曠視“AI加速”計劃背后的探索與創新

獵云網蘇舒2020-09-24 11:31 大公司

曠視啟動“AI”加速計劃，開源開放自研深度學習框架天元，推出Brain++商業版，助力AI底層生態建設。

1956年，人工智能的概念在開達特茅斯會議中誕生。2020年，人工智能技術已然成為第四次工業革命的中流砥柱。

回頭來看，人工智能技術歷經了四個發展階段，分別是專家系統、特征判別、深度學習、人類意識。而在2000年后，人工智能技術就進入了將原始數據，標注交給機器深度學習的階段。

從最開始的抽象概念，到如今人工智能基礎性算法已經較為成熟，人工智能，已經歷經了六十多年的發展時間。

在深度學習、神經網絡等標簽肆意橫飛之下，各大大廠商紛紛發力建設算法模型工具庫，并將其封裝為軟件框架，供開發者使用。可以說，軟件框架是算法的工程實現，是人工智能技術系統的核心。對于AI開發者來說，這些框架，都是他們手中的盾與矛，是他們用于征服人工智能技術的有力武器。

當新基建、5G等浪潮來襲，人工智能底層技術的開源共享也成為時代發展的迫切要求。對于人工智能聚光燈下的頭部、明星企業來說，開源開放深度學習框架，發揮開源框架的力量，助力新經濟的增長，是歷史賦予其的重任。

曠視就是在此背景下，扛起歷史重任的企業之一。

近日，曠視啟動了“AI加速”計劃，開源開放自研領先技術，推動AI底層生態建設。據悉，曠視的“AI加速”計劃，將通過一系列產、學、研合作，為社會輸出符合市場需求、具備立體化和多樣化的AI技術、管理人才。

此外，曠視推出了Brain++商業版，提供智能化時代的AI生產力工具，幫助企業快速、高效地建立企業內的AI基礎設施。

曠視深度學習框架天元1.0預覽版

曠視的AI生產力平臺Brain++的核心組件—深度學習框架曠視天元（MegEngine）是在今年的3月份正式對外開源的。但實際上，早在2014年，Brain++早期設想就已經在曠視內部誕生。

2014年中旬，天元的雛形——MegEngine初版深度學習框架誕生。一年后，MegEngine在曠視內部完成了和所有業務的接軌，其業務線上的模型也都更換成自研框架訓練出來的版本。

到今年3月份，經過無數次打磨錘煉的曠視天元正式對外開源，并對外開放Brain++AI生產力平臺，將Brain++最核心的組件深度學習框架天元MegEngine開源,幫助企業與開發者大幅節省產品從實驗室原型到工業部署的時間，真正實現小時級的轉化能力。

而在公布后的半年時間里，天元又歷經了了8次迭代，并分別在3月和6月發布了alpha版和beta版兩個版本。在近期舉行的2020年中關村平行論壇上，曠視發布了深度學習框架天元1.0預覽版，面向全球開發者，共建開源生態。

來源：企業供圖

曠視首席科學家、曠視研究院院長孫劍

在曠視天元正式推出之前，國際主流的深度學習框架也陸續浮出水面，亞馬遜開源MXNet、微軟深度學習工具包CNTK、Facebook開源PyTorch、百度開源PaddlePaddle等。

但與百度、華為等不同的是，曠視作為全球唯一一家以AI為本業的科技企業，其開源的深度學習框架是由AI研究員們邊用邊寫出來的，具備獨特的訓練和推理一體化技術架構，框架的每一處細節改動和優化都來自于曠視6年間真實的、豐富的場景經驗。

Brain++商業版

除了深度學習框架的開源開放之外，在中關村平行論壇上，曠視還對外正式發布了AI生產力平臺Brain++商業版。Brain++商業版是曠視自行研發的智能化時代的AI生產力工具，可以將其看作是AI算法開發領域的“Visual Studio”。

科技的進步日新月異，人工智能正加速各行業的創新，越來越多的企業想要嘗試通過人工智能提升企業競爭力，實現智能化轉型。

但是AI部署對人才、工具、數據安全等有著很高要求。企業想要利用AI改善生產制造流程、提高生產效率，往往需要從0到1招募人才、建立團隊、投入高昂費用、經過漫長的研發周期，才有可能實現，曠視的Brain++商業版就是在這樣的大環境下應運而生。

作為一個可以私有化部署的AI生產力平臺，Brain++商業版能夠幫助企業快速、高效地建立企業內的AI基礎設施，通過其提供的平臺化能力和全流程服務，可以有效降低用戶開發算法的門檻，提高效率，幫助企業快速高效地實現AI轉型。

據曠視透露，經驗證，Brain++商業版可有效縮短80%算法從需求到落地的時間，整體降低55%的算法生產成本。

在未來，曠視希望通過Brain++商業版，支持1000家傳統企業搭建自己的AI能力并實現智能轉型；推動1萬個AI長尾算法落地，提高AI應用滲透率；通過培訓，向社會輸送1萬名能夠基于Brain++平臺完成算法生產的AI人才。

深度學習框架技術創新的未來

談及深度學習框架技術創新的未來，在此次中關村平行論壇中，不同嘉賓也給出了不同的見解。小米深度學習框架負責人何亮亮看來，影響深度學習框架發展的因素有三點，分別是新的方法，包括近期流行的動態神經網絡；新的機器學習范式，如現在用戶對隱私的關注，企業對數據共享的重視；新的硬件，最簡單的例子就是機器學習在可穿戴設備上的應用，這三點都是未來的創新發展方向。