(資料圖片)

通過技術賦能千行百業是諸多技術廠商近幾年掛在嘴邊的口號，但這件事到底如何啟動、如何復制、如何落地，似乎從結果上來看尚無明確的結論。

11月10日，曠視科技進一步講解算法量產理念背后的思考，所謂算法量產是曠視提出的關于AI算法生產的理念，并非指單一產品，而是對AI生產模式的理念革新和生產力進化。采訪中，曠視研究院算法量產負責人周而進對第一財經記者表示，算法量產平臺是基于曠視內部需求而誕生、先經過內部考驗再對外服務客戶的平臺。

包括曠視在內的廠商，在推進AI落地過程中，仍會遇到AIoT市場高質量算法供給的難題，包括行業數據匱乏、算法通用性低、IoT設備數量及種類劇增、算法供給質量參差不齊等。當然行業也據此進行了相應的應對，如根據需求進行算法定制化開發，為客戶提供VIP服務，但這種方式成本較高、算法交付質量參差不齊；預訓練大模型能為算法帶來良好的泛化性，但其背后需要大量算力支持，且難以解決具體的細分場景問題；提供能夠解決部分問題的云端 AI 開發平臺，雖然易上手、零代碼，但只實現了流程數字化，對策略選擇自動化等進階功能的支持有限。

因此可以說，在一定程度上，每種算法生產方式都有各自的優缺點，綜合多年的項目實踐經驗，曠視最終提出了算法量產的理念。將AI生產過程標準化，降低算法生產門檻，讓更多的人能夠加入到算法生產的工作中，提升算法生產效率。

為此，曠視推出了適配算法量產的 AI 基礎設施——算法生產平臺AIS（AI Service）。AIS基于曠視Brain++體系，構建了一套覆蓋數據處理、模型訓練、性能分析調優、推理部署測試等算法生產全鏈路的零代碼、自動化的生產力工具平臺。

此外，目前AIoT 市場上，高質量的 AI 算法供給仍嚴重不足，如何解決算法生產及落地應用挑戰，讓人工智能在海量場景中發揮更大的作用，是人工智能企業在 AIoT 時代需要解決的難題。

周而進表示，算法生產的過程并不是模型訓練這么簡單的一個環節，為了讓模型算法能夠解決實際問題，它包含了需求分析、數據處理、模型訓練、上線部署、以及最后的應用落地，其中的每個環節都可能需要反復多輪的算法打磨，這整個過程才真正是一個完整的算法生產的過程。因此可以說，算法的復雜性本身可能就是其中最大的問題。為此，周而進對記者表示，曠視的算法量產平臺要做的就是將算法生產過程中的每個環節解耦、定義，達成組合乘法的效果。量產背后的思維模式就是做標準化，才有可能讓算法生產的所有環節實現自動化。

至于目前剛剛推出的算法量產平臺到底先做行業鋪廣還是縱深，周而進對記者表示，第一步先做寬，例如目前曠視通過算法量產已幫助能源、教育、零售、運動健身等行業的客戶在日常生產與經營中運用AI技術。而鋪向千行百業過程中的獨特性問題，在周而進看來，其本質仍是算法生產過程中的解耦與定義，將行業特殊性問題拆解為不同模塊，但終態一定是為了將算法生產過程變高效，才有可能做出更準確的算法。