专访|一个AI平台背后的AI产业落地真相！专访大华股份AI掌舵人殷俊( 二 )

不过，殷俊也谈到，虽然平台能让不懂代码的小白客户也能用，但面向对精度、性能以及特定专业性有较高需求的算法，就需要有专业的算法背景。
AI本身还是数据+算法驱动，因此操作者需要对算法的原理和本质有一定的了解。以数据为例，看似简单的数据标注如果不注意算法的限制，开发的算法精度同样得不到保证，算法要做到能用、好用，做到精度的提升，需要很多技术经验。要判断哪个算法模型更适合业务场景，是一个专业的事情。
二、自动化AI训练和部署，整体效率提升40%以上在巨灵平台简洁、模块化的页面和操作流程之下，却是一套包含了大华股份在各行各业AI落地经验中积累的数百个AI算子、预训练模型，以及研发交付成熟验证过的一整套串联数据处理、算法训练、AI部署、方案验证、算法交付的AI开发全流程工具链。
殷俊谈到，常规的深度学习开发工作，包括数据标注、算法训练、芯片适配、性能优化、性能验证等，每个环节都是各自独立的工程，现在通过巨灵平台，可以把流程串联起来，并且不断推进“机器换人”，降低工程师的开销，从而大幅提高开发效率。
以算法部署为例，通过巨灵平台，用户只需要“一键部署”。对于产业AI化落地来说，面临的一大显著问题就是硬件平台的多样化。很多厂商可能擅长针对云平台进行AI部署，但是当下更多AI算法需要端边云全覆盖。
殷俊认为，面向国内外众多芯片平台实现AI算法部署以及端边云全覆盖的能力，正是大华股份大规模产业化体现出的优势。
通常的算法部署模式下，每个芯片平台都有自己的开发工具链，开发者就需要基于芯片的工具链转化模型并优化网络模型，进而做适配和验证，人工作业量巨大。
但在巨灵平台里，算法模型训练完，只需要点一个按键，系统可以自动把几十个芯片平台的适配和优化处理完直接出库，而且还能进一步自动完成真实环境的仿真报告。
“机器换人是一个循序渐进的过程，我们基础工程团队始终在干这个事情，持续优化工具链使开发流程更顺畅。”殷俊说，“近年来，大华股份每年AI算法的需求不止翻倍的增长，远远超过研发人员投入的增长，除了持续技术积累带来的增益外，背后的工具链也大大帮助我们提升开发效率。”
三、巨灵背后：四年深耕，赋能产业AI化AI化殷俊回顾，公司成立先进技术研究院之初，就锁定发展AI产业化的目标，推动产业数字化转型并解决AI产业化过程中用户实际应用问题，巨灵平台正是基于这个目标的思考而构建的基础能力。
AI投入成本高，对开发者要求的门槛也很高，开发者除了要技术过硬，还要具备产业化和工程化的能力，需要解决海量数据处理、算力高效调配、面向应用场景快速优化、算法逻辑编排、产品快速加载等一系列问题。殷俊认为，解决这些问题是建设基础能力的时候必须要做好的事情。
因此，大华股份自研了一套AI领域的EDA（Electronic design automation，电子设计自动化）工具的平台，来解决算法从无到有，从有到优快速产品落地。
殷俊谈到：“巨灵的背后是基于AI产业化的理解，构建完整的AI生产到的EDA工具平台在这些基础能力之上，搭载了大华多年来研发的核心算法和行业算法应用的能力。
据悉，在核心算法层面大华股份布局了计算机视觉、数据分析、聚类检索、多维感知、编解码、音频、3D建模等多个领域的智能算法。
大华财报显示，公司研发了20多个细分行业的算法方案、100多项场景化算法功能，覆盖智慧制造、智慧石化、智慧农业、智慧教育等多个方向。