们钟情于“炼丹”文化,讲究学术造诣,但尽管是大神级开发者,也需要好用的开发工具。

厌倦了晦涩的技术参数与冗长的产品规格说明书,AI从业者远比其他业者更喜欢类比。谈及人工智能和深度学习的理念和优势,免不了讲出如上这样的观点。

故事讲到这,听众总会有所收获,也有了一番不解。

在国内产业升级的背景下,谁能拉动生产力?当厨师站在更好的工作空间,身前围坐着更多苛责的食客时,谁能提升菜品供应效率?随着厨房不断升级,需求、资源、方法论都会改变,这道题越发不好解答。

不过旷视没有给听众太多考虑的时间,而是一递上奇招:先开源,再开放。

3月25日,旷视按计划正式开源其自研、自用了6年的工业级深度学习框架“天元”(MegEngine)。在开源框架的同时,旷视还将开放Brain++的算力和数据平台,其目的是降低AI算法的研发门槛,让“深度学习,简单开发”——“降低开发者的门槛,让 AI 变得平凡,才能真正的释放 AI 生产力。”旷视表示。

01

产业变了

“机器必须有自己独特的思考,机器必须做人类做不到的事情。”

2017年5月27日,贵阳国际大数据产业博览会上,当人们还在回忆一年前,AlphaGo战胜棋手李世石与柯洁的故事,马云说出了这些话。在他看来,机器强大的运算能力,不能只停留在棋盘上,现实中有更广阔的用武之地。

这一年,ARJ21-700飞机获得中国民航局颁发的许可证,中国开始量产喷气式客机;480万辆运营车辆上线被动系统,中国建成全球最大的车联网平台;另据中国汽车工业协会数据,2017年全年中国汽车产销量双双超过300万辆……

由此可见,中国社会正在变化,产业已经告别原始的“作坊式”生产模式,迎来市场化、规模化、现代化改造。这是一次全行业生产工具的全面升级的时代,这次改造才是马云口中人类做不到,应该留给机器思考、完成的“事情”。

很明显,这些“事情”的复杂程度远比下棋更高,不过已经有中国企业关注这些“事情”。这场对弈之后,旷视很快将人工智能产品及解决方案落地,在深度研发人工智能底层算法的基础上,推出智能摄像头、智能计算单元、智能机器人三大硬件体系,走出一条“软硬结合”发展路线。

伴随业务版图不断扩张,旷视也发现了一些问题:世界上不存在通用的算法。很多细分场景和诉求,都需要创新算法来解决,然而算法研发的门槛过高,传统企业和中小企业没有深度学习和算法开发的能力;作为AI算法厂商和解决方案提供商,供方有能力,但是缺乏一线业务场景的数据和对业务的深入理解。双方类似于站在跨海大桥的两端,总要消灭那段距离才能相遇——这也正是AI+产业的升级过程中面临的最大鸿沟。

解决这些问题,已经不是继续强化底层技术实力,或者落地“软硬结合”的业务模式就能够成功的,所以原本授人以鱼的旷视打算“授人以渔”。

02

专业“拆桥”

既然大桥这么累赘,能拆了吗?还真行。

如果需方拥有AI生产工具,就能直接地触达底层需求,不仅能实现“从零到一”的突破,还把AI从原本的成本中心转化为增值工具;供方也能改变传统供需关系,从单纯提供算法的技术提供方,转化为提供咨询、技术、方案一条龙服务的“AI专家顾问”,建立全新的合作模式。

在这层关系中,开放生产力工具是核心要素。正因为如此,旷视最终决定开源、开发Brain++。“算法研发和普通编程不同,是一个系统工程,需要能够协同优化数据、算法、算力的平台级产品,Brain++ 就是一个集数据、算法和算力三位为一体的AI生产力平台。”唐文斌指出。

旷视联合创始人兼CTO唐文斌

发布会中,旷视云服务业务资深副总裁赵立威公布了旷视Brain++ 的商业化路径,“Brain++可以为企业用户提供AI生产全流程的服务,从专业咨询、到数据生产、模型优化,再到私有化AI平台的建设运维,满足各行业在“AI+”的过程中降本增效、自主安全和商业创新的诉求。”

其中,旷视本次开源的深度学习框架颇有看头。

如开篇所述,人工智能的发迹很大程度上依赖于深度学习的进步,而深度学习离不开深度学习框架,但是目前国际主流的框架都属于谷歌和脸书等巨头。虽然中国在AI从业者数量和AI应用方面走在世界前列,但在底层的基础设施还是缺位的。令人兴奋的是,这一周中国将接连开源3款深度学习框架。包括3月20日清华大学主导的深度学习框架 Jittor(计图)、3月25日旷视开源的天元(MegEngine),以及将于3月28日华为开发者大会公布开源的MindSpore。

有人说,旷视开源是为了和巨头竞争,但是旷视方面则表示开源是想让更多人用旷视的框架,找到更多能在产业落地的算法和部署的方案,“开源深度学习框架是开放Brain++计划的一部分。”

目前,旷视Brain++的这种打法已在制造业落地。以一家制造企业为例,该企业工厂在配电产品质量检测中偶尔出现零部件颜色搭配错误、字符印刷残缺等情况,靠人工目检效率低,靠机器视觉方案需要巨大投入。于是,旷视为其提供了基于数据管理平台MegData和深度学习框架天元的解决方案,通过数据增广技术实现了数据抽取、清洗、标注、管理全流程管理,而天元可将深度学习算法研发的能力与方案直接布署到工厂,极大降低了工厂创新算法的训练成本,满足产线上快速升级算法的要求。

03

裂变前夕

在科技领域,唯一的不变就是改变。何况在中国产业升级不断深入的背景下,谁都无法说清未来的模样。

随着国务院发布《新一代人工智能发展规划》,以及“新型基础设施建设”概念的提出,进一步加速人工智能、深度学习、5G、工业互联网等创新技术正在各行业中的推广普及。这是一个在需方市场爆发的产业风暴,整个社会将进行一次前所未有的技术升级。

在这些宏观政策的推动下,人工智能市场的现有格局与发展趋势出现进一步调整。大量没有接入人工智能的企业,将会迎来全面的技术再造;得到技术重塑的企业,将会产生更为多元化的诉求。行业需要更多旷视这样的“AI专家顾问”企业,才能为更多传统企业“+AI”服务。

为提升生产和管理效率,现在还能用的生产工具,到时候必须变得好用够用。更为强大的计算能力,以及更为优渥的数据资源将成为必要条件。届时,只有开源框架的工具就不够用了,推动行业的发展需要更为专业的产品与服务。

不过在旷视的版图中,早已准备好算力和数据资源。旷视开源框架绝非锁定眼前利益,而是瞄准了更长远的未来,一个AI与深度学习都必不可少的未来,这也让旷视的发展有了更大的想象空间。

相比谷歌、脸书,甚至是百度和华为,旷视是开源框架主体中唯一一家以AI为本业的企业,立足于此、发迹于此。近十年的发展,旷视比其他企业更了解技术的走向,更清楚在何时,以怎样的形式与产业结合,能收到更理想的效果——这是底层基因决定的,对手学不来。足够的专业性,正是旷视布局未来的最大底气。

04

结语

在很多人看来,旷视作为挑战者开源框架,与行业巨头“同框”,其中的难度并不小,甚至部分人持有怀疑的态度。不过笔者认为,旷视的行为应该得到更多的鼓励与支持。

旷视是唯一一家走上开源框架之路的中国企业,其中有太多的未知和不确定,这是一个“勇敢者走夜路”的过程。旷视是一家能力主导型企业,每向前一步,都建立在更为成熟的技术基础上,这些“硬实力”能够让旷视拥有更多主动权。

从行业发展的客观规律来看,能够在大浪淘沙中脱颖而出,必须经过多年的行业浸润,在专业性上具备绝对实力。在这两方面,旷视都有非常突出的优势。因此应该给予旷视更多的信心,在开源的历史上,留下浓墨重彩的一笔。

 
最新文章
相关阅读