历史|AI十年进阶：一段算法能力演进的历史( 二 )

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。