共達(dá)地聯(lián)合英特爾發(fā)布AutoML白皮書：普惠AI趨勢(shì)下，硬件智能化成關(guān)鍵

近日，共達(dá)地聯(lián)合英特爾發(fā)布《AutoML平臺(tái)應(yīng)用白皮書》（以下簡(jiǎn)稱“白皮書”），對(duì)超大規(guī)模應(yīng)用及算法精細(xì)化趨勢(shì)下，人工智能如何與硬件端有機(jī)結(jié)合，實(shí)現(xiàn)更高效的交付與更流暢的部署進(jìn)行了系統(tǒng)闡述。這是硬件產(chǎn)業(yè)AI化升級(jí)的一次前瞻性嘗試，為AIoT的全面落地及AI賦能產(chǎn)業(yè)智能化轉(zhuǎn)型的加速實(shí)現(xiàn)進(jìn)行了重要探索。

對(duì)于本次合作，英特爾認(rèn)為，AI的廣泛應(yīng)用是近年來最具顛覆性的趨勢(shì)之一，推動(dòng) AI算法在實(shí)際業(yè)務(wù)中的應(yīng)用，已經(jīng)成為企業(yè)實(shí)現(xiàn)智慧化轉(zhuǎn)型、挖掘數(shù)據(jù)價(jià)值的重要方式。得益于英特爾與共達(dá)地的合作，用戶不再需要關(guān)心算法流程，只需定義場(chǎng)景和需要部署的算法，便可使用共達(dá)地 AI 自動(dòng)化訓(xùn)練平臺(tái)和自動(dòng)化算法商城訓(xùn)練的算法快速在英特爾® 平臺(tái)上進(jìn)行部署，從而降低部署門檻與成本。

共達(dá)地創(chuàng)始人兼CEO趙叢博士認(rèn)為，共達(dá)地此次與英特爾的合作，通過共達(dá)地 AutoML 平臺(tái)與英特爾® 視頻AI計(jì)算盒的整合應(yīng)用，實(shí)現(xiàn)了算法從數(shù)據(jù)分析、模型設(shè)計(jì)、超參調(diào)節(jié)、模型訓(xùn)練到模型部署、迭代優(yōu)化的全流程自動(dòng)化，真正讓企業(yè)不用成立AI團(tuán)隊(duì)，也能順暢使用AI技術(shù)。

共達(dá)地x英特爾，算法精細(xì)化趨勢(shì)下的強(qiáng)強(qiáng)聯(lián)合

近年來，得益于云計(jì)算、大數(shù)據(jù)等領(lǐng)域的快速發(fā)展，AI開始充分與硬件結(jié)合，實(shí)現(xiàn)超大規(guī)模應(yīng)用。IDC 調(diào)研數(shù)據(jù)顯示，包括軟件、硬件和服務(wù)在內(nèi)的 2022 年全球人工智能收入預(yù)計(jì)同比增長(zhǎng) 19.6%，達(dá)到 4,328 億美元，預(yù)計(jì) 2023 年可突破 5,000 億美元大關(guān)。

但是AI模型的構(gòu)建、訓(xùn)練、優(yōu)化與部署通常伴隨著高門檻、高成本、長(zhǎng)周期等特點(diǎn)，這使得當(dāng)下的人工智能技術(shù)主要應(yīng)用于安防監(jiān)控、金融風(fēng)控、智能手機(jī)等需求統(tǒng)一、場(chǎng)景單一的業(yè)務(wù)領(lǐng)域，形成頭部玩家集中、中小企業(yè)競(jìng)爭(zhēng)激烈的格局。

與此同時(shí)，隨著數(shù)字經(jīng)濟(jì)建設(shè)與產(chǎn)業(yè)智能化轉(zhuǎn)型加速，真實(shí)業(yè)務(wù)場(chǎng)景中出現(xiàn)越來越多碎片化、長(zhǎng)尾化的需求。例如，在智慧城市建設(shè)中，除通用的安防監(jiān)控外，也需要通過AI技術(shù)識(shí)別高空拋物、煙火、占道經(jīng)營等風(fēng)險(xiǎn)以實(shí)現(xiàn)智能化管理；在工業(yè)領(lǐng)域，除人臉識(shí)別打卡外，針對(duì)成百上千種不同類型零部件的多種缺陷進(jìn)行自動(dòng)化檢測(cè)，對(duì)提高生產(chǎn)質(zhì)量和生產(chǎn)效率至關(guān)重要。然而，因場(chǎng)景碎片化、需求個(gè)性化、數(shù)據(jù)難采集等特點(diǎn)，市面上已有的算法適配度低，定制化開發(fā)新算法成本高、復(fù)用性低，導(dǎo)致需求長(zhǎng)期無法得到滿足。但這類需求約占據(jù)人工智能應(yīng)用市場(chǎng)的96%，并呈井噴式發(fā)展趨勢(shì)，是“隱形的主流需求”。

在此背景下，AutoML的概念進(jìn)入舞臺(tái)中央。AutoML是指通過AI開發(fā)流程自動(dòng)化，在無需專業(yè)算法工程師介入的前提下，實(shí)現(xiàn)快速、高效地AI開發(fā)與部署，以適配碎片化場(chǎng)景下的個(gè)性化算法定制需求。共達(dá)地就是一家立足于為行業(yè)提供自動(dòng)化、平臺(tái)化人工智能開發(fā)服務(wù)的公司，通過共達(dá)地的AI全自動(dòng)化訓(xùn)練平臺(tái)，企業(yè)無需搭建專業(yè)算法工程團(tuán)隊(duì)，就能即刻擁有小時(shí)級(jí)的 AI模型生產(chǎn)能力，大幅降低 AI 開發(fā)成本、部署周期和使用門檻，工業(yè)化實(shí)現(xiàn)精細(xì)場(chǎng)景中AI算法的高效定制及端到端的重構(gòu)、訓(xùn)練、優(yōu)化與部署。

本次共達(dá)地與英特爾的廣泛合作，將充分利用英特爾® 至強(qiáng)® 可擴(kuò)展處理器、英特爾® 視頻 AI 計(jì)算盒、以及英特爾® OpenVINO™ 工具套件分發(fā)版（OpenVINO™ 工具套件）等軟件工具，實(shí)現(xiàn)硬件與AI技術(shù)的彈性結(jié)合，為企業(yè)與開發(fā)者在多元場(chǎng)景下適配更易用、更流暢、更靈活的智能硬件提供了成熟答案。

AutoML深入產(chǎn)業(yè)，提升產(chǎn)業(yè)轉(zhuǎn)型效率

白皮書顯示，共達(dá)地的AI全自動(dòng)化訓(xùn)練平臺(tái)目前已在智慧城市、智慧園區(qū)、智慧社區(qū)、智慧交通、智慧金融網(wǎng)點(diǎn)、明廚亮灶、智慧工地、智慧工廠、智慧油站等多個(gè)領(lǐng)域應(yīng)用落地，為客戶帶來低門檻、高效率的轉(zhuǎn)型體驗(yàn)。

例如，在某智慧城市建設(shè)項(xiàng)目中，共達(dá)地與平安智慧城市達(dá)成合作，針對(duì)城市治理中的碎片化需求，構(gòu)建了“自動(dòng)發(fā)現(xiàn)、自動(dòng)預(yù)警、即時(shí)處理”的一站式AI解決方案。面對(duì)層出不窮的新場(chǎng)景、新需求，傳統(tǒng)解決方案從需求評(píng)估到到測(cè)試迭代通常需要數(shù)月時(shí)間，但共達(dá)地AI自動(dòng)化訓(xùn)練平臺(tái)可在數(shù)小時(shí)內(nèi)完成違規(guī)停車、井蓋丟失、損壞檢測(cè)、煙火檢測(cè)、占道經(jīng)營等多個(gè)碎片化場(chǎng)景的算法模型訓(xùn)練。目前這些模型已經(jīng)率先在平安智慧城市的多種機(jī)器人中搭載上線，在實(shí)際應(yīng)用中準(zhǔn)確率遠(yuǎn)超行業(yè)平均水平。

在與某大型牧場(chǎng)的合作中，客戶想要加強(qiáng)對(duì)奶牛的精細(xì)化管理，但這類需求很難在既有算法市場(chǎng)得到滿足，同時(shí)囿于數(shù)據(jù)采集困難、復(fù)用率低等特點(diǎn)，定制難度較大，給牧場(chǎng)轉(zhuǎn)型帶來了極大的障礙。共達(dá)地通過接通牧場(chǎng)的監(jiān)控錄像進(jìn)行數(shù)據(jù)提取，完成了基礎(chǔ)數(shù)據(jù)采集和標(biāo)注工作，并在數(shù)小時(shí)內(nèi)完成了AI能力的建構(gòu)，一周后便進(jìn)行了有效交付。AI 算法對(duì)奶牛的站臥狀態(tài)檢測(cè)、進(jìn)食自動(dòng)噴淋檢測(cè)和草垛狀態(tài)檢測(cè)均取得了良好效果，還能以天為單位采集現(xiàn)場(chǎng)的數(shù)據(jù)，回傳給自動(dòng)化訓(xùn)練平臺(tái)，進(jìn)行算法的自主學(xué)習(xí)、快速迭代，幫助牧場(chǎng)實(shí)現(xiàn)更科學(xué)、更精細(xì)的飼養(yǎng)。

除了針對(duì)通用場(chǎng)景中碎片化需求的快速定制和針對(duì)特殊場(chǎng)景的算法強(qiáng)化，共達(dá)地還基于對(duì)行業(yè)上90%常見任務(wù)的理解，推出“算法商城”以滿足中小企業(yè)在碎片場(chǎng)景的迫切需求。目前算法商城包含近百個(gè)場(chǎng)景中適配百余款芯片的5000多種高精度算法，供客戶以0代碼、即插即用的方式，快速將AI算法應(yīng)用于業(yè)務(wù)鏈條中，實(shí)現(xiàn)智能化升級(jí)。

實(shí)驗(yàn)數(shù)據(jù)顯示，相比于傳統(tǒng)方式，共達(dá)地 AutoML 技術(shù)在模型調(diào)參上可節(jié)省約80%的時(shí)間，在模型搭建上可以節(jié)省超90%的時(shí)間。也就是說，對(duì)于客戶而言，產(chǎn)業(yè)智能化轉(zhuǎn)型將不再是一場(chǎng)耗時(shí)數(shù)月甚至數(shù)年的復(fù)雜工程，共達(dá)地AutoML自動(dòng)化AI訓(xùn)練平臺(tái)通過高效率、高適配、高精準(zhǔn)，重新劃定了產(chǎn)業(yè)智能化轉(zhuǎn)型的起跑線，通過技術(shù)變革讓轉(zhuǎn)型進(jìn)入快車道。

共達(dá)地針對(duì)不同用戶需求的支持方案

軟硬一體+生態(tài)聚合，讓AI為產(chǎn)業(yè)發(fā)電

人工智能和機(jī)器學(xué)習(xí)領(lǐng)域的國際權(quán)威學(xué)者吳恩達(dá)曾樂觀地宣稱：“人工智能是新‘電能’……正如100年前電能幾乎改變了所有行業(yè)一樣，今天我真的很難想到有哪個(gè)行業(yè)在未來幾年內(nèi)是不會(huì)被人工智能改變的。”然而研究表明，AI領(lǐng)域的人才缺口在2022-2024年將達(dá)到150萬。此外，高門檻帶來的高薪資，也給這項(xiàng)技術(shù)的廣泛商業(yè)化帶來現(xiàn)實(shí)障礙。

從這個(gè)角度講，作為推動(dòng)產(chǎn)業(yè)變革的人工智能產(chǎn)業(yè)本身就需要一場(chǎng)內(nèi)部革命，即變革算法的生產(chǎn)模式，以更輕量、更靈活的方式適配業(yè)務(wù)需求，產(chǎn)生真實(shí)可見的產(chǎn)業(yè)價(jià)值，并在這個(gè)過程中推動(dòng)業(yè)務(wù)數(shù)據(jù)沉淀，反哺算法迭代，形成“技術(shù)-產(chǎn)業(yè)”間的正向循環(huán)。

“軟硬一體化”是人工智能落地的重要前提。本次共達(dá)地與英特爾的合作，就是讓算法賦能硬件，讓“大腦”指揮“四肢”的一次重要嘗試，為實(shí)現(xiàn)個(gè)性化場(chǎng)景下的標(biāo)準(zhǔn)化交付提供了技術(shù)基礎(chǔ)與生態(tài)基礎(chǔ)。

在技術(shù)方面，交付周期的縮短和準(zhǔn)確率的保障，為產(chǎn)業(yè)質(zhì)變提供了效率基礎(chǔ)。傳統(tǒng) AI 算法大多使用公開數(shù)據(jù)集進(jìn)行模型訓(xùn)練，在部署到實(shí)際落地場(chǎng)景時(shí)，還需要工程師采集現(xiàn)場(chǎng)數(shù)據(jù)并進(jìn)行針對(duì)性的迭代優(yōu)化，耗費(fèi)時(shí)間可能長(zhǎng)達(dá) 1~2 年。共達(dá)地可快速部署算法，并使用 AutoML 訓(xùn)練平臺(tái)自動(dòng)收集現(xiàn)場(chǎng)數(shù)據(jù)，以天為單位進(jìn)行自動(dòng)迭代優(yōu)化，從而能夠高效滿足用戶需求。

更重要的是，實(shí)驗(yàn)數(shù)據(jù)顯示，在同等數(shù)據(jù)條件下，由共達(dá)地 AutoML 方案自動(dòng)化訓(xùn)練實(shí)現(xiàn)的模型精度優(yōu)于中高級(jí)算法工程師所實(shí)現(xiàn)的模型精度。以 “鳥類識(shí)別”算法為例，算法工程師訓(xùn)練 RetinaNet 網(wǎng)絡(luò)實(shí)現(xiàn)的檢測(cè)準(zhǔn)確率（MAP）為 4.8%，傳統(tǒng)算法使用網(wǎng)絡(luò)結(jié)構(gòu)搜索（NAS）與超參數(shù)優(yōu)化（HPO）實(shí)現(xiàn)的準(zhǔn)確率為 15.2%，而共達(dá)地使用數(shù)據(jù)分析 + 自動(dòng)方案設(shè)計(jì)實(shí)現(xiàn)的準(zhǔn)確率可達(dá) 78%。再以銷釘缺陷檢測(cè)為例，算法工程師訓(xùn)練 CNN 檢測(cè)銷釘實(shí)現(xiàn)的檢測(cè)準(zhǔn)確率（MAP）為 88%。而共達(dá)地使用自動(dòng)方案設(shè)計(jì)與工作流編排實(shí)現(xiàn)的檢測(cè)準(zhǔn)確率可達(dá) 98.9%。

共達(dá)地的算法訓(xùn)練平臺(tái)與其他方案的精度比較

在生態(tài)方面，共達(dá)地基于AutoML搭建的自動(dòng)化AI訓(xùn)練平臺(tái)即是對(duì)生產(chǎn)關(guān)系的全新探索。通過讓AI生產(chǎn)AI，一方面將寶貴的專業(yè)AI算法工程師解放出來，去拓寬人工智能的邊界；另一方面以領(lǐng)先技術(shù)為基礎(chǔ)，共達(dá)地堅(jiān)定地站在人工智能應(yīng)用生態(tài)的中間層，不僅為行業(yè)提供成熟的算法商城，還針對(duì)有算法定制需求的企業(yè)，提供了定制服務(wù)和訓(xùn)練平臺(tái)，以適配不同場(chǎng)景對(duì)AI的不同期待。此外，通過廣泛適配百余款芯片，共達(dá)地將可用算法快速部署至各類硬件終端，以解決軟硬件適配難題。

通過這種方式，共達(dá)地以一個(gè)平臺(tái)為基礎(chǔ)，構(gòu)建了一個(gè)聯(lián)合上下游算法公司、硬件廠商及解決方案公司的良性生態(tài)，聚成合力共同為產(chǎn)業(yè)轉(zhuǎn)型賦能。在這個(gè)基礎(chǔ)上，超大規(guī)模應(yīng)用趨勢(shì)下的場(chǎng)景碎片化現(xiàn)狀與算法高精度、快交付需求之間的矛盾將得到極大的緩解，硬件適配性差、利用率低等方面的固有困擾也將不再成為轉(zhuǎn)型卡點(diǎn)。最終形成以業(yè)務(wù)場(chǎng)景為驅(qū)動(dòng)，技術(shù)賦能產(chǎn)業(yè)，產(chǎn)業(yè)反哺技術(shù)的良性互動(dòng)。

技術(shù)革命的歷史證實(shí)，技術(shù)推動(dòng)效率，效率引發(fā)規(guī)模，規(guī)模孕育質(zhì)變。在人類歷史上，洗衣工、人力車夫、電梯操作員、計(jì)算員曾是重要的工種，但如今技術(shù)的發(fā)展不僅替代了這些重復(fù)、低價(jià)值的工作，還為創(chuàng)造新的產(chǎn)業(yè)提供了土壤。同樣，共達(dá)地與英特爾及更多生態(tài)上下游的企業(yè)正致力于通過領(lǐng)先技術(shù)，提供更充足、更穩(wěn)定的AI能力供應(yīng)和更低門檻、更高效率的AI服務(wù)，讓AI這項(xiàng)“新電能”真正普惠百業(yè)。