AI 基礎設施層決定產業(yè)跑速

      一直以來，AI 的生產力被高昂的算力成本、人才成本所掣肘，AI 技術往往成為眾多企業(yè)的成本中心而非價值中心。先進技術如何能真正帶動傳統(tǒng)產業(yè)發(fā)展，提高 AI 生產力的解在哪里？

一個產業(yè)的發(fā)展，離不開一套能用、好用的基礎設施，降低生產成本，提高生產效率，吸引更多人參與。曠視成立八年，一直奔跑在 AI 這條賽道上，我們看到了眾多基于 AI 的硬件、軟件、解決方案，但真正影響產業(yè)跑速的是 AI 的基礎設施。

曠視認為：AI 的基礎設施只有兩部分組成—— 芯片平臺和生產力平臺。其中，芯片平臺承載 AI 的計算，那么 AI 生產力該如何理解？ 

AI 算法的生產與程序生產不同，是一個系統(tǒng)工程，需要能夠協同優(yōu)化數據、算法、算力的平臺級產品。六年間，曠視打造了自己的基礎設施，今天我們想與更多的企業(yè)、開發(fā)者開放，合作共贏，促進 AI 產業(yè)繁榮。

同時這套基礎設施的核心——深度學習框架“天元”也將全面開源，正式邀請全球開發(fā)者參與共建這套中國自研的生產力平臺核心部分。

天元，意為棋盤核心，亦為萬物本源，曠視希望越來越多的開發(fā)者基于天元可以從 0 到 1 創(chuàng)造屬于自己的算法，在 AI 時代提供一套人人可用的生產力工具。

曠視開源，落子天元。

AI 時代的三位一體生產力平臺

開源發(fā)布會上，曠視聯合創(chuàng)始人、首席技術官唐文斌用廚房來做比喻，解釋曠視的三位一體生產力平臺——Brain++。

“Brain++ 平臺的意義是為了能像 Visual Studio 一樣為用戶提供更完善的集成開發(fā)環(huán)境，滿足 AI 開發(fā)者從 AI 生產（輸出算法模型）到應用（實現算法工程化封裝）各環(huán)節(jié)中，一站式、全流程算法研發(fā)的切實需求，將產品從實驗室原型到工業(yè)部署原本數周或數月的時間成本，縮短到小時級?！碧莆谋蠼榻B到。

簡單來講，算法研發(fā)過程就像炒菜。在“美味算法”的研發(fā)中，數據就是各種各樣的食材，需要清洗，分類管理，是“炒制”算法的原材料；而算法的訓練和推理就像是烹制的過程，需要鍋具（深度學習框架）來承載；算力則是一灶猛火，火候到位才能燒得好菜。

如果沒有一套廚具和廚房，大廚就像在野外生存，不僅要逐兔追雞，還得自己打鐵鑄鍋、生火劈柴，菜品生產力很低。同樣的，對于有一定的機器學習經驗和框架基礎的開發(fā)者來說，他們的開發(fā)工具往往需要東拼西湊，再強的學術造詣也無法加快算法的生產。

降低開發(fā)者的門檻，讓 AI 變得平凡才是真正的釋放 AI 生產力。曠視希望通過開源、開放的方式逐步將 AI 生產力平臺 Brain++ 的能力傳遞給業(yè)界廣大開發(fā)者，讓每一個 AI 開發(fā)者都有能力快速實現算法從 0 到 1 的創(chuàng)造，進而創(chuàng)造更大的價值。

AI開發(fā)者可以簡單開發(fā)比什么都重要

發(fā)布會上，天元開源項目的產品負責人田忠博詳細介紹了天元的技術細節(jié)。天元是一套訓練推理一體化、動靜態(tài)合一的工業(yè)級深度學習框架，架構上具體分為計算接口、圖表示、優(yōu)化與編譯、運行時管理和計算內核五層。

怎樣才能簡單開發(fā)？在傳統(tǒng)開發(fā)環(huán)境中，AI 開發(fā)者們會根據方向不同選用不同的框架，但是從原型設計到部署還需要切換開發(fā)工具，就像廚師每炒一道菜還要換個鍋，鍋和灶眼也不見得適配。

天元對于 AI 開發(fā)者來說，就是一套從菜譜到美味的端到端一體化智能鍋，覆蓋從訓練到推理再到部署裝盤全流程。不僅自帶菜譜（模型庫）還支持自定義菜譜（模型導入），具備顯示屏靈活可控、方便操作，特別適合既要求美味，又追求效率和體驗的 AI 生產者。

而現在這口“好鍋”的 Alpha 版本已經在 GitHub 和 OpenI 平臺中開源。

讓一部分企業(yè)先實現 AI+

除了為解決開發(fā)者生產力而開源的天元，一同發(fā)布的還包括為了幫助企業(yè)實現 AI+ 升級的Brain++ 開放計劃。

曠視云服務業(yè)務資深副總裁趙立威向業(yè)界展示了 Brain++ 商業(yè)化的全景。“我們不僅將把深度學習框架開源使用，也將開放數據能力、算力能力給企業(yè)級種子用戶，至少能夠先讓一部分企業(yè)實現 AI+?！?/p>

“從目前的現實情況來看，產業(yè)實現 AI+ 的共性難題莫過于無法解決場景過小而技術升級投入過大之間的矛盾，因此 AI 解決方案難以落地。以一家制造業(yè)領域的客戶為例，工廠在配電產品質量檢測中，會出現零部件顏色搭配錯誤、字符印刷殘缺等情況，靠人工目檢費時費力效率低，靠機器視覺方案就需要在數據、算法和算力投入大量的人力、物力，且模型效果難以維持。”趙立威在介紹現有 Brain++ 方案時介紹到，“曠視為客戶提供了基于 Brain++ 平臺的智能質檢解決方案，綜合統(tǒng)籌數據、算力的能力，幫助客戶實現了模型的快速選型、優(yōu)化和封裝。工廠在 Brain++ 的助力下，極大地提升了質檢效率和生產效率?！?/p>

而從今天之后，您也可以擁有專屬的 Brain++ 平臺，可以使用 AI 的力量實現企業(yè)技術升級。