联想|联想变了：打通任督二脉( 三 )

一般来说，处理方式主要有两个：要么有人工智能专家手动搭建模型，要么利用机器学习技术，搜索神经网络架构，然而，前者费时，后者耗力（GPU算力），并非优解。
更进一步，当模型被部署到边侧或端侧以后，仍旧存在新的问题，即很难收集到有效样本数据。
同时需要指出的是，芮勇向雷锋网坦言，赋能不同的垂直行业确实不能只靠一套解决方案，因为不同行业和企业的痛点和难点并不是完全一样的，即便是同一个工厂、同一个企业、同一个问题，在云侧训练完模型，并部署到边侧和端侧之后，还会遇到一些之前没有遇到的问题。
面对这些问题，芮勇在联想大脑中提出了“多层级细粒度神经网络架构搜索”技术以及小样本终身学习技术。

所谓“多层级细粒度神经网络架构搜索”技术，是通过模块间- 层间- 层内的渐进式搜索方法得出网络架构。
然后，结合网络权重预热技术，通过近邻采样，对网络架构的权重赋予先验初值，使得模型训练能快速收敛。以图像分类问题为例，构建同样精度的模型，其所需 GPU 算力仅为业界常用方法的 1/10 。
对于小样本终身学习，则是通过借鉴不同任务的相似之处，实现任务层面的学习能力泛化，一次提升模型不断适应新任务的能力。
无论是多层级细粒度神经网络架构搜索” ，还是小样本终身学习，都是面向已经存在的行业问题，对于缺乏经验和试验的新场景问题， “如何适配？”成为新的挑战。
芮勇表示，联想大脑中加入了多目标优化的解决方案自动生成技术，用户只需输入新场景任务和限制条件，算法就能自动确定需要哪些模型、跑在哪些设备上、模型如何进行协作等，从而构建出一个具体的方案，将原来需要几周部署的方案缩短至几个小时。
同时，芮勇在采访中表示，目前联想大脑已能够提供 6 大类 100 余项人工智能能力，应用于制造、医疗、教育、金融、零售等多个行业。
“同一个联想”
如果从 2021 联想创新科技大会透视联想，不难看出，无论在业务层面，还是公司维度， “一个联想”的形象已越来越清晰。
例如，联想 TruScale 服务正是在“同一个联想”的加持下进行赋能，在一切皆服务的核心要义下，要求公司各部门需要往同一方向聚力，小到手机、电脑，大到数据中心等。
同时，这也是内部能力与业务的是一次系统性整合，对 IT 技术能力、AI 能力、业务能力等各个方面的全面打通。
需要明确的是，联想的转型已不仅仅是内部的转型，而是一次寻求“内生外化” ，由己及人的一次进阶转向。
从目前情况来看，在数字化、智能化逐渐成为趋势的时代，联想的转型与时代趋势是同频的，这也是决定联想能否在转型中持续维持市场竞争力的关键节点。
这一次，联想能否顺利再次搭上时代的快车，时间会告诉答案。