旷视科技唐文斌：你到底给谁创造了什么样的价值？
|
现在是发展AI特别好的时机，大家都在讲AIoT，AI+IoT是特别干柴烈火的场景，因为硬件成本逐渐变得更低，5G让连接变得更迅捷，在这些基础之上实现非常好的IoT的连接后，就能够产生更多数据，让AI算法实现快速突破，新技术也就得到了更好的结合，能够被应用到各种场景中。 AIoT的三个角色：感知、决策、执行 我分享一下旷视对于AIoT的理解。我们认为整个AIoT体系下有且仅有三种角色，分别叫感知器、决策器、执行器。道理其实很简单，比如人用眼睛和耳朵做感知，用大脑做决策，用手和脚做执行，任何一个场景都是这样的闭环架构。 举个例子，比如我们有一个产品是人脸识别门禁，就是特别简单的AIoT场景。感知环节是用摄像头拍人脸；决策环节是对人脸进行判断，如果这个人是公司的员工或访客，就把门打开；执行器就是那个门。这就是非常简单的场景。 再比如我们给日本客户做了一个演示，控制很多的机械臂、传送带、AGV（自动导引车，有轮子的移动机器人），帮助仓库、工厂实现自动化。这里面的感知环节，是有很多的摄像头对货物、场景、操作者进行感知，通过IoT的方式收集设备的数据；决策环节就是决定机械臂什么时候该动，小车什么时候去哪个地方接货物、走什么路径、送到哪里去；最后是执行需要有一个好的硬件载体做执行。 感知、决策、执行，这是我们做AIoT的框架和逻辑。 AI也好，IoT也好、AIoT最终还是要回到价值，我们到底给什么场景、什么客户、在什么样的情形下带来价值。 价值主要是三个方面：成本优化、效率提升、体验增强。所以我们必须思考如何能够给客户带来这方面的价值。 因此我们判断一个场景该不该做，也是通过前面这些方式。我们要考虑ROI，要考虑给客户带来了什么样的回报，要看技术是否成熟，场景是否够大，如何能实现规模化。 现在，任何一个场景中都需要很多算法，比如说视觉识别在工业场景中的应用，可能需要上千个算法去识别不同的东西。 所以，低成本、大规模产生算法，是AI赋能得以迅速推广的关键。 那么视觉算法如何低成本实现呢？有没有批量化生产这些算法的机制？ 旷视的解决之道是做了一个底层的算法平台，叫Brain++。Brain++做的事情就是通过高效的深度学习的平台，更有效、低成本地生产算法，让研究员更快生产出他们想要的算法，通过AutoML的方式，针对已经规范好的场景，自动化生成算法。 感知层的算法、决策层的优化算法、控制层的控制算法，都可以通过Brain++降低生产成本，也降低了AI应用到一个场景的成本，让AI落地到更多产业中去。 基于算法，能够形成行业的应用软件和平台软件，比如在不同场景中需要不一样的应用软件。那么这些应用软件是否有好的PaaS层、提供好的共性、提供更低成本的落地方式，关系到整个过程能否实现低成本化，实现贴近使用场景，这是非常关键的事情。 旷视在做什么呢？我们基于Brain++算法平台，深耕三个主要的应用场景。 第一个场景以手机为终端，去赋能手机，让手机具备识别人脸的能力，具备识别各种信息的能力，能够刷脸解锁，能够把照片变得更漂亮，让相机变得更智能。 第二个是城市物联网，以相机为终端，通过分析相机中的数据，让城市变得更加的便捷和安全。 最后一个场景是供应链物联网，就是前面讲的把机器人、机械臂、AGV等一系列的自动化的设备连接起来，通过视觉的方式提供完整的解决方案，给仓库、工厂降本增效。 这是我们支持的天猫超市的一个仓库，大概用了400多台机器人，来帮助天猫超市完成整个京津冀地区的发货。如果在座的各位在北京去下天猫超市的订单，很有可能是我们的机器人系统把货发给你的。 对于旷视这样的技术公司来说，AI的场景其实是有巨大机会的，因为AI作为一个很好的手段，可以给不同的场景带来不同的价值。 具体怎么去创新呢？放在刚才感知、决策、执行的框架下来看，其实每一个环节都有创新的机会，都有做出足够好的差异化产品的机会： 我们可以做出不一样的传感器，通过感知算法加上新形态的传感设备，实现更好的感知，面向更多感知维度，提高精度，实现更好的集成度。 我们也可以做更好的决策器，这能提供很大的价值，比如解决仓库里大量机器人的统一调度、统一运行问题，需要优化的算法，需要一个决策器；如何让收集来的海量数据产生对场景有价值的计算方式和业务模型，这些都是在决策器上可以做创新的点。 在执行器上，我们也可以做很多不一样的执行器、不一样的自动化的装置、不一样的设备。AI+IoT对于场景能够带来非常多的价值，旷视作为AIoT方向的践行者，我们最早从感知出发，现在从感知逐渐迈向决策、迈向执行，也希望通过这些技术方式，最终给客户创造更大的价值。 这就是我们现在在做的事情，谢谢大家。 （编辑：应用网_阳江站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |