尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
智東西（公眾號：zhidxcom）
文 | 心緣
經過6個月的打磨，曠視Brain++商業版正式走向市場。
在剛剛落幕的2020中關村論壇上，這家以先進算法聞名的AI頭部玩家，亮出了他們為企業級AI應用規模化落地所準備的利器——Brain++商業版。
作為曠視全流程AI生產能力的集大成者，Brain++被曠視比作能規模化生產各種AI菜品的中央廚房，而放眼整個AI領域，像曠視這樣將開源AI框架、數據管理平臺、算力管理平臺打包，覆蓋企業規模化生產全流程核心訴求的企業級平臺，並不多見。
如今，曠視面向企業迫切希望應用AI技術的核心訴求，將內部使用的Brain++進一步抽象、打磨成可對外商用的產品，並對它寄予了成為AI開發「Visual Studio」的期望。
當「將AI變成水電煤氣般的存在」成為AI領域人人追逐的新願景，曠視Brain++商業版的入局，能為企業AI規模化落地帶來怎樣的改變？
通過與曠視研究院高級技術總監、Brain++負責人田忠博進行交流，我們試圖讀懂在AI商業化征途中，Brain++商業版能為企業帶來哪些獨特的競爭優勢，它承載著曠視怎樣的期許，又將給AI技術創新與商業變現的平衡帶來怎樣的啟示？
一、解鎖曠視全流程AI生產能力，算法落地時間縮短80%
AI正賦予改變世界更多的想像力，從人臉解鎖、實時翻譯到提升工業質檢效率，都讓越來越多企業看到新型AI生產力所帶來的增值空間。但當企業踏入智能化轉型的大門，卻發現其中許多環節都隱藏挑戰。
擺在企業面前的，是從AI技術到應用間的數道鴻溝：專業人才稀缺、缺少全流程工具、應用場景分散，大量應用需要用定制化的AI能力來滿足，還要解決數據安全問題和維護系統穩定性。如果企業從頭構建AI解決方案，難免要投入大量人力和物力成本。
這些AI規模化落地常見的「通病」，能不能通過一套標準化的系統來解決？
能否用一套高效好用的工具，省去不必要的重復性工作，解決廣泛企業在大部分場景中的問題？
曠視Brain++商業版提供的，即是這樣的AI生產力工具。
Brain++是曠視在產業應用工作中自主研發的全流程AI生產能力合集，是曠視各種AI業務的底層基礎設施，由深度學習框架MegEngine（天元）、算力管理平臺MegCompute、數據管理平臺MegData共同構成。
作為統一的底層架構，Brain++為曠視的AI算法訓練及模型改進過程提供了重要支持，使曠視得以構建一條不斷自我改進、更加自動化的算法生產線，可以針對不同垂直領域的場景化需求定制豐富且不斷增長的算法組合，同時能以更少的人力和更短的時間開發出各種新算法。
從2014年開始搭建至今，Brain++憑借規模化的架構體系和方法論，已經成為支撐曠視內部1400多名研發人員日常工作的平臺和基礎設施。比如今年疫情期間，曠視用10天交付明驥AI智能測溫系統，即是基於Brain++平臺實現。
「場景無限性帶來的算法供給不足問題，是行業當前面臨的最大痛點，而曠視嘗試解決AI領域最核心的問題。」田忠博說。
Brain++的日益成熟，使得曠視從狹義的擅長算法研發變為能夠批量完成算法批量部署，如今曠視正邁向下一個階段——用數據、算法、算力能力開放給更多企業。
但在曠視內部跑通的Brain++，還不是一個能適用於廣泛企業的商業化產品。
企業用戶的核心訴求，是穩定、低門檻、低成本、有效地利用AI實現業務增長。而如果AI技術應用總是點對點實現，每家公司都為自己的業務重新配備一組人才團隊、重新研發一套AI算法，不僅無法充分發揮AI能力的作用，而且對於AI算法和人才，都是一種浪費。從長遠來看，單點AI的應用也不利於AI企業形成獨特的競爭力。
因此，自今年3月正式宣布對外開放Brain++後，曠視又用了半年時間，根據合作夥伴及客戶的反饋和調研，將Brain++中經驗證的領先技術進一步梳理、整合、篩選和完善，打磨成貼合客戶需求的商業化能力，這才將Brain++商業版正式推出。
根據曠視披露的實踐數據，Brain++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。
二、Brain++商業版全景圖：助力私有化部署，提供全流程服務
Brain++商業版能做什麼？
拆解其組成，可以看到，在Brain++三大平臺的基礎上，Brain++商業版將數據、算法、算力能力進一步抽象和集成，形成平臺層、算法層、交付層。
（1）平臺層：提供覆蓋算法生產全流程的多種能力和組件，並將其整合成為一套標準協助開發范式。這套范式是基於對曠視內部算法研發工作經驗的總結和提煉，可以讓企業從AI開發旅程的起點就能擁有科學和高效的方法論。
（2）算法層：在平臺層的基礎上提供專項的算法生產、優化服務。曠視以算法能力見長，對於使用Brain++平臺後依然無法解決特定場景的企業，可以提供從數據到模型部署的端到端算法服務，加速企業AI資產的積累速度。
（3）交付層：為平臺層的落地和算法的最終應用提供必需的部署、交付、擴容、培訓、優化等服務，有效保障企業能夠真正發揮Brain++平臺的價值。
在這些能力的基礎上，無論是企業需要開展新的自研AI業務，還是希望提升已有AI算法研發工作的效率，Brain++商業版都能幫助工作團隊提升效率，以及實現算法和業務更好的打通。
這裡我們對平臺層的功能進行重點分析。
總體來看，Brain++商業版可以提供AI開發全部工作環節的平臺化、流程化，幫助企業告別作坊式的AI開發，並基於完善的集群管理方案，降低AI集群構建門檻。除此之外，Brain++商業版也通過私有化部署的方式，為企業確保集群穩定性和數據資產安全。
例如在數據生產環節，Brain++商業版提供私有化的完整數據生產能力，覆蓋數據質量管理、數據集管理和測試集管理。
在模型開發環節，Brain++商業版提供了豐富的訓練和開發工具，支持有代碼訓練和無代碼訓練場景，方便客戶使用多種形態的訓練工具，更簡單高效地完成模型訓練。該平臺還提供多種形式的模型評測方案來衡量模型的表現。
在實驗管理環節，Brain++商業版提供多任務對比，支持參數、任務日志等資訊的對比，集成了TensorBoard，方便算法開發人員對比不同訓練任務的資訊，從而提高模型開發效率。
為了方便項目開發與管理，Brain++商業版還為開發人員搭建了可建立獨立資源個人工作臺的工作空間，提供三步即可生成一個開發項目的可視化項目管理功能，以及一套更易復現、穩定的任務提交機制。
此外，在這一平臺上，企業級鏡像倉庫服務可以確保訓練過程中從本地拉取鏡像，大大提高訓練效率；集群管理功能可以幫助平臺管理者從全局視角更好的管理底層基礎設施資源；靈活的多租戶管理功能可以滿足多企業、角色公用集群的業務場景。
田忠博向我們分享了對Brain++商業版的期待：「我們希望給企業一個可控、穩定、低成本、低門檻、易上手、能夠快速獲取價值和驗證價值的解決方案。企業可以通過Brain++商業版不斷打磨團隊，建設AI能力，積累自己的數據和智能資產。」
三、六年磨一劍，霜刃已初試，Brain++商業版的三大優勢
在田忠博看來，AI行業現在還沒有真正以深度學習為核心打造的企業級平臺，而在這方面，曠視有自己得天獨厚的優勢。
「我們一直都在嘗試理解訓練流程，訓練流程的本質是什麼，這也是曠視規模化生產算法的核心要素。」田忠博說。
那麼打造這樣一套全流程深度學習開發平臺，曠視有哪些硬核實力來支撐？
1、大量先進自研算法積累
無論是從斬獲多種國際AI賽事的榜首，還是支撐AI相幹商業化落地，核心技術都是曠視在AI領域的立身之本。
作為國內最早創立的AI企業之一，曠視已面向雲邊端全場景，積累大量完全自主研發的先進深度學習算法，其中不乏DorefaNet、ShuffleNet、AutoML等創新研究成果，也用算法來提高數據生產、算力分配效率和優化晶片性能功耗比，做到「用AI解決AI生產的問題」。
據田忠博介紹，在Brain++平臺上，每天有上千個模型被訓練和驗證，在被比較、選擇後，變成可提供給合作夥伴的算法和模型，幫助企業獲得更好的知識和價值。
今年3月，曠視Brain++的核心組件——深度學習框架天元MegEngine正式開源，成為我國AI底層軟體基礎設施建設大潮中的重要新生力量。如今天元從Alpha版本迭代到1.0預覽版，正與清華計圖、華為MindSpore等一起點燃國產開源深度學習框架的星星之火，催化國內AI生態的繁榮。
2、多年實踐驗證，大幅縮減成本
田忠博認為，曠視能夠安居樂業和持續發展的核心，不在於數十萬行代碼，而在於對深度學習這件事情的認識和理解。
經過六年打磨和產品驗證，曠視Brain++在支撐個人物聯網、城市物聯網和供應鏈物聯網三大方向的業務推進過程中，已幫助許多客戶實現多場景算法開發。
如今曠視通過Brain++平臺將AI能力、工具、流程、標準加以整合，使得企業在開發和部署AI時，不必再踩曠視前些年踩過的坑，幫助企業降本增效。
通過使用Brain++生產力平臺，企業可以降低約三到四成的硬件成本。其中，算力管理平臺MegCompute可實現動態分配所有GPU，將通常20%的GPU閒置率大幅縮減至4%以內；數據管理平臺MegData能最大限度利用GPU能力，相比基於傳統對象存儲或HDFS存儲的訓練效率提升數倍；如果達到同樣的訓練速度，相比傳統全閃存儲集群，存儲成本可降低約七成。
某家科創園區基於Brain++平臺搭建園區AI開發中臺，降低了園區內科創企業的深度學習開發門檻；一家希望實現智能化升級的汽車制造商基於Brain++平臺，在非常短的時間就能完成生產安監、智能制造、生產規范等多種AI場景的研發需求。
曠視希望通過Brain++商業版，幫助1000個傳統企業做智能轉型，推進10000個新的場景化算法落地，幫助企業培養10000名能運用Brain++平臺完成算法生產的AI人才。
3、平臺配套的全流程定制化服務
當前AI技術還不是放之四海而皆準的靈丹妙藥，標準化服務不能解決所有問題。
比如一些大型制造企業會非常關註安全生產，關心是否佩戴安全帽、換好防化服、帶好標識帶……這些場景往往在標準算法體系中是看不到的。
對此，除了平臺產品外，曠視也提供平臺配套的全流程定制化服務，從前期方案咨詢、平臺部署、模型優化、建設運維、課程培訓等，將場景分散的定制化能力直接輸送給企業，從而解決定制化業務模型的開發和沉淀問題。
其中，數據服務依托MegData平臺進行，算法服務依托曠視研究院算法團隊進行，運維服務依托曠視研究院工程能力體系，能滿足特定應用場景下從數據管理平臺私有化部署、算法訓練及部署優化，到集群資源利用率優化與定制化擴容的各種需求。
結語：AI產業落地進入深水區
在過去AI發展勢如破竹的五年間，AI的熱度居高不下，如今隨著通用基礎技術逐漸成熟，AI已走出概念炒作的風口，從追逐熱點轉向更加注重核心技術能力與實體經濟的深度融合。在「新基建」助推下，AI企業們正面臨著如何將技術創新轉化為商業價值的新一輪臨門大考。
將AI轉變成可規模化落地的產品和服務，既是有越來越多企業走向智能化升級和轉型的訴求，也是AI企業進一步深化技術能力、構築競爭壁壘的關鍵。
曠視Brain++商業版將深度學習能力標準化、體系化地對外構建和輸出，為AI商業化、場景化、規模化落地提供了一套行之有效的生產力工具，既有助於規避「重復造輪子」的資源和效率浪費，又能加速創新應用的落地賦能，從而提升AI在整個行業的滲透率。
截至當前，AI算法依然存在成本高、周期長、供給能力有限的問題，一家AI公司的力量終究有限，要滿足爆發式增長的AI應用訴求，還需要更多像曠視這樣願意將自身技術積累和落地經驗輸出的企業，來協力構建一個更為完善的生態。