独角兽旷视真核浮出水面!他是全能业务王、夺冠刷榜基石,更是规模化AI算法生产关键

2019 年 10 月 22 日 量子位
雷刚 发自 凹非寺 
量子位 报道 | 公众号 QbitAI

真核往往低调,但总会一鸣惊人。

Brain++之于旷视,就是这样的真核。而且名如其用,Brain++就是旷视赖以发展的大脑、中枢,甚至是旷视一切业务的基石。

就在第六届乌镇世界互联网大会现场,Brain++荣膺“世界互联网领先科技成果”。

这是Brain++为数不多站在聚光灯下的时刻。

相比让旷视闻名天下的Face++,同样自主研发的Brain++出镜次数不多。

但忽视了Brain++,就无法真正了解AI第一股——旷视,更难以真正读懂AI时代竞速比拼的核心所在。

如果说农业革命发生的关键在耕犁,工业革命的起源归功于蒸汽机,那AI变革的钥匙,就掌握在Brain++一样的基石工具平台中。

一个时代有一个时代的工具

从人类社会生产大爆发的三个时代来看,规模化工具的重要性不言自明。

农业文明时代的核心,是耕犁的使用,让耕种有了规模化发展的可能。

工业革命的关键,是蒸汽机的启用和推广,让机器真正可以规模化部署应用,替代手工作坊。

而信息时代中,如何实现数据规模化运用和处理,成为竞争力关键。

我们把技术作为第一生产力,但更多聚焦于技术本身而忽略了规模化运用“技术”的工具。

然而如果回顾起来,衡量每个时代真正的技术水平标准,或许可以从生产工具角度管窥一二。

谁掌握时代生产工具,谁就有可能成为时代红利的最大受益者,谁就能在竞争中占得先机。

按照产业经济学的理论,生产效率的本质,在于减少消耗、增大产出,从而利用结余推动更进一步的发展,并在每个增长瓶颈中抓住产业变革奇点,实现范式转移和产能跃迁,从而真正穿越周期。

具体到AI当下,打造人工智能的算法平台就是在减少消耗,规模化AI算法落地会推动产出,各行各业将进入一场新的能效变革战争。

而谁会赢得这场战争?谁又会成为技术变革新时代里的红利赢家?

给出定论并不容易。

但可以肯定的是:在生产力变革的时代里,谁真正掌握高效处理生产资料的工具,谁真正拥有制造这种工具的能力,谁就具有真正的时代竞争力。

而Brain++,就是旷视自主研发的时代性工具。

所以Brain++是什么?

一言以蔽之,Brain++是旷视自主研发的端到端人工智能算法平台,是具备大规模算法研发能力的时代工具,也是AI公司核心竞争力所系的AI中台

众所周知,AI算法从研发到部署,是一套庞大的系统工程。

目前业界普遍把深度学习框架作为算法开发工具——以降低开发门槛,提高算法开发效率。

但框架的学习和使用成本依然不低,难以规模化。这也是AI人才供不应求的瓶颈所在。

究其原因,在于只有深度学习框架还不够,需要打通从数据到算力再到框架全流程,真正端到端的解决方案。

换而言之,就是一个从开发到产业应用的AI操作系统

于是从2011年感召于深度学习而创业开始,旷视就看到了这种自身和产业将会面临的挑战。

在前3年积蓄势能,证明AI商业化可行后,2014年开始Brain++被提上议程,作为其研发重中之重。

旷视希望用端到端的人工智能算法平台打造人工智能产业的生态底座,让开发者和企业获得从数据到算法产业化的一揽子技术能力,从而推进技术快速落地。

在乌镇颁奖现场,旷视联合创始人及CTO唐文斌也介绍说:

Brain++的打造,实现了端到端的AI算法生产,让研发人员获得从数据到算法产业化的一揽子技术能力,不用重复造轮子,也可以推进AI快速落地。

而且更重要的是,数次迭代跃迁后的Brain++,还引入了AutoML技术,可以让算法来训练算法,让AI来创造AI。

值得一提的是,Brain++打造并部署后,开始成为旷视全员用来训练、部署算法的深度学习框架,完全自主,无需依赖第三方。

且实力也通过一个个冠军和落地产品得到验证。

依托Brain++,旷视斩获了22项全球AI竞赛冠军,同台比拼都是谷歌、微软等全球豪强。

还开发出了可部署在云端、边缘侧以及移动端的深度神经网络,拥有自主原创的源源不断生产能力。

在行业落地方面,旷视围绕自己制定的战略方向,实现了对个人物联网、城市物联网、供应链物联网三大场景的赋能。

比如在个人物联网中,智能手机中知名的超画质使用:借助AI算法,让手机仅通过软件就可以完成原始图像一系列优化,解决夜晚和低光照环境拍摄痛点,呈现高画质数码相机成像水平。能用算法解决的问题,就不再堆砌硬件。

而该技术方案从无到有、再到落地应用,完全基于Brain++。

对于这样的AI中台,旷视首席科学家、旷视研究院院长孙剑博士也评价说:

Brain++让规模化算法训练成为可能,并且可以针对不同垂直领域的碎片化需求定制出多元算法组合,避免重复造轮子的资源浪费。

也就是说,在旷视这座生产灵丹妙药的王国里,Brain++就是保证仙丹源源不断被制造的炼丹炉。

那么问题更进一步:

Brain++究竟如何炼丹?

AI核心离不开三大要素:

数据、算法和算力。

所以Brain++总体框架,总共包含了AI数据平台、AI训练框架,以及AI计算平台三大部分,与三要素一一对应。

其中,深度学习框架MegEngine,类于TensorFlow\PyTorch\Caffe,但Brain++完全自研,且扬长避短,比Caffe还更灵活,可定义的程度也更高。

Brain++因旷视需求而生,对需求适配也就更准确,不必在TensorFlow等庞大代码基础上去修改和调整,效率反而更高。

数据管理平台MegData,则可以实现算法与数据的相辅相成,从入手启动开始,先用少量标注数据训练初级算法,然后再以此算法标注数据,可以用最小时间成本达到最高效数据标注。

还有深度学习云计算平台MegCompute,旷视开发了一层软件,对进行计算资源的管理与调度优化,可以在用户空闲时临时收回资源分配。

可以支持数百名研究人员同时在上万个GPU上执行从数百到数千个训练任务,从而显著提高算法训练效率。

在多次全球AI竞赛屠榜后,旷视的这个计算平台,还多次引起竞争对手感叹:刀不如人炮不如人,没有办法。

2018年,旷视研究院还在CVPR上提出了“MegDet”的新型检测方法, 从mini-batch角度加速深度神经网络训练。

该技术实现了物体检测训练新突破,可以用一个256多样本的“大mini-batch”的检测器,使用128张GPU卡训练任务,最终把训练时间从33小时减少到4小时。

当然,算法、数据和算力优化,还只是Brain++的基本盘,作为一路引领中国AI创业的独角兽,旷视在Brain++上倾注心血,还体现在独特优势上:

  • 针对视觉任务定制化优化。

    Brain++针对视觉任务做出了定制化的优化,使处理图像与影像更高效。

    经过优化的Brain++特别适合大量图像及视频训练及完成复杂的视觉任务,如图像分类、物体检测、物体场景分割、影像分析等。

  • 配备AutoML技术。

    Brain++将深度神经网络设计、参数调整及设备适配等过程自动化,可显著降低人力成本并大幅提高开发效率,帮助AI企业构建出一条不断自我改进、不断变得更加高效的半自动算法研发产线。

而Brain++点滴,也在研发、落地中,成为旷视AI的高墙厚壁,是旷视势能动能不断转换的驱动引擎。

以Brain++作为基础设施,旷视开发了可部署于云端、移动端及边缘端全计算平台的深度神经网络。

在商业化落地方面也产出赫赫,在个人物联网、城市物联网和供应链物联网等不同垂直领域,都有多种高效的全栈式解决方案。

毫无疑问,对于旷视来说,Brain++就是根基所在、动脉所系,力量之源。

现在及未来,无论旷视之树上长出怎样的算法之花、业务之果,一切都离不开Brain++的强壮、稳固和生长。

而且在波诡云谲的大形势中,也不存在任何卡脖子之忧。Brain++的完全自研,甚至能力上的国际领先,不仅意味着自主,也代表着自强和底气。

时代决定性之战

所以当我们现在谈论Brain++和AI规模化开发,意义就不会不止于旷视一家公司本身。

而且更有意思的是,产业潮水方向也正在印证这种趋势。

AI发展至2019,竞争和比拼来到了一个新武器时代,不再是精英大牛、不再是刷榜夺冠,也没有了融资数额……

AI框架、AI平台,比以往任何时候都更受瞩目,比以往任何时候都更剑拔弩张。

这不是一城一池的争夺,这是一个时代的决定性战役。

对了,还记得旷视招股书吗?在“解决方案”、“技术”等之后,被提及最多的专有名词:

正是Brain++。


大咖齐聚!量子位MEET大会报名开启

量子位MEET 2020智能未来大会启幕,将携手优秀AI企业、杰出科研人员呈现一场高质量AI行业峰会!扫码报名:


榜单征集!三大奖项,锁定AI Top玩家

2019中国人工智能年度评选启幕,将评选领航企业、商业突破人物、最具创新力产品3大奖项,并于MEET 2020大会揭榜,欢迎优秀的AI公司扫码报名!

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

喜欢就点「好看」吧 ! 



登录查看更多
0

相关内容

Brain++是旷视自主研发的新一代AI生产力平台,包括深度学习框架MegEngine(旷视天元)、深度学习云计算平台MegCompute以及数据管理平台MegData,将算法、算力和数据能力融为一体。依托于Brain++,旷视可针对不同垂直领域的碎片化需求定制丰富且不断增长的算法组合,向客户提供包括算法、平台及应用软件、硬件设备和技术服务在内的全栈式人工智能解决方案。
专知会员服务
123+阅读 · 2020年3月26日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
195+阅读 · 2020年3月8日
新时期我国信息技术产业的发展
专知会员服务
69+阅读 · 2020年1月18日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
301+阅读 · 2019年12月23日
2019中国硬科技发展白皮书 193页
专知会员服务
81+阅读 · 2019年12月13日
下一代AI系统基石:知识图谱将何去何从?
AI前线
17+阅读 · 2019年6月4日
【数字化】数字化转型正在成为制造企业核心战略
产业智能官
34+阅读 · 2019年4月22日
【机器视觉】表面缺陷检测:机器视觉检测技术
产业智能官
25+阅读 · 2018年5月30日
全球最大AI独角兽诞生中国,商汤科技凭什么?
商业周刊中文版
5+阅读 · 2018年4月9日
【知识图谱】AI基石知识图谱与百度AI布局
产业智能官
28+阅读 · 2017年11月20日
人脸识别独角兽之战
数据玩家
6+阅读 · 2017年9月30日
Weight Poisoning Attacks on Pre-trained Models
Arxiv
5+阅读 · 2020年4月14日
A Survey on Edge Intelligence
Arxiv
50+阅读 · 2020年3月26日
Precise Detection in Densely Packed Scenes
Arxiv
3+阅读 · 2019年4月8日
Arxiv
5+阅读 · 2019年4月8日
A General and Adaptive Robust Loss Function
Arxiv
8+阅读 · 2018年11月5日
VIP会员
相关资讯
下一代AI系统基石:知识图谱将何去何从?
AI前线
17+阅读 · 2019年6月4日
【数字化】数字化转型正在成为制造企业核心战略
产业智能官
34+阅读 · 2019年4月22日
【机器视觉】表面缺陷检测:机器视觉检测技术
产业智能官
25+阅读 · 2018年5月30日
全球最大AI独角兽诞生中国,商汤科技凭什么?
商业周刊中文版
5+阅读 · 2018年4月9日
【知识图谱】AI基石知识图谱与百度AI布局
产业智能官
28+阅读 · 2017年11月20日
人脸识别独角兽之战
数据玩家
6+阅读 · 2017年9月30日
Top
微信扫码咨询专知VIP会员