AI時代,算法無界。這個領(lǐng)域,不乏先入者與后來者,“多數(shù)派”的商業(yè)邏輯與技術(shù)路徑類同,技術(shù)上你追我趕,戰(zhàn)略上合縱連橫。

　　然而AI行業(yè)發(fā)展至今天,也正迎來新的挑戰(zhàn)、新的機遇。為此,2021安博會之際,記者專訪了共達地創(chuàng)始人兼CEO趙叢。

共達地創(chuàng)始人兼CEO趙叢

　　偌大舞臺,觀眾只在意主角。要站在舞臺中央,絕非易事,那這家初創(chuàng)兩年的“初來乍到者”,如何另辟蹊徑?

　　2020年,共達地創(chuàng)立,這是一家人工智能自動化開發(fā)訓練平臺與技術(shù)服務(wù)提供商。于時代之變中,獨樹一幟開啟征途。

　　征途雖短,但實力不凡,厚積而薄發(fā),公司團隊來自大疆創(chuàng)新、蘋果、微軟、百度等頂級科技企業(yè),研發(fā)人員占比70%,帶著“共同到達目的地”的期許,共達地參與到AI行業(yè)的加速變革中!

　　從“AI+行業(yè)”到“行業(yè)+AI”,共達地在變化中找到突破口

　　時下,AI行業(yè)的發(fā)展正在進入下半場,應(yīng)用的十字路口,轉(zhuǎn)型深水區(qū)的時代下,行業(yè)有何困境,共達地作何思考與謀局。

　　趙叢認為,在過去的這五六年是AI的上半場,更多的是AI企業(yè)通過自身技術(shù)能力賦能行業(yè)客戶,這是一種“AI+行業(yè)”的形態(tài),此時僅有少量幾個通用場景AI算法實現(xiàn)在公安、交通、金融等有限行業(yè)的滲透;從2019年后,推動智能化進程的主力軍開始從AI技術(shù)公司變成了有AI需求的各行業(yè)傳統(tǒng)企業(yè),行業(yè)大勢逐變成“行業(yè)+AI”。

　　僅以社區(qū)場景為例,以往更多解決的是人員通行效率和安全等問題,通過刷臉閘機、門禁等設(shè)備,給業(yè)主帶來解放雙手、無感進出的通行體驗,給工作人員實施更便捷的管理。

　　但隨著一些社區(qū)安全、社區(qū)治理等公眾事件,如高空拋物,電動車進電梯,甚至是垃圾堆放、景觀破壞,小商小販經(jīng)營等影響社區(qū)人身安全或者衛(wèi)生治安的行為事件頻繁出現(xiàn)之后,人們期待AI技術(shù)能幫助社區(qū)打造更加安全、安心的生活環(huán)境。

　　不僅如此,AI芯片的現(xiàn)多元化發(fā)展以及AI領(lǐng)域的大量人才缺口也讓AI落地無法達到預(yù)期。如何破解這樣的 AI技術(shù)難題,如何能夠高效的滿足市場上大量增長的碎片化AI需求,就成了一個新的商業(yè)機會。時與勢下,共達地需將“人和”之力,發(fā)揮至最大,方可在群雄逐鹿間,得一席之地。

　　AutoML技術(shù),驅(qū)動AI進入規(guī)?；瘯r代

　　從單點落地到規(guī)模化應(yīng)用是技術(shù)發(fā)展的必然征程。在“AI+行業(yè)”的時代屬性下,企業(yè)尚可招募所需的AI人才進行用戶的定制化需求開發(fā),但在AI下半場碎片化場景需求激增之下人才和資源的緊缺則變得尤為明顯。面對各種不確定性和超高門檻,很難在成本、質(zhì)量和效率上做到完美的平衡。

　　對此,趙叢指出AutoML技術(shù)正是推動AI規(guī)模化的利器。AutoML顧名思義就是自動化的機器學習,最大的特點就是可以代替大部分AI訓練師繁瑣重復(fù)的工作,實現(xiàn)AI算法更為高效的自動化訓練開發(fā),讓寶貴的AI技術(shù)人才將更多的精力放在AI領(lǐng)域的技術(shù)突破和理論創(chuàng)新上,讓AI開發(fā)從手工作坊式向自動化流水線方式全面升級,真正實現(xiàn)AI的規(guī)?；?。

　　基于AutoML技術(shù),共達地推出了0代碼自動化AI訓練平臺,全程0代碼、可視化的體驗,讓使用者三步就可以完成算法生產(chǎn)。

　　趙叢舉了個例子,如一個不懂AI的產(chǎn)品經(jīng)理,但是他知道他想要能夠檢測到垃圾桶是否裝滿溢出,那么他只需要上傳垃圾桶裝垃圾溢的場景數(shù)據(jù),接下來訓練平臺數(shù)小時后就可以得到想要的模型,非常簡單。同時最終生成的算法跟比較優(yōu)秀的工程師開發(fā)出來的算法相當,甚至超越。

　　如何實現(xiàn)平臺的簡單和高效?共達地的秘密在于將AI訓練部署全過程的十余個步驟一一進行自動化,對每個環(huán)節(jié)都訓練出一個AI算法來代替AI工程師的手工設(shè)計和調(diào)優(yōu),實現(xiàn)設(shè)計和調(diào)優(yōu)的自動化。

　　平臺可以針對用戶上傳的數(shù)據(jù),通過快速自動標注加人工復(fù)檢的方式,讓數(shù)據(jù)標注更高效。同時對數(shù)據(jù)自動進行多維度的特點分析,并根據(jù)分析結(jié)果引導(dǎo)算法方案的設(shè)計,設(shè)計出的算法比人工分析和試錯更科學,同時效率提升近百倍。

　　在AI模型的結(jié)構(gòu)搜索設(shè)計環(huán)節(jié),傳統(tǒng)的AI開發(fā)方式需由工程師嘗試數(shù)周對每個模型結(jié)構(gòu)進行芯片適配,以找出最佳。

　　共達地0代碼自動化AI訓練平臺能夠自動搜索出最適合該芯片的模型算子類型,并且能夠根據(jù)用戶對于模型速度和精度的需求權(quán)衡,快速設(shè)計出對應(yīng)的模型結(jié)構(gòu),在保證了模型精度的同時也保證了模型的執(zhí)行速度達到要求,又實現(xiàn)了芯片利用率的最大化。

　　共達地AI平臺目前對市面十多個主流品牌的近百款A(yù)I芯片進行了適配,支持CPU、GPU、DSP、NPU等AI加速計算,使得原本由AI工程師適配和調(diào)試數(shù)月的工作,簡化成為一鍵下發(fā)模型到終端設(shè)備。

      有了高效率的自動化算法訓練和部署的技術(shù)保障,共達地在平臺中加入了算法的自我調(diào)優(yōu)迭代功能,算法部署使用后可以采集現(xiàn)場數(shù)據(jù)反饋給平臺對算法進行再次的調(diào)優(yōu)訓練,讓算法精度不斷提升,真正達到甚至超越AI工程師團隊數(shù)月的交付水準。

　　在給客戶更簡單體驗這個方向上,共達地最近又推出了應(yīng)用管理平臺,算法生成后客戶不再只拿著SDK包再自己開發(fā)對接。

　　有了可視化的應(yīng)用管理平臺,用戶可以像去軟件下載中心下載安裝軟件一樣直接下載所需算法,并配置關(guān)聯(lián)相應(yīng)應(yīng)用(計數(shù),報警等)和對應(yīng)生效的攝像機終端,管理和使用都更加方便。

　　只有當自動化加工出來的產(chǎn)品無論是品質(zhì)還是體驗都優(yōu)于手工打造的時候,自動化生產(chǎn)才有價值,趙叢如是說。

　　「前店后廠」新模式,AI算法的解困與破局之道

　　自動化生產(chǎn)工廠可以根據(jù)客戶需求進行快速的定制生產(chǎn)。但并不是所有的客戶都有定制化需求,也存在大量的標準化需求。就好比很多數(shù)碼品牌既提供現(xiàn)成的產(chǎn)品供你采購,而如果你有鐫刻名字或個性化包裝的需求,也可以聯(lián)系廠家定制。

　　隨著AI算法生產(chǎn)進入自動化時代,算法也可以像商品一樣搬上貨架。

　　一面提供0代碼自動化AI訓練平臺,幫助有開發(fā)能力的客戶用簡單直觀的體驗快速進行自主開發(fā),補齊自身技術(shù)短板;一面提供現(xiàn)成的算法,讓僅有應(yīng)用需求的中小企業(yè)快速部署上線應(yīng)用。這個組合業(yè)務(wù)模式,被趙叢稱為“前店后廠”。

　　趙叢說,前端的AI算法工廠提供的是共達地基于自研的0代碼自動化AI訓練平臺開發(fā)出來的成熟算法,對應(yīng)“前店”。后端的自動化訓練平臺,對應(yīng)“后廠”。這些由訓練平臺訓練出的算法亮點用四個字形容就是“多、快、好、省”。

　　“多”:目前工廠已上線200余款算法,加之所有算法已匹配50余款A(yù)I芯片,實際可部署算法相當于10000+。而且依靠訓練平臺,只要有數(shù)據(jù)就可以定制生產(chǎn)新的算法并快速上架,理論上算法工廠可以提供無限定制無限上新的算法;

　　“快”:算法訓練開發(fā)快,POC快,在用戶數(shù)據(jù)充足的情況下可以按天為單位計算上線POC,而傳統(tǒng)的算法定制大概需要按季度或者年計算。

　　趙叢舉例說,為了驗證共達地自動化訓練平臺AI算法的開發(fā)效率,共達地安排2名產(chǎn)品經(jīng)理利用2個月的工作“業(yè)余”時間,訓練出了近百個長尾算法,且算法精度均能夠達到行業(yè)交付標準;

　　“好”:算法精度高,能夠達到甚至超越專業(yè)AI工程師的效果。另外在服務(wù)方面,除了算法部分,共達地還能夠結(jié)合實際項目落地經(jīng)驗,給予用戶一些項目整體落地設(shè)計的指導(dǎo)和建議;

　　“省”:不止降低90%以上成本,算法的成本甚至降到只需要數(shù)據(jù)原料采集和硬件投入的程度,告別傳統(tǒng)堆人的勞動密集型模式。

　　趙叢認為,“店”和“廠”這套組合的模式與之前安防的算法供應(yīng)商或是軟件平臺廠商不一樣。盡管行業(yè)已經(jīng)有算法商城、開發(fā)平臺之例,但共達地的“前店后廠”最大區(qū)別是它的動態(tài)性。

　　很多算法商城缺少一個“廠”,算法更像是一個靜態(tài)的商品,開發(fā)完成后就放在那里,迭代周期停滯或緩慢,而共達地算法工廠提供的算法能夠根據(jù)上線終端獲取的實時數(shù)據(jù)進行迭代訓練,以天為單位去進行算法更新和迭代,是一個不斷優(yōu)化的動態(tài)過程,因此算法的準確率也能夠越來越高。

　　基于“算法工廠”,共達地還在探索更多賦能行業(yè)的商業(yè)模式,如在芯片端/盒子端預(yù)置可自選算一鍵下發(fā)的軟硬一體方案模式,用戶采購硬件,可以按需靈活下載部署對應(yīng)算法?！扒暗旰髲S”,自成一派,自有應(yīng)用新天地。

　　中間生態(tài)位,共達地的「生態(tài)法則」

　　一棵樹的生長,需要肥沃的土壤和陽光雨露的滋潤;一個企業(yè)的成功,需要視野的開闊與思想的突破,在AI時代,經(jīng)營企業(yè)就是一個生態(tài)共創(chuàng)的過程,不斷扎根,才能真正實現(xiàn)企業(yè)的價值和理想。

　　趙叢認為共達地正好處在一個AI生態(tài)位的中間層,跟各方都有著緊密的連接,并不是一家純算法公司。算法公司最主要的使命是自己開發(fā)市場需要的算法,而共達地是讓合作伙伴以及行業(yè)客戶能夠更快地獲得AI的開發(fā)能力以及應(yīng)用效果。

　　共達地在生態(tài)當中,與數(shù)據(jù)廠商、芯片廠商、云廠商,以及ISV/SI等廠商,在角色和互補性上來說都是非常高。

　　數(shù)據(jù)是AI時代的重要生產(chǎn)資料,高效的數(shù)據(jù)利用,高質(zhì)量的數(shù)據(jù)樣本,是算法訓練產(chǎn)出高性能AI模型的重要前提。在共達地的生態(tài)版圖中,數(shù)據(jù)廠商是重要一環(huán)。

　　目前,共達地已經(jīng)與曼孚、數(shù)據(jù)堂等展開深入合作,利用自身AI訓練平臺的高效訓練,讓海量的數(shù)據(jù)變成有應(yīng)用價值的算法。

　　憑借對芯片的深入理解和豐富經(jīng)驗,共達地對于芯片的適配廣度和對于芯片的利用率的友好性,都實現(xiàn)了行業(yè)領(lǐng)先,讓客戶無論采用何種芯片,都可以輕松上陣,更充分、靈活地調(diào)用AI芯片性能,充分發(fā)揮算法能力。

　　云就像電力資源一樣,能夠結(jié)合算法開發(fā)的算力需要,充足提供給予算法開發(fā)所需要的支持。在云計算領(lǐng)域,共達地與亞馬遜等云廠商合作,將AI模型的生成效率大幅度提升,實現(xiàn)產(chǎn)品服務(wù)和業(yè)務(wù)創(chuàng)新“比翼齊飛”,大幅提升終端用戶體驗的同時,更為業(yè)務(wù)創(chuàng)新發(fā)展釋放無限潛能。

　　而面向ISV、SI等集成商,長期奔赴在行業(yè)一線的他們,會帶回非常多極具行業(yè)價值的場景需求。通過賦能這些合作伙伴,共達地可以幫助他們提升業(yè)務(wù)AI化的能力,將想法變成現(xiàn)實。

　　面向未來,趙叢認為公司定位是做一家平臺型的公司,希望訓練平臺能夠成為AI行業(yè)從業(yè)者上手的通用平臺,數(shù)據(jù)標注,分析,訓練,芯片適配,部署這些耗費精力的工作都由平臺解決,讓AI從業(yè)者定位于更有價值的環(huán)節(jié)。

　　在AI下半場,共達地希望普惠AI,讓其良性運營為伙伴們持續(xù)創(chuàng)造效益,幫助他們實現(xiàn)項目的成功,共同達到目的地。

　　或許,成就客戶也是在成就自己。筆者也希望共達地能夠參與到AI下半場的時代變革當中,做行業(yè)的賦能者,為更多傳統(tǒng)行業(yè)、傳統(tǒng)企業(yè)創(chuàng)造更多增量價值。（轉(zhuǎn)自：CPS中安網(wǎng)）