在人工智能技術不斷髮展的今天，期待中國在人工智能領域更快、更高、更好的完成基礎設施建設，打破國外的科技壟斷，為未來一百年的高速發展奠定基礎。
近期，中央密集出臺相關政策，各省市陸續出爐2020年重點建設項目，“新基建”成為當前各界關注重點。3月4日，中共中央政治局常務委員會召開會議，提出將加快推進國家規劃的重大工程和基礎設施建設，其中明確提出將加快人工智能、5G網絡、數據中心等新型基礎設施建設進度。
區別於傳統基建，“新基建”是指發力於信息數字化的基礎設施建設，主要包括5G基站建設、特高壓、城際高速鐵路和城市軌道交通、新能源汽車充電樁、大數據中心、人工智能、工業互聯網七大領域，其核心在於傳統產業的數字化轉型，傳統基礎設施的數字化改造。
打破科技壟斷
在新基建提出之後，曠視也“碰巧”開源了深度學習框架“天元”，表面上看起來是巧合，其實在曠視內部，從去年開始便已經在推動天元框架的開源進程，從框架技術的成熟度、生態環境的完善度，一直到未來發展的方向，經過了多次討論才做出了這樣一個需要勇氣的決策。
總得說來，深度學習框架有三個時間節點，早在六年前Caffe便已經開放，此後2015年、2016年先後集中湧現了一批開源框架，TensorFlow和PyTorch分別成為產業級和學術界非常受歡迎的深度學習框架代表。
Caffe是一個清晰而高效的深度學習框架，也是一個被廣泛使用的開源深度學習框架，它的主要優勢是上手容易，訓練速度快，組件模塊化，可以方便的拓展到新的模型和學習任務上。但是Caffe最開始設計時的目標只針對於圖像，沒有考慮文本、語音或者時間序列的數據。TensorFlow在2015年由谷歌公司正式發佈，是一個使用數據流圖進行數值計算的開源軟件庫。靈活的體系結構允許使用單個API將計算部署到服務器或移動設備中的某個或多個CPU或GPU。
在國外開源的深度學習框架佔據了主流框架之後，2020年，中國迎來了深度學習框架集中爆發之年。清華大學的計圖(Jittor)、曠視的天元（MegEngine）和華為推出的MindSpore先後問世。
實際上，曠視天元早在2014年8月就在公司內部誕生了，經過實踐中的不斷改進，終於在2020年3月開源，雖然在開源時間上晚於國外的幾家公司，但是曠視天元的優勢仍然非常明顯。首先是框架與算法的協同，其次是高效與強大的性能，第三是很好地支持大數據、大規模訓練。天元是為工業級、研究院規模的研發機構設計的，它具備的一些核心特點都是用來解決現實研發過程中的痛點，例如一鍵切換訓練推理，同時支持動態圖和靜態圖等。
深度學習框架屬於AI的底層技術架構，像谷歌這樣的大公司一直在積極的佈局人工智能的底層技術發展，只有站穩了軟件層，未來在算法層、服務層和應用層上才能有更大的發展空間，而且不會因為技術受制於人。
從當前人工智能技術在場景中應用分析，人工智能應用薄，算法能力與人工能力的差距大。對於很多企業來說，想要用人工智能解決當下遇到的問題，但是本身沒有技術，需要專門招聘相關的人才、投入資金設備研究，而且需要多長時間能實現商業應用也是未知數，成本太高但是預期又不確定，因此很多企業也就不願意投入資源探索。對於身處人工智能領域的企業而言，很多企業一直紮根於技術的研發、升級，對於需求端的瞭解並不深入，因此在商業化方面略顯尷尬。
AI融合更多生活場景，提高生產力
在新基建的背景下，算法能力的短板正在被補齊，人工智能技術將會參與到更多的場景中。曠視科技便是在這個背景下不斷地推動人工智能技術賦能各行各業的企業。曠視科技是早期入行的企業，經過多年的摸爬滾打，在技術上已經成為行業內的佼佼者。
曠視內部自主研發的AI生產力平臺Brain++在融入生活場景方面發揮著獨特的作用。在這次突發的新冠疫情中，Brain++就幫助曠視在非常短的時間內打造出了智能測溫系統，包括明驥和Koala兩款產品。
其中，曠視Koala的智能測溫系統主要應用在疫情期間的通行場景，由面板機形態的前端硬件與後臺體溫管理系統組成。前端的硬件組合非常簡單、安裝靈活，但是後臺的體溫管理系統性能強勁。據瞭解，曠視正是因為擁有Brain++這樣的AI基礎設施，才能用兩三天就完成新場景的算法模型升級，使得系統可以結合紅外熱成像技術，精準確定額頭位置進行測溫，並且在0.3-1米遠距離快速測溫，0.5秒即可返回結果，快速完成測溫，而且精度在0.3攝氏度以內。
目前，曠視Koala智能測溫通行系統已經在北京191家大中型超市廣泛落地，實現無停留過檢，原本需要2-4名工作人員的出入口，如今只需要1名工作者配合維持秩序就可以完成店面的防疫需求管理，有效減少超市防疫的人力投入，實實在在的提升企業生產效率，幫助企業實現降本增效的目標。
這種生產力和生產效率的提升並不是取代了人的工作，而是最大限度放大了機器的優勢，並釋放出了人的生產力。 比如零售小店，人工智能化的零售小店可以通過對每天商品的進銷、顧客的往來等數據進行分析，從而直接發現該零售小店附近顧客的喜好、人流量高峰低谷期等，進而輔助店長管理決策，提升零售店的生產力和效率。如果沒有人工智能的輔助，則需要依靠人的經驗積累，但是對於流動性比較大的崗位和變化快的行業而言，很難做到高效應對。
不管是曠視Koala智能測溫通行系統，還是智能化的零售小店，對比之下不難發現，人工智能之所以受到重視，不僅是因為技術本身的先進性，更重要的是，未來的社會發展並不需要所有人懂得人工智能技術，但一定會用到人工智能，因此人工智能正在成為未來經濟和社會發展的底層技術，成為了新基建的關鍵領域。
人工智能贏在底層技術
AI生產力平臺究竟是指什麼？為何會有如此高效的生產力？曠視的AI生產力平臺又叫Brain++，它是由已經開源的天元發展而來，天元負責AI的算法部分，它和MegData（數據管理平臺）以及MegCompute（深度學習雲計算平臺）一起組成了AI生產力平臺。
可以做一個形象的比喻，數據管理平臺MegData 就是自動洗菜機，計算平臺 MegCompute 就是智能化爐灶，而開源的天元就是一套集煎炒烹炸多功能為一體的智能鍋，AI 生產力平臺好比一箇中央廚房，有了這樣的智能化中央廚房，便可以大大增加廚師的生產力，而且味道有保證。
“生產力平臺”的概念在國內很少有人提及，這樣的稱呼也是因為Brain++在學術領域、產業方面對提高生產力方面做出了突出的貢獻。
學術領域，曠視藉助 Brain++ 在獲得了 27 個世界級的人工智能競賽冠軍，其中包括 2017 年至 2019 年拿下 COCO 三連冠。COCO 是人工智能領域最具影響力的通用物體檢測挑戰賽，在計算機視覺領域享有很高聲譽。
而在產業方面，曠視依靠 Brain++ 佈局了個人物聯網、城市物聯網和供應鏈物聯網三個領域，並且扎得足夠深入。比如：在傳統的製造領域，曠視藉助 Brain++幫助一家電氣製造企業打造了自有的AI底層平臺，能夠用深度學習快速訓練、部署算法，滿足生產線中不斷生出的質檢問題。
當下，人工智能呈現深度學習、跨界融合、人機協同、群智開放、自主操控等新特徵，正在對經濟發展、社會進步、全球治理等方面產生重大而深遠的影響。而曠視作為人工智能領域的領軍企業，正在用自己的實際行動證明，人工智能是真正可以造福人類的新技術，它可以解決更本質的效率提升問題。
自從改革開放以來，中國經濟的持續發展，得益於“引進來”、“走出去”的戰略實施，引進來的是國外的先進技術和管理經驗，走出去的是技術含量相對較低的中國製造產品。在互聯網時代和移動互聯網時代，儘管中國很多互聯網公司藉機大展宏圖，但是本質上很多底層的技術卻受限於美國。中美貿易戰就很好的說明，正在崛起的中國已經開始動了美國人的“奶酪”。人工智能作為基礎建設的規劃就是要佈局下一個百年，突破自第一次工業革命以來的科技壟斷，從中國製造走向中國智造。
馬化騰作為人大代表曾在兩會提交建議書，呼籲頂層關注核心技術的基礎設施建設，他說：沒有基礎的核心技術是沙灘上的城堡，根基不穩，很有可能一推就倒。因此樓越建得越高，越要關注底子、根子是不是牢靠。
而曠視認為，人工智能的佈局要贏在未來百年的底層技術上，所以需要更深厚的地基。對於曠視而言，本身的目標就是打造屬於中國的人工智能產品方案和平臺，而且研發和使用真正能夠自主可控、代表中國的安全技術。
當然，想要打造堅實的“AI地基”，且能夠讓各行各業能夠用的上，真正承載起AI產業和應用的需求也並不容易。這其中最大的挑戰在於需要降低非AI企業連接數據、算法與算力的門檻。但是以Brain++為代表的基礎設施級產品的出現，或許為企業CIO們和各產業數字化轉型提供了可參考的線索和路徑。
雄關漫道真如鐵，而今邁步從頭越。在人工智能技術不斷髮展的今天，期待中國在人工智能領域更快、更高、更好的完成基礎設施建設，打破國外的科技壟斷，為未來一百年的高速發展奠定基礎。
閱讀更多 億歐網 的文章
