经过6个月的打磨，旷视Brain++商业版正式走向市场。
在刚刚落幕的2020中关村论坛上，这家以先进算法闻名的AI头部玩家，亮出了他们为
作为，Brain++被旷视比作能规模化生产各种AI菜品的中央厨房，而放眼整个AI领域，像旷视这样，并不多见。
如今，旷视面向企业迫切希望应用AI技术的核心诉求，
当“将AI变成水电煤气般的存在”成为AI领域人人追逐的新愿景，旷视Brain++商业版的入局，
通过与旷视研究院高级技术总监、Brain++负责人田忠博进行交流，我们试图读懂在AI商业化征途中，
一、解锁旷视全流程AI生产能力，算法落地时间缩短80%
AI正赋予改变世界更多的想象力，从人脸解锁、实时翻译到提升工业质检效率，都让越来越多企业看到新型AI生产力所带来的增值空间。
摆在企业面前的，是从AI技术到应用间的数道鸿沟：如果企业从头构建AI解决方案，难免要投入大量人力和物力成本。
这些AI规模化落地常见的“通病”，能不能通过一套标准化的系统来解决？
能否用一套高效好用的工具，省去不必要的重复性工作，解决广泛企业在大部分场景中的问题？
Brain++是旷视在产业应用工作中自主研发的全流程AI生产能力合集，是旷视各种AI业务的底层基础设施，由共同构成。
作为统一的底层架构，Brain++为旷视的AI算法训练及模型改进过程提供了重要支持，使旷视得以构建一条不断自我改进、更加自动化的算法生产线，
从2014年开始搭建至今，Brain++凭借规模化的架构体系和方法论，已经成为。比如今年疫情期间，旷视用10天交付明骥AI智能测温系统，即是基于Brain++平台实现。
“场景无限性带来的算法供给不足问题，是行业当前面临的最大痛点，而旷视尝试解决AI领域最核心的问题。”田忠博说。
Brain++的日益成熟，使得旷视从狭义的擅长算法研发变为能够批量完成算法批量部署，如今旷视正迈向下一个阶段——用数据、算法、算力能力开放给更多企业。
企业用户的核心诉求，是稳定、低门槛、低成本、有效地利用AI实现业务增长。而如果AI技术应用总是点对点实现，每家公司都为自己的业务重新配备一组人才团队、重新研发一套AI算法，不仅无法充分发挥AI能力的作用，而且对于AI算法和人才，都是一种浪费。从长远来看，单点AI的应用也不利于AI企业形成独特的竞争力。
因此，自今年3月正式宣布对外开放Brain++后，旷视又用了半年时间，根据合作伙伴及客户的反馈和调研，将Brain++中经验证的领先技术进一步梳理、整合、筛选和完善，打磨成贴合客户需求的商业化能力，这才将Brain++商业版正式推出。
根据旷视披露的实践数据，Brain++可
二、Brain++商业版全景图：助力私有化部署，提供全流程服务
Brain++商业版能做什么？
拆解其组成，可以看到，在Brain++三大平台的基础上，Brain++商业版将数据、算法、算力能力进一步抽象和集成，形成。
：提供覆盖算法生产全流程的多种能力和组件，并将其整合成为一套标准协助开发范式。这套范式是基于对旷视内部算法研发工作经验的总结和提炼，可以让企业从AI开发旅程的起点就能拥有科学和高效的方法论。
在平台层的基础上提供专项的算法生产、优化服务。旷视以算法能力见长，对于使用Brain++平台后依然无法解决特定场景的企业，可以提供从数据到模型部署的端到端算法服务，加速企业AI资产的积累速度。
为平台层的落地和算法的最终应用提供必需的部署、交付、扩容、培训、优化等服务，有效保障企业能够真正发挥Brain++平台的价值。
在这些能力的基础上，无论是企业需要开展新的自研AI业务，还是希望提升已有AI算法研发工作的效率，Brain++商业版都能帮助工作团队提升效率，以及实现算法和业务更好的打通。
这里我们对平台层的功能进行重点分析。
总体来看，Brain++商业版可以提供AI开发全部工作环节的平台化、流程化，帮助企业告别作坊式的AI开发，并基于完善的集群管理方案，降低AI集群构建门槛。除此之外，Brain++商业版也通过私有化部署的方式，为企业确保集群稳定性和数据资产安全。
Brain++商业版提供私有化的完整数据生产能力，覆盖数据质量管理、数据集管理和测试集管理。
Brain++商业版提供了丰富的训练和开发工具，支持有代码训练和无代码训练场景，方便客户使用多种形态的训练工具，更简单高效地完成模型训练。该平台还提供多种形式的模型评测方案来衡量模型的表现。
Brain++商业版提供多任务对比，支持参数、任务日志等信息的对比，集成了TensorBoard，方便算法开发人员对比不同训练任务的信息，从而提高模型开发效率。
为了方便项目开发与管理，Brain++商业版还为开发人员搭建了可建立独立资源个人工作台的，提供三步即可生成一个开发项目的，以及一套更易复现、稳定的。
此外，在这一平台上，可以确保训练过程中从本地拉取镜像，大大提高训练效率；可以帮助平台管理者从全局视角更好的管理底层基础设施资源；灵活的可以满足多企业、角色公用集群的业务场景。
田忠博向我们分享了对Brain++商业版的期待：“我们希望给企业一个。企业可以通过Brain++商业版不断打磨团队，建设AI能力，积累自己的数据和智能资产。”
三、六年磨一剑，霜刃已初试，Brain++商业版的三大优势
在田忠博看来，AI行业现在还没有真正以深度学习为核心打造的企业级平台，而在这方面，旷视有自己得天独厚的优势。
“我们一直都在尝试理解训练流程，训练流程的本质是什么，这也是旷视规模化生产算法的核心要素。”田忠博说。
那么打造这样一套全流程深度学习开发平台，旷视有哪些硬核实力来支撑？
1、大量先进自研算法积累
无论是从斩获多种国际AI赛事的榜首，还是支撑AI相关商业化落地，核心技术都是旷视在AI领域的立身之本。
作为国内最早创立的AI企业之一，旷视已，其中不乏DorefaNet、ShuffleNet、AutoML等创新研究成果，也用算法来提高数据生产、算力分配效率和优化芯片性能功耗比，做到“用AI解决AI生产的问题”。
据田忠博介绍，在Brain++平台上，每天有上千个模型被训练和验证，在被比较、选择后，变成可提供给合作伙伴的算法和模型，帮助企业获得更好的知识和价值。
今年3月，旷视Brain++的核心组件——深度学习框架天元MegEngine正式开源，成为。如今天元从Alpha版本迭代到1.0预览版，正与清华计图、华为MindSpore等一起点燃国产开源深度学习框架的星星之火，催化国内AI生态的繁荣。
2、多年实践验证，大幅缩减成本
田忠博认为，旷视能够安身立命和持续发展的核心，
经过六年打磨和产品验证，旷视Brain++在支撑个人物联网、城市物联网和供应链物联网三大方向的业务推进过程中，已帮助许多客户实现多场景算法开发。
如今旷视通过Brain++平台将AI能力、工具、流程、标准加以整合，使得企业在开发和部署AI时，不必再踩旷视前些年踩过的坑，帮助企业降本增效。
。其中，算力管理平台MegCompute可实现动态分配所有GPU，；数据管理平台MegData能最大限度利用GPU能力，相比基于传统对象存储或HDFS存储的；如果达到同样的训练速度，相比传统全闪存储集群，。
某家科创园区基于Brain++平台搭建园区AI开发中台，降低了园区内科创企业的深度学习开发门槛；一家希望实现智能化升级的汽车制造商基于Brain++平台，在非常短的时间就能完成生产安监、智能制造、生产规范等多种AI场景的研发需求。
旷视希望通过Brain++商业版，帮助传统企业做智能转型，推动新的场景化算法落地，帮助企业培养能运用Brain++平台完成算法生产的AI人才。
3、平台配套的全流程定制化服务
当前AI技术还不是放之四海而皆准的灵丹妙药，标准化服务不能解决所有问题。
比如一些大型制造企业会非常关注安全生产，关心是否佩戴安全帽、换好防化服、带好标识带……这些场景往往在标准算法体系中是看不到的。
对此，，从前期方案咨询、平台部署、模型优化、建设运维、课程培训等，将场景分散的定制化能力直接输送给企业，从而解决定制化业务模型的开发和沉淀问题。
其中，数据服务依托MegData平台进行，算法服务依托旷视研究院算法团队进行，运维服务依托旷视研究院工程能力体系，能满足特定应用场景下从数据管理平台私有化部署、算法训练及部署优化，到集群资源利用率优化与定制化扩容的各种需求。
结语：AI产业落地进入深水区
在过去AI发展势如破竹的五年间，AI的热度居高不下，如今随着通用基础技术逐渐成熟，AI已走出概念炒作的风口，从追逐热点转向更加注重核心技术能力与实体经济的深度融合。在“新基建”助推下，AI企业们正面临着如何将技术创新转化为商业价值的新一轮临门大考。
将AI转变成可规模化落地的产品和服务，既是有越来越多企业走向智能化升级和转型的诉求，也是AI企业进一步深化技术能力、构筑竞争壁垒的关键。
旷视Brain++商业版将深度学习能力标准化、体系化地对外构建和输出，为AI商业化、场景化、规模化落地提供了一套行之有效的生产力工具，既有助于规避“重复造轮子”的资源和效率浪费，又能加速创新应用的落地赋能，从而提升AI在整个行业的渗透率。
截至当前，AI算法依然存在成本高、周期长、供给能力有限的问题，一家AI公司的力量终究有限，要满足爆发式增长的AI应用诉求，还需要更多像旷视这样愿意将自身技术积累和落地经验输出的企业，来协力构建一个更为完善的生态。
本文网址：
