“機器必須有自己獨特的思考，機器必須做人類做不到的事情。”
作者 / 劉亞傑
編輯 / 劉 煜
人工智能的飛速發展離不開深度學習和算法的演進。人工智能是怎樣實現的？算法又是怎樣產生的？
中國人工智能獨角獸企業給出了他們的解釋：“簡單來講，算法的研發過程就像炒菜。在‘美味算法’的研發中，數據就是各種各樣的食材，需要清洗，分類管理，是‘炒制’算法的原材料；而算法的訓練和推理就像是烹製的過程，需要鍋具（深度學習框架）來承載；算力則是一竈猛火，火候到位才能燒得好菜。
廚師的工作是什麼？一定不是買菜、刷鍋、端盤子，他們幾十年精深廚藝，爐火純青的，是在火候的頂點逼出鍋氣，是結束表演時精準灑出的一把鹽，然而即便是廚藝高超也不能空手燒出佛跳牆——AI開發者亦是如此，他們鍾情於“煉丹”文化，講究學術造詣，但儘管是大神級開發者，也需要好用的開發工具。
厭倦了晦澀的技術參數與冗長的產品規格說明書，AI從業者遠比其他業者更喜歡類比。談及人工智能和深度學習的理念和優勢，免不了講出如上這樣的觀點。
故事講到這，聽衆總會有所收穫，也有了一番不解。
在國內產業升級的背景下，誰能拉動生產力？當廚師站在更好的工作空間，身前圍坐着更多苛責的食客時，誰能提升菜品供應效率？隨着廚房不斷升級，需求、資源、方法論都會改變，這道題越發不好解答。
不過曠視沒有給聽衆太多考慮的時間，而是一遞上奇招：先開源，再開放。
3月25日，曠視按計劃正式開源其自研、自用了6年的工業級深度學習框架“天元”（MegEngine）。在開源框架的同時，曠視還將開放Brain++的算力和數據平臺，其目的是降低AI算法的研發門檻，讓“深度學習，簡單開發”——“降低開發者的門檻，讓 AI 變得平凡，才能真正的釋放 AI 生產力。”曠視表示。
01
產業變了
“機器必須有自己獨特的思考，機器必須做人類做不到的事情。”
2017年5月27日，貴陽國際大數據產業博覽會上，當人們還在回憶一年前，AlphaGo戰勝棋手李世石與柯潔的故事，馬雲說出了這些話。在他看來，機器強大的運算能力，不能只停留在棋盤上，現實中有更廣闊的用武之地。
這一年，ARJ21-700飛機獲得中國民航局頒發的許可證，中國開始量產噴氣式客機；480萬輛運營車輛上線被動系統，中國建成全球最大的車聯網平臺；另據中國汽車工業協會數據，2017年全年中國汽車產銷量雙雙超過300萬輛……
由此可見，中國社會正在變化，產業已經告別原始的“作坊式”生產模式，迎來市場化、規模化、現代化改造。這是一次全行業生產工具的全面升級的時代，這次改造纔是馬雲口中人類做不到，應該留給機器思考、完成的“事情”。
很明顯，這些“事情”的複雜程度遠比下棋更高，不過已經有中國企業關注這些“事情”。這場對弈之後，曠視很快將人工智能產品及解決方案落地，在深度研發人工智能底層算法的基礎上，推出智能攝像頭、智能計算單元、智能機器人三大硬件體系，走出一條“軟硬結合”發展路線。
伴隨業務版圖不斷擴張，曠視也發現了一些問題：世界上不存在通用的算法。很多細分場景和訴求，都需要創新算法來解決，然而算法研發的門檻過高，傳統企業和中小企業沒有深度學習和算法開發的能力；作爲AI算法廠商和解決方案提供商，供方有能力，但是缺乏一線業務場景的數據和對業務的深入理解。雙方類似於站在跨海大橋的兩端，總要消滅那段距離才能相遇——這也正是AI+產業的升級過程中面臨的最大鴻溝。
解決這些問題，已經不是繼續強化底層技術實力，或者落地“軟硬結合”的業務模式就能夠成功的，所以原本授人以魚的曠視打算“授人以漁”。
02
專業“拆橋”
既然大橋這麼累贅，能拆了嗎？還真行。
如果需方擁有AI生產工具，就能直接地觸達底層需求，不僅能實現“從零到一”的突破，還把AI從原本的成本中心轉化爲增值工具；供方也能改變傳統供需關係，從單純提供算法的技術提供方，轉化爲提供諮詢、技術、方案一條龍服務的“AI專家顧問”，建立全新的合作模式。
在這層關係中，開放生產力工具是核心要素。正因爲如此，曠視最終決定開源、開發Brain++。“算法研發和普通編程不同，是一個系統工程，需要能夠協同優化數據、算法、算力的平臺級產品，Brain++ 就是一個集數據、算法和算力三位爲一體的AI生產力平臺。”唐文斌指出。
曠視聯合創始人兼CTO唐文斌
發佈會中，曠視雲服務業務資深副總裁趙立威公佈了曠視Brain++ 的商業化路徑，“Brain++可以爲企業用戶提供AI生產全流程的服務，從專業諮詢、到數據生產、模型優化，再到私有化AI平臺的建設運維，滿足各行業在“AI+”的過程中降本增效、自主安全和商業創新的訴求。”
其中，曠視本次開源的深度學習框架頗有看頭。
如開篇所述，人工智能的發跡很大程度上依賴於深度學習的進步，而深度學習離不開深度學習框架，但是目前國際主流的框架都屬於谷歌和臉書等巨頭。雖然中國在AI從業者數量和AI應用方面走在世界前列，但在底層的基礎設施還是缺位的。令人興奮的是，這一週中國將接連開源3款深度學習框架。包括3月20日清華大學主導的深度學習框架 Jittor（計圖）、3月25日曠視開源的天元（MegEngine）,以及將於3月28日華爲開發者大會公佈開源的MindSpore。
有人說，曠視開源是爲了和巨頭競爭，但是曠視方面則表示開源是想讓更多人用曠視的框架，找到更多能在產業落地的算法和部署的方案，“開源深度學習框架是開放Brain++計劃的一部分。”
目前，曠視Brain++的這種打法已在製造業落地。以一家制造企業爲例，該企業工廠在配電產品質量檢測中偶爾出現零部件顏色搭配錯誤、字符印刷殘缺等情況，靠人工目檢效率低，靠機器視覺方案需要巨大投入。於是，曠視爲其提供了基於數據管理平臺MegData和深度學習框架天元的解決方案，通過數據增廣技術實現了數據抽取、清洗、標註、管理全流程管理，而天元可將深度學習算法研發的能力與方案直接佈署到工廠，極大降低了工廠創新算法的訓練成本，滿足產線上快速升級算法的要求。
03
裂變前夕
在科技領域，唯一的不變就是改變。何況在中國產業升級不斷深入的背景下，誰都無法說清未來的模樣。
隨着國務院發佈《新一代人工智能發展規劃》，以及“新型基礎設施建設”概念的提出，進一步加速人工智能、深度學習、5G、工業互聯網等創新技術正在各行業中的推廣普及。這是一個在需方市場爆發的產業風暴，整個社會將進行一次前所未有的技術升級。
在這些宏觀政策的推動下，人工智能市場的現有格局與發展趨勢出現進一步調整。大量沒有接入人工智能的企業，將會迎來全面的技術再造；得到技術重塑的企業，將會產生更爲多元化的訴求。行業需要更多曠視這樣的“AI專家顧問”企業，才能爲更多傳統企業“+AI”服務。
爲提升生產和管理效率，現在還能用的生產工具，到時候必須變得好用夠用。更爲強大的計算能力，以及更爲優渥的數據資源將成爲必要條件。屆時，只有開源框架的工具就不夠用了，推動行業的發展需要更爲專業的產品與服務。
不過在曠視的版圖中，早已準備好算力和數據資源。曠視開源框架絕非鎖定眼前利益，而是瞄準了更長遠的未來，一個AI與深度學習都必不可少的未來，這也讓曠視的發展有了更大的想象空間。
相比谷歌、臉書，甚至是百度和華爲，曠視是開源框架主體中唯一一家以AI爲本業的企業，立足於此、發跡於此。近十年的發展，曠視比其他企業更瞭解技術的走向，更清楚在何時，以怎樣的形式與產業結合，能收到更理想的效果——這是底層基因決定的，對手學不來。足夠的專業性，正是曠視佈局未來的最大底氣。
04
結語
在很多人看來，曠視作爲挑戰者開源框架，與行業巨頭“同框”，其中的難度並不小，甚至部分人持有懷疑的態度。不過筆者認爲，曠視的行爲應該得到更多的鼓勵與支持。
曠視是唯一一家走上開源框架之路的中國企業，其中有太多的未知和不確定，這是一個“勇敢者走夜路”的過程。曠視是一家能力主導型企業，每向前一步，都建立在更爲成熟的技術基礎上，這些“硬實力”能夠讓曠視擁有更多主動權。
從行業發展的客觀規律來看，能夠在大浪淘沙中脫穎而出，必須經過多年的行業浸潤，在專業性上具備絕對實力。在這兩方面，曠視都有非常突出的優勢。因此應該給予曠視更多的信心，在開源的歷史上，留下濃墨重彩的一筆。