这条鱼来自奥菲斯。
量子报道| QbitAI，微信官方账号。
现在，AI无疑已经到了祛魅的地步。
当AlphaGo令人惊艳的一战在五年前成为旧事，当GAN制作的特效在鬼畜区遍地开花，当曾经只有最老练的团队敢涉足的自动驾驶迎来造车潮.
有人认为AI被推上神坛的黄金时期已经过去，但也有更多的行业观点，此时，真的是见证AI技术创造价值的时候了。
算法能力演进的历史/
是的，如今，大家早就习惯了App里推荐的算法；手机里的智能助手越来越能得到你的意图；即使去亦庄，也可以在地图App里放一辆无人驾驶出租车.曾经只在实验室里讨论过。
算法已经蔓延到生活的每一个角落而不自知。
在AI的神秘面纱随着技术的普及而揭开的同时，曾经被行业精英光环照亮的明星公司的标签也逐渐发生了变化。
说白了，外界问的问题更像独角兽，而不是“顶级论文”和“世界冠军”:
一家AI公司能创造什么样的价值？
雾气消散，潮水褪去，才看到真正的篇章。
最近，在这群独角兽中备受关注的旷视,自10年前成立以来首次举办了技术开放日。
碰巧的是，旷视首席科学家、旷视研究院院长孙健在活动中对此类问题给出了自己的答案。
算法能力演进的历史/
#“人工智能是一种不断发展的算法能力”
说到AI技术创造的价值，首先要讨论的是衡量价值的标准。
事实上，在技术发展的不同阶段，所谓的“AI的价值”总是在动态变化的。
众所周知，AI技术迎来了一个爆发期，这是一个近10年的事情，但AI跌宕起伏的历史可以追溯到20世纪50年代。
算法能力演进的历史/
以史为鉴不难看出，虽然受限于计算能力和数据, AI在迎来两次发展高峰后迅速陷入“寒冬”，但算法,的进化
，一直是其关注的主要原因。
达特茅斯会议之后，人们对人工智能的第一波追求，恰恰是机器自动定理证明、会玩跳棋的跳棋程序、已经胜任简单视觉处理的感知器等算法研究成果。
且不说这一波人工智能的到来是基于图灵奖获得者韩丁等人提出的深度学习算法。
但这只是“狭义上的算法"的演变”。
事实上，AI即将到来的冬天，其本质是AI无法突破从“是否有用”到“用在哪里”的距离。
如果说实验室单点算法的突破是算法's进化的深度，那么规模的实现和落地就是算法's进化的广度。
缩小时间范围，这种认知也可以在最近10年中国先进AI价值的道路上得到证明。
算法能力演进的历史/
作为中国AI十年的见证者，旷视认为，近10年来中国AI的价值变化大致可以分为三个阶段：
*基础科研
*行业落地
*基础设施
孙健说：
这三个阶段分别回答了三个问题：AI有用吗？人工智能在哪里
里用？AI易不易用？并且，这三个阶段不是分段接替，而是以基础科研为起点，你中有我我中有你，并行推动着AI价值的进阶。
回到算法的角度，可以这样理解：
基础科研 的关键点是突破单点算法，让AI率先在互联网等数字化程度高的领域应用落地，证明可用性的问题。
行业落地 的关键点是拓展算法边界，让AI能在越来越大的行业场景中实现规模化的商业落地。
而 基础设施
的关键点是降低算法门槛，让AI生产变得更加容易，从非标准化生产到标准化量产――旷视研究员周而进也在活动中强调：“非标准化的生产流程是制约算法生产的主要因素。因为非标，所以过程充满不确定性，所以需要全能型人才。只有标准化，才能自动化，才能规模化。”
在这个过程中，正如开头所提到的，算法本身似乎越来越不令人兴奋、让人感知不到，但实际上，算法却已经无处不在，真正开始走出实验室发挥出越来越大的价值。
以这样的视角再去回看旷视的10年历程，就会发现旷视自身的进阶，正是遵循着上述算法能力演进的脉络：
最初，以算法起步，乘着深度学习的变革东风，将深度学习与计算机视觉进行结合，形成以面部识别、视频结构化、图像分类、物体检测、语义分割、动作识别等为代表的算法能力。
进入到产业落地的阶段，在前期积累的科研成果的基础上，又从face++到Brain++，将自身快速、低成本生产算法的能力沉淀为AI生产力平台，提供从数据管理，到深度学习框架引擎，再到算力资源管理的一站式AI能力，大幅降低算法生产的技术门槛，实现AI算法的标准化、自动化生产。
以这样的算法能力为基石，旷视又在与产业的更深入结合中，选择了AIoT的路线。
因为IoT是基于场景空间，以人为核心、软硬结合的网络。AI+IoT的本质，就是将AI的能力注入到IoT场景中，实现智能化。
在AI能力的注入下，传感器、机器人等物联网终端硬件如同拥有“小脑”，能够实现“单体智能”；AIoT操作系统则是在各种物联网硬件和设备完成整合、组网之后，构成“大脑”，实现“群体智能”。
如此一来，AI算法才能真正做到“无所不在”。
# 旷视十年，不变的是什么？
成立10年，是时候通过技术开放的窗口再来看旷视是一家什么样的公司。
其实跟最初外界给“CV四小龙”的定位，已然相去甚远。
如今，不仅是在CV领域，将算法能力从目标检测、语义分割，拓展到了光学指纹、SLAM导航等更加丰富的场景里，旷视也把基础研发的视角，投入到了更基础、更本质的创新。
比如旷视研究院就在今年提出了 RepVGG ，革新了模型设计方法论，让经典的极简神经网络架构重新达到SOTA水准。其在开源后Github
star已超过1800。
而Brain++提供的智能化、标准化工具组件和AI能力，则是从基础设施的层面发力，解决AI进阶途中逐渐暴露出来的生产效率不足的问题。
看上去技术“杂”了，但实际上，旷视技术路线的演化背后，透露出的是其作为一家跟中国AI行业共同成长起来的公司，对自身造血更新的深入思考。
这样的不同之中，更深层的致胜逻辑其实却是不变的：围绕AI技术、围绕算法本身，持续创新拓展认知边界。
事实上，这种变化，不只局限在旷视。现在仍在行业中开辟自己的生存之道的独角兽们亦如是。
变，是基于作为AI行业的亲历者，对行业的不断洞察。
不变，是技术为王的底色，和对科技创新的坚持。
在这个过程中，旷视这样的公司在技术上依然“精英”，在落地上则更加务实。
― 完 ―
量子位 QbitAI 头条号签约
关注我们，第一时间获知前沿科技动态
