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。火焰检测、工业质检、零件计数、危化品检测、通行管理、明厨亮灶、高空抛物检测、普洱茶茶饼识别、破皮速冻水饺检测……这些“五花八门”的AI算法，伴随着数字化转型的热潮，进入了日常生产生活。

表面看，各行各业都有算法不断融入，但实际上，AIoT市场上高质量的AI算法仍然“供不应求”，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，也是旷视提出算法量产理念的初衷。11月10日，旷视举行算法量产沟通会，旷视研究院算法量产负责人周而进在会上介绍了旷视在优质算法生产过程中的洞察、经验及实践，为 AIoT 时代算法落地提供新思路。

AIoT 市场算法供给面临 5 大挑战

当下，影响 AIoT 市场算法供给、落地过程中，主要存在 5 大挑战：行业数据匮乏、算法通用性低、IoT设备繁杂、Software2.0的挑战以及算法供给质量参差不齐。

面对这些课题，行业中存在着不同方向的探索：目前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，但往往成本较高、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；能够解决部分问题的云端 AI 开发平台，虽然易上手、零代码，但是只实现了流程数字化，对策略选择自动化等进阶功能的支持有限……

这些探索非常好，而且每一条路其实旷视都走过，但是在应对一个复杂问题时候，光靠单点其实是不够的。需要对AI生产模式的理念和生产方式进行思考。面对AIoT 市场算法供给的多重挑战，旷视基于10余年的算法研发积累及深入多个行业的项目实践经验，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。

以算法量产应对海量算法需求

在推动算法在各行各业的实际场景落地的过程中，旷视一直坚持“落地实用是算法价值的最终检验标准”。而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。面对如此复杂的挑战，旷视认为“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”。这个标准化过程，包括了数据生产的标准化、算法模型的标准化和推理框架的标准化。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。

旷视研究院算法量产负责人周而进

为此，旷视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。AIS标志着旷视Brain++的又一次飞跃，让算法量产真正成为可能。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，有效节省IoT设备的日常开发与维护成本。

此外，旷视提出了适合当下算法需求的 5:3:2 研发矩阵，即：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个算法研究员聚焦于算法的创新与探索，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。这一团队阵型，既满足了解决现有问题的需求，同时也能不断自我提升，推动AIoT时代所需的AI能力进化。

算法量产

加速 AI 与实体经济深度融合

在沟通会现场，旷视还重点展示了其在非物质文化遗产“建盏”溯源领域的成果。近年来建盏产业快速发展，产值预估超75亿元，品牌价值超160亿元，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。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，利用建盏“每盏皆唯一”的特点，实现了一盏一图、一盏一码、图码结合，有效打击仿造伪造等行为，推动建盏产业的规范化发展和数智化升级，让历经千年的建盏，通过AI技术，焕发出新的时代生机。

除建盏溯源外，旷视通过算法量产已经帮助能源、教育、零售、运动健身等行业的多个客户在日常生产与经营中运用AI技术，实现降本增效。旷视通过算法量产研发的明厨亮灶算法，已帮助多家合作伙伴在10余座城市的学校落地，守护学生用餐安全。旷视基于MegEngine框架，通过算法量产和AIS生产平台，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。

对于算法量产在行业中的未来，周而进强调，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。旷视希望通过AI算法生产的标准化以及AI生产力平台的构建，大幅降低算法生产的成本和门槛，让更多人可以参与进来，促进算法在更多行业的落地，加速AI与实体经济的深度融合。