WAIC2021|思谋科技刘枢：赋能制造业需要什么样的算法平台？( 二 )

每个零件都不一样，每个缺陷都不一样，项目需求非常碎片化。同时，上线之前数据很少，怎么用比较少的数据快速得到还能够上线的模型去迭代？随着产线良率的变化，最后验收标准也会发生调整，有点像薛定谔的需求一样，时时刻刻摸不准，但还是要去满足它。性能要求高就不用说了，迭代速度快是什么意思？在一个产线上会混线生产不同厂商的产品，算法要同时兼容它们，生产线怎么快速迭代到新产品里面？这都是具体技术问题。
我相信在座的各位都是做技术的同学，有一个很重要的点就是怎样把客户纷繁复杂的需求抽象成通用技术问题，用更高的交付效率和更低交付成本完成项目交付，这是最大价值。
我们自己开发了一套完整的覆盖所有应用以及上下游工具链的算法平台， SmoreAIPlatform（SMap）。通过平台完成了所有项目交付以及打通所有产品，所有工程师一起使用和维护这套平台。接下来，我按照我们内部时间演进顺序、从四个维度阐述我们认为需要什么样的算法平台。
二、「降本增效」需要什么样的算法平台？
首先，最简单的是工具化。它能够被不同工程师快速使用，如果用得比较好，不同工程师可以互相迁移，它本身可以作为知识沉淀、知识传播的载体。
与之相对的是，可能有不同算法工程师，每个人有自己祖传的代码，虽然里面加了非常多好用的东西，但是不同工程师不共享，很多东西还要重新开发，没办法用起来，这就非常痛苦了。

为了解决这个问题，这是第一代算法平台大概架构图。第一代把不同应用做了单独代码库，比如检测、分类、分割等等，做相同方向的同学可以快速复用起来。比如， A同学做了一些长尾问题解决方案， B同学做了其他方案，只要做同一个方向大家都可以用起来。
问题是，当我们希望把模型做得更快时，用到蒸馏或者量化技术，因为代码库是完全割裂开的，在检测、分类、分割应用时，都要重新开发一遍，非常浪费。
而且不同人设计不同代码库，设计理念和设计语言也不一样，比如同样一个术语在不同代码库可能引起混淆，这就带来第二代的架构，一定是平台化东西。
不同应用以及上下游工具链一定是依照同样优秀的抽象，它定义了数据流、架构应该长什么样子，不同模块长什么样子等等。有了比较好抽象以后，不同模块以插件形式融入到一起，非常简单地加以调用。同样，依赖于比较好的抽象，以后不断衍生的新技术也可以很快用起来。

这是我们的第二代架构，我们把整个代码抽象成三个层级。中间是最核心的模块（Core) ，承载不同应用、上下游工具链抽象的总接口，同时沉淀了所有共享的东西。
它的上面链接了应用层，比如检测、分类、分割、关键点、机器学习的技术以及机器视觉技术等等。算法同学只跟核心模块交互，通过核心模块调用不同应用，就可以非常简单用起来。
第三层是插件层，通过统一抽象（因为我们数据已经完全抽象好了），开发一次就能支撑所有应用。除此之外，我们还封装了对应的解决方案，针对不同方向，比如3C、半导体，打包不同技术点成为一些方向性的解决方案，帮助我们快速复用。