電子發燒友網報道（文/李彎彎）隨著人工智能、深度學習等新技術不斷推出和演進，越來越多的行業進行智能化升級、智能化創新，實現降本增效。

伴隨著數字化轉型的熱潮，各種各樣的AI算法也進入到人們的生活中，然而市場上AI算法在供給、落地過程中，仍然存在行業數據匱乏、算法通用性低、IoT設備繁雜等諸多挑戰，算法供給質量參差不齊。

大規模AI算法落地難題

如何解決算法生產及落地應用挑戰，讓人工智能在海量場景中發揮更大的作用，是人工智能企業在AIoT時代需要解決的難題。

對于這些問題，行業從不同方向進行了積極的探索。目前來看，絕大多數算法都是定制化生產模式，根據需求進行算法定制化開發，一個一個項目解決，然而這種定制化模式成本高、算法交付質量參差不齊。預訓練大模型能為算法帶來良好的泛化性，但其背后需要大量算力支持，并且難以解決具體的細分場景問題。

基于10多年的算法研發積累及深入多個行業的項目實踐經驗，曠視提出了算法量產的理念。曠視希望通過算法量產，將AI生產過程標準化，降低算法生產門檻，讓更多的人能夠加入到算法生產的工作中，提升算法生產效率。

曠視認為，大規模算法落地是系統問題，在數據、模型、評測和迭代等環節都存在很多挑戰，算法生產過程的標準化，是解決復雜且碎片化的算法生產的有效手段。只有標準化才有可能讓算法生產的所有環節實現自動化，進而提高算法生產的效率。

為此，曠視還推出了適配算法量產的AI基礎設施——算法生產平臺AIS（AI Service）。AIS基于曠視Brain++體系，構建了一套覆蓋數據處理、模型訓練、性能分析調優、推理部署測試等算法生產全鏈路的零代碼、自動化的生產力工具平臺。

目前，AIS平臺可以支持100多種業務模型訓練，最快2小時即可完成訓練，且模型產出精度指標遠高于業界平均水平。同時，AIS的嵌入式管理平臺已支持30種設備的管理，可以有效節省IoT設備的日常開發與維護成本。

曠視算法生產平臺AIS提升算法生產效率

比如在健身行業，曠視的運動猿訓練站能夠科學分析并判定多項體育動作，曠視運動猿訓練站基于MegEngine框架，依托算法生產平臺AIS研發而成，在純視覺方向上實現了精度高、速度快、成本低等優勢，可準確識別正確與違規動作，以AI助力體育訓練全流程的數字化和智能化。曠視運動猿訓練站通過自研模型快速精準的檢測超過30個人體骨骼點，可覆蓋跑步訓練、身體素質訓練、球類訓練三大運動品類下的多種運動場景。

舉例來說，在跳繩場景中，在240次/分鐘的條件下，曠視運動猿訓練站能夠實現正負1的誤差，并可以準確分辨出跳繩與開合跳等相似的動作。而仰臥起坐不僅支持識別運動過程中的雙手未抱頭、雙腿未屈膝、手肘未觸碰膝蓋等多種違規情況，還能準確記錄運動過程中的真實數據，實現正負1的計數要求。

與支持多種運動場景形成鮮明對比的是，曠視運動猿訓練站短短數月的開發周期，這背后的功臣便是曠視提出的算法量產理念及其自研的算法生產平臺AIS。

正如上文所言，AIS基于曠視Brain++體系，構建了一套覆蓋數據處理、模型訓練、性能分析調優、推理部署測試等算法生產全鏈路，零代碼、自動化的生產力工具平臺，提供多種功能支持算法快速生產部署，可以大幅降低算法生產的門檻，提升算法生產效率。

以足球顛球計數為例，需要有人體檢測、骨骼點檢測、足球檢測至少三個模型。借助算法生產平臺AIS，人體檢測和骨骼點檢測模型耗時為12小時左右，足球檢測模型則進一步降低至1-4小時，極大地提升了模型訓練的效率。

除了健身行業外，曠視日前還對外重點展示了其在非物質文化遺產“建盞”溯源領域的應用成果。隨著宋代茶文化和建窯建盞熱度不斷增高，越來越多的人關注并了解到建盞，然而仿造、偽造、以次充好等問題嚴重影響著建盞產業的發展和品牌價值。

過去，建盞在銷售和鑒定過程中，更多依賴于建盞傳承人親筆簽名、拍照，或提供產品防偽碼等形式。這類方法效率低、人力成本高，還留下了更多造假仿造的空間。

曠視基于算法量產，推出了建盞產業內首個基于盞紋識別的建盞AI溯源系統，該系統基于建盞的盞紋，通過圖像檢測和識別等AI技術，對建盞進行采集、登記、追溯、鑒定，可有效保護建盞行業從業者和消費者的權益。