7月15日，旷视年度技术盛典——2022旷视技术开放日在北京举行，旷视联合创始人、CEO印奇在演讲中阐释了旷视的AIoT战略及“21”的核心技术科研体系。印奇认为，AIoT从业者要更好地改变物理世界。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平台已经能够支持100多种业务模型训练，最快2小时即可完成，而且模型产出精度指标远高于业界平均水平。他以生产安全场景的火焰检测算法生产为例，介绍旷视AIS平台的工作全流程。
7月15日，旷视年度技术盛典——2022旷视技术开放日（MegTech 2022）在北京举行，旷视联合创始人、CEO印奇在演讲中阐释了旷视的AIoT战略及“2 1”的核心技术科研体系。
印奇强调，AIoT是旷视过去十一年最核心的主旋律，旷视认为 AIoT=AI IoT 空间。其中，AI是不断演进的算法能力，IoT是软硬结合的设备载体，空间是应用场景的闭环。印奇认为，AIoT从业者要更好地改变物理世界。旷视首次公开“2 1”的AIoT核心技术科研体系，即以“基础算法科研”和“规模算法量产”为两大核心的AI技术体系，和以“计算摄影学”为核心的“算法定义硬件”IoT技术体系（包括AI传感器和AI机器人），涵盖了从基础研究、算法生产到软硬一体化产品的AI落地全链路。
旷视联合创始人、CEO印奇介绍旷视的AIoT科研战略
大会现场，旷视研究院算法量产负责人周而进发表演讲，他总结了过去十多年旷视在算法生产和应用落地过程中的实践经验。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”。
用标准化解决算法落地面临的复杂性挑战
算法生产的过程并不是模型训练这么简单的一个环节，为了让模型算法能够解决实际问题，它包含了需求分析，数据处理，模型训练，上线部署，到最后的应用落地。同时，在这个环节中可能需要反复多轮的算法打磨。这整个过程才真正是一个完整的算法生产的过程。
基于多年实践经验，周而进认为算法生产的主要困难集中在整个生产环节的复杂性上。具体来说，可以分为三个方面：第一，数据生产的复杂性。第二，算法模型本身的不确定性。第三，算法落地的AIoT硬件平台多样性也带来了整个生产过程的复杂和高成本。
面对如此复杂的挑战，周而进认为“算法生产过程的标准化，是解决复杂的、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。
旷视研究院算法量产负责人周而进在旷视技术开放日上的分享
AIS平台让算法量产成为现实
为此，旷视正式发布自研的算法生产平台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平台已经能够支持100多种业务模型训练，最快2小时即可完成，而且模型产出精度指标远高于业界平均水平。
他以生产安全场景的火焰检测算法生产为例，介绍旷视AIS平台的工作全流程。通过标准化的数据处理，自动完成去重去花屏，用基于机器学习的人机交互数据标注系统，提升超过30倍的标注效率。此外，基于旷视10余年一线算法落地中积累的海量模型储备，自动化地适配合适的模型并自动化完成模型的训练和诊断，实现标准化的模型生产。最后，通过解耦的工具链自动完成硬件部署，有效化解算法在生产中的复杂性，大大降低算法的生产门槛。
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
AIS的理念很简单，就是希望用越来越多的算法来代替人工的分析，用更多的算力和搜索来代替人工的规则，用机器的生成来代替人工的生产。
随着AI算法在越来越多的行业领域里逐步深化，行业对于AI算法的需求也呈现出碎片化、个性化特征。面向广阔又碎片化的产业场景，算法量产是实现AI落地的有效途径。
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，极大地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。
本文源自金融界资讯
