2021年12月11日，由雷峰網(wǎng) & AI 掘金志主辦的第四屆中國(guó)人工智能安防峰會(huì)，在深圳正式召開(kāi)。

　　本屆峰會(huì)以「數(shù)字城市的時(shí)代突圍」為主題，會(huì)上代表城市AIoT的14家標(biāo)桿企業(yè)，為現(xiàn)場(chǎng)和線上觀眾，分享迎接數(shù)字城市的經(jīng)營(yíng)理念與技術(shù)應(yīng)用方法論。

　　在下午場(chǎng)的演講環(huán)節(jié)中，云天勵(lì)飛首席科學(xué)家王孝宇發(fā)表了精彩演講。

　　王孝宇認(rèn)為，AI的研發(fā)模式有兩大關(guān)鍵點(diǎn)：一是用什么樣的數(shù)據(jù)訓(xùn)練模型;二是模型如何基于數(shù)據(jù)得到更好的結(jié)果。

　　過(guò)去的研發(fā)模式大都以模型為中心，依賴專(zhuān)家，找數(shù)據(jù)、標(biāo)注數(shù)據(jù)，然后讓AI博士調(diào)參，如同工業(yè)化時(shí)代的“擰螺絲釘”，導(dǎo)致AI無(wú)法大規(guī)模產(chǎn)業(yè)化。

　　同時(shí)，過(guò)去的研發(fā)范式，大都集中于用更好的技術(shù)建立更好的模型。但幾年之后，業(yè)界發(fā)現(xiàn)所用的技術(shù)越來(lái)越趨同，標(biāo)準(zhǔn)化的條件成熟了

　　事實(shí)上，對(duì)比不同研發(fā)模型，可以發(fā)現(xiàn)對(duì)AI研發(fā)和應(yīng)用來(lái)說(shuō)，高效地獲取最好的數(shù)據(jù)，比模型本身要重要得多。

　　究其原因是技術(shù)迭代快，容易被趕上，但數(shù)據(jù)迭代慢，因此如何在最短時(shí)間內(nèi)得到可以使模型達(dá)到最優(yōu)效果的數(shù)據(jù)集，這才是最重要的。

　　因此鑒于人力成本和模型標(biāo)準(zhǔn)化條件的成熟，云天勵(lì)飛在內(nèi)部打造了一套標(biāo)準(zhǔn)化、流程化、平臺(tái)化的模型研發(fā)方式。

　　云天勵(lì)飛大規(guī)模算法研發(fā)的流程是：

　　第一步，獲取初始模型。通過(guò)分布式標(biāo)注平臺(tái)定義任務(wù)，再利用被千億、百億級(jí)的數(shù)據(jù)訓(xùn)練出來(lái)的大模型和無(wú)監(jiān)督學(xué)習(xí)，配合少量數(shù)據(jù)的標(biāo)注，得到不錯(cuò)的初始模型。

　　第二步，數(shù)據(jù)迭代。在海量還沒(méi)有標(biāo)注好的數(shù)據(jù)中，用技術(shù)、算法找到真正有用的數(shù)據(jù)，用主動(dòng)學(xué)習(xí)算法做數(shù)據(jù)擇優(yōu)。

　　第三步，模型訓(xùn)練。在云天勵(lì)飛的平臺(tái)上用一鍵化方式，完成調(diào)整參數(shù)、數(shù)據(jù)挖掘等工作，降低對(duì)訓(xùn)練模型人員的從業(yè)要求。同時(shí)讓數(shù)據(jù)、研發(fā)軌跡、開(kāi)發(fā)技巧都沉淀在平臺(tái)上，動(dòng)作可復(fù)用，流程可追溯，降低AI人員高流動(dòng)性帶來(lái)的負(fù)面影響。

　　他認(rèn)為視覺(jué)AI目前還處在拓荒階段，是一片沙漠，沒(méi)有變成綠洲，只有等到其變成綠洲時(shí)，才能“長(zhǎng)”出很多AI企業(yè)，而云天勵(lì)飛建立的這套平臺(tái)，就是加速沙漠變綠洲的驅(qū)動(dòng)底座。

　　以下是王孝宇演講全文，雷峰網(wǎng)AI掘金志作了不改變?cè)�意的整理與編輯：

　　很高興與大家一起分享云天勵(lì)飛從事AI研發(fā)十幾年來(lái)總結(jié)的一套模型研發(fā)范式，我這次的演講題目是——AI大規(guī)模產(chǎn)業(yè)化實(shí)踐。

　　首先做下自我介紹。我畢業(yè)之后去了硅谷，在NEC Labs做無(wú)人車(chē)、人臉?lè)矫娴难芯俊?015年，我和另外幾人一起去洛杉磯，幫Snap公司創(chuàng)建了AI研究院。2017年，回國(guó)之后，我來(lái)到了云天勵(lì)飛。

　　2017年的時(shí)候，人工智能開(kāi)始火爆起來(lái)，有非常多的應(yīng)用，像聊天機(jī)器人、無(wú)人車(chē)、人臉識(shí)別，健康領(lǐng)域，智慧家居、AR等。但是只有人臉識(shí)別有人相信，其他的，不管是業(yè)界還是投資人，都認(rèn)為是騙子，覺(jué)得做不出來(lái)什么東西。

　　時(shí)隔五年，再回頭來(lái)看行業(yè)，我覺(jué)得很有意思。聊天機(jī)器人在每個(gè)社交網(wǎng)絡(luò)平臺(tái)，像阿里、京東，現(xiàn)在在電商平臺(tái)上都有應(yīng)用。無(wú)人車(chē)，慢慢也有Robotaxi的落地，現(xiàn)在也有很多企業(yè)在這方面興起。在健康領(lǐng)域，五年前我們還在討論IBM沃森的失敗，當(dāng)時(shí)折騰了很大的動(dòng)靜，但現(xiàn)在有很多這方面的優(yōu)秀企業(yè)興起。

　　當(dāng)時(shí)美國(guó)一些知名的AR公司也倒閉了，但現(xiàn)在很多公司把自己的名字改成元宇宙，又火了起來(lái)，AR又讓大家看到了希望。

　　這些變化其實(shí)印證了我的一個(gè)觀點(diǎn)：不要高估AI帶來(lái)的改變，也不要低估AI帶來(lái)的影響，我們是在這片沙漠里墾荒的一批人。

　　在墾荒的過(guò)程中，我們回過(guò)頭來(lái)看AI，落地應(yīng)用的最大瓶頸是什么?

　　人才太貴了。

　　六年前，我們招聘AI博士的時(shí)候，給到40萬(wàn)美金一年，光是養(yǎng)一群技術(shù)人員，每年的人力成本就是一個(gè)巨額數(shù)字。但是現(xiàn)在，這項(xiàng)成本正在降低，究其原因，是AI的研發(fā)模式發(fā)生了變化。

　　AI的研發(fā)模式，有兩個(gè)關(guān)鍵點(diǎn)。首先，有什么樣的數(shù)據(jù)訓(xùn)練模型;其次，如何用各種技術(shù)基于數(shù)據(jù)來(lái)讓模型取得更好的效果。

　　過(guò)去，大家把重心放在模型上，需要數(shù)據(jù)就要找，不停標(biāo)注，標(biāo)注完以后，就是專(zhuān)家干的事了，天天調(diào)模型參數(shù)、損失函數(shù)、優(yōu)化器，很多AI博士畢業(yè)之后就干這個(gè)事。

　　這個(gè)事其實(shí)跟工業(yè)化時(shí)代擰螺絲釘?shù)墓ぷ鳑](méi)太大區(qū)別，但沒(méi)有博士相關(guān)的學(xué)習(xí)經(jīng)歷，還干不了這個(gè)事，所以很難規(guī)�；�、產(chǎn)業(yè)化。

　　我們之前的研發(fā)范式，都是集中用更好的技術(shù)建立更好的模型上的，但現(xiàn)在不是那么回事了。

　　12月8日，Andrej Karpathy 發(fā)了一個(gè)推文，他是李飛飛的學(xué)生，畢業(yè)之后去了特斯拉，擔(dān)任無(wú)人駕駛總監(jiān)。他說(shuō)，現(xiàn)在的AI技術(shù)都趨同了，大家都一樣。

　　什么意思?

　　以視覺(jué)為例，五六年前，做自然語(yǔ)言處理的有一套技術(shù)，做圖像識(shí)別的也有一套技術(shù)，但是做了五年之后，大家發(fā)現(xiàn)做的技術(shù)是一樣的。不管是視覺(jué)、語(yǔ)音還是自然語(yǔ)言處理，大家用的都是同一套技術(shù)框架和模型架構(gòu)來(lái)解決問(wèn)題。

　　最近，機(jī)器學(xué)習(xí)領(lǐng)域的國(guó)際頂尖會(huì)議NIPS也提到：慢慢的，那些通用模型的結(jié)構(gòu)，已經(jīng)占據(jù)所有任務(wù)的主導(dǎo)地位了。

　　這有點(diǎn)像通信或編碼時(shí)期，大家剛開(kāi)始是百花齊放的，后來(lái)慢慢的，大家都用同一套技術(shù)架構(gòu)解決所有的問(wèn)題，也就是走向了標(biāo)準(zhǔn)化階段。

　　如果把這兩個(gè)模型研發(fā)的過(guò)程放在一起做比較，我認(rèn)為更重要的，不是模型有多好，而是數(shù)據(jù)有多優(yōu)質(zhì)。

　　有句話說(shuō)得好：“巧婦難為無(wú)米之炊”，你的廚藝再好，沒(méi)有素材做不出任何東西，所以有好的數(shù)據(jù)才是最重要的。

　　在云天勵(lì)飛十多年的研發(fā)過(guò)程中，我們發(fā)現(xiàn)，如何高效地獲取最好的數(shù)據(jù)，比模型本身要重要得多。

　　因?yàn)榧夹g(shù)是很容易趕上的，今天這個(gè)技術(shù)不行，可能再過(guò)三個(gè)月、六個(gè)月會(huì)有新技術(shù)出現(xiàn)，會(huì)不停地更新迭代。但數(shù)據(jù)的迭代效率往往沒(méi)那么高，而且我們也發(fā)現(xiàn)，在研發(fā)過(guò)程中，90%以上的時(shí)間是放在數(shù)據(jù)上的，而不是做模型。

　　由此帶來(lái)研發(fā)觀念的轉(zhuǎn)變：之前我們的觀念是招聘最好的人，開(kāi)發(fā)最好的技術(shù)，達(dá)到最好的效果。但實(shí)際不是這樣的，如何在最短的時(shí)間內(nèi)，得到可以使模型達(dá)到最優(yōu)效果的數(shù)據(jù)集，這才是最重要的。

　　云天勵(lì)飛從創(chuàng)立到現(xiàn)在，從來(lái)沒(méi)有一個(gè)研發(fā)任務(wù)是，把數(shù)據(jù)收集好，模型做一遍就結(jié)束了，這個(gè)模型永遠(yuǎn)要在用戶的實(shí)際場(chǎng)景中迭代。

　　怎么在實(shí)際場(chǎng)景中迭代?

　　需要在做的不夠好的地方，把數(shù)據(jù)收集起來(lái)。也就是說(shuō)，數(shù)據(jù)集的分布會(huì)慢慢讓模型的精度達(dá)到最好。

　　云天勵(lì)飛對(duì)研發(fā)部門(mén)KPI的制定，不僅僅是訓(xùn)練出了多少模型，或者說(shuō)模型的精度是多少。而且明確把數(shù)據(jù)集的產(chǎn)生作為KPI的導(dǎo)向之一，它其實(shí)更重要。

　　優(yōu)秀的開(kāi)發(fā)者和一般的開(kāi)發(fā)者之間，對(duì)數(shù)據(jù)的認(rèn)知是不一樣的，優(yōu)秀的開(kāi)發(fā)者對(duì)數(shù)據(jù)有非常良好的認(rèn)知，模型被數(shù)據(jù)cap得很明顯，在最短的時(shí)間內(nèi)拿到最好的數(shù)據(jù)，才能做到最好的模型精度。

　　為什么說(shuō)模型大規(guī)模生產(chǎn)?

　　因?yàn)楝F(xiàn)在面向城市治理算法的應(yīng)用，已經(jīng)不僅僅是幾個(gè)算法模型了。大家經(jīng)常一看，有幾百個(gè)模型的需求，但企業(yè)不可能招幾百個(gè)人做這個(gè)事，所以需要大規(guī)模地跑這些技術(shù)，必須要有平臺(tái)化的東西進(jìn)行研發(fā)。

　　所以云天勵(lì)飛在內(nèi)部打造了一套標(biāo)準(zhǔn)化、流程化、平臺(tái)化的研發(fā)方式。

　　什么叫流程化?

　　流程化的英文叫Streamline。不需要切換上下文就可以把所有的事情做完，現(xiàn)在美國(guó)的創(chuàng)業(yè)非常流行這樣做，RPA也是同樣的思路，做機(jī)器人流程自動(dòng)化，把業(yè)務(wù)的流程放在無(wú)縫銜接的框架下完成。

　　只有在這種情況下，效率才是最高的，不需要一會(huì)兒做這個(gè)事，一會(huì)兒做那個(gè)事，頻繁切換會(huì)影響工作效率。

　　標(biāo)準(zhǔn)化(standardization)，把里面跟模型相關(guān)的非標(biāo)準(zhǔn)化的部分全部呈現(xiàn)在技術(shù)上，整個(gè)平臺(tái)上只剩下標(biāo)準(zhǔn)化的東西。

　　這樣做的好處是什么?容易學(xué)習(xí)，所以不需要博士做這個(gè)事情，可能本科生甚至是高中生就可以干這個(gè)事，從而把博士資源放在更緊要的地方。

　　平臺(tái)化(platform)，這也是整個(gè)軟件行業(yè)的趨勢(shì)。

　　這張圖是我們大規(guī)模算法研發(fā)的流程：

　　第一步，搜集數(shù)據(jù)，這時(shí)候數(shù)據(jù)是沒(méi)有標(biāo)注的。

　　第二步，做數(shù)據(jù)標(biāo)注;

　　第三步，模型訓(xùn)練;

　　第四步，data mining，有了初始模型后，在海量沒(méi)有標(biāo)注的數(shù)據(jù)里找到可以提高性能的數(shù)據(jù);

　　第五步，再進(jìn)行標(biāo)注。

　　如果把這個(gè)平臺(tái)分成三步，前兩步就是做初始模型的建立，后面就是做完整閉環(huán)，像飛輪一樣，它在不停地轉(zhuǎn)，每轉(zhuǎn)一次都可以得到更好的精度。這個(gè)轉(zhuǎn)法是在我們平臺(tái)上實(shí)現(xiàn)的，不需要專(zhuān)家級(jí)別的人專(zhuān)門(mén)來(lái)做。

　　第一步，獲取初始模型。

　　首先我們有分布式標(biāo)注平臺(tái)，開(kāi)發(fā)人員可以定義一個(gè)任務(wù)。比如做街道下水道井蓋有沒(méi)有被人拿走的檢測(cè)，也許我們會(huì)標(biāo)注10-20個(gè)數(shù)據(jù)。

　　標(biāo)注之后怎么辦?這是學(xué)術(shù)界和工業(yè)界很火的大模型和無(wú)監(jiān)督學(xué)習(xí)。

　　為什么我們?cè)谶@里面放了大模型和無(wú)監(jiān)督學(xué)習(xí)?剛才我們講到，一開(kāi)始我們想做井蓋被人拿走的事實(shí)檢測(cè)，我們一開(kāi)始可能沒(méi)有這么多標(biāo)注好的數(shù)據(jù)，可能只有100個(gè)，但數(shù)據(jù)標(biāo)注的效率可能是萬(wàn)分之一。

　　如果你想標(biāo)1萬(wàn)個(gè)這樣的數(shù)據(jù)，需要標(biāo)1億個(gè)data，這個(gè)量非常大。怎么辦?

　　先標(biāo)100個(gè)，為什么要用大模型和無(wú)監(jiān)督學(xué)習(xí)配合這個(gè)數(shù)據(jù)去跑模型?就是為了讓你初始模型的精度達(dá)到最高。

　　無(wú)監(jiān)督和大模型最好的方式，本來(lái)100個(gè)數(shù)據(jù)訓(xùn)練出來(lái)的精度只有30%，用大模型和無(wú)監(jiān)督學(xué)習(xí)的方法訓(xùn)練之后，精度可以達(dá)到80%，那挖掘數(shù)據(jù)的效率可以提高10倍，也就是說(shuō)我少標(biāo)了10倍的數(shù)據(jù)，一切都是為了后面數(shù)據(jù)迭代的效率來(lái)做的。

　　為什么大模型和無(wú)監(jiān)督學(xué)習(xí)可以提高這個(gè)性能?雖然它自己沒(méi)有標(biāo)注數(shù)據(jù)，但它是被千億、百億級(jí)的數(shù)據(jù)訓(xùn)練出來(lái)的，知道井蓋是什么樣的，這種特征的編輯其實(shí)已經(jīng)實(shí)現(xiàn)了，再配合少量數(shù)據(jù)的標(biāo)注，就可以得到一個(gè)還不錯(cuò)的初始模型。

　　為什么要得到還不錯(cuò)的初始模型?因?yàn)閿?shù)據(jù)迭代的效率會(huì)更高，首先是為了第一步方便。

　　第二步，我們不說(shuō)模型迭代，而是數(shù)據(jù)迭代，因?yàn)槲覀冋J(rèn)為模型的訓(xùn)練已經(jīng)被標(biāo)準(zhǔn)化了，在平臺(tái)上，點(diǎn)個(gè)按鈕它就訓(xùn)練好了，不需要有模型訓(xùn)練的知識(shí)，我們專(zhuān)家的系統(tǒng)已經(jīng)把它做好了。

　　所謂的數(shù)據(jù)迭代，就是在海量還沒(méi)有標(biāo)注好的數(shù)據(jù)中，找到能夠提高模型性能的數(shù)據(jù)，進(jìn)行主動(dòng)學(xué)習(xí)。

　　傳統(tǒng)模型研發(fā)的范式是缺數(shù)據(jù)再去標(biāo)，但發(fā)現(xiàn)標(biāo)過(guò)來(lái)的數(shù)據(jù)跟以前的分布是一樣的，對(duì)模型的分布沒(méi)有太大用處。所以需要用技術(shù)、算法找到對(duì)自己真正有用的數(shù)據(jù)，右邊我們從海量數(shù)據(jù)中找出了9張有用的數(shù)據(jù)。

　　模型挖掘怎么做?在左邊平臺(tái)界面，點(diǎn)一個(gè)按鈕，選一個(gè)數(shù)據(jù)集，可以自動(dòng)在這里面挖掘，從幾億的數(shù)據(jù)里找到幾張跟井蓋相關(guān)的數(shù)據(jù)做訓(xùn)練，我們是用主動(dòng)學(xué)習(xí)算法做數(shù)據(jù)擇優(yōu)的。

　　數(shù)據(jù)迭代之后，要做模型訓(xùn)練，在這個(gè)平臺(tái)上用一鍵化的方式去做，這就是我們花幾百萬(wàn)招過(guò)來(lái)的博士應(yīng)該干的事情，他們不應(yīng)該天天調(diào)參數(shù)、挖數(shù)據(jù)，這些事情應(yīng)該讓平臺(tái)去干。

　　這一步，只要你點(diǎn)訓(xùn)練，它可以自動(dòng)訓(xùn)練，背后怎么訓(xùn)練?是由開(kāi)發(fā)者去開(kāi)發(fā)的。但是在整個(gè)平臺(tái)上去進(jìn)行操作的人，不需要知道大規(guī)模模型訓(xùn)練，這降低了訓(xùn)練模型人員的從業(yè)要求，只要他知道這是怎么回事，把數(shù)據(jù)拿進(jìn)去就可以訓(xùn)練，無(wú)代碼一鍵完成模型開(kāi)發(fā)。

　　做這種平臺(tái)研發(fā)環(huán)境的好處是什么?數(shù)據(jù)沉淀在平臺(tái)上，動(dòng)作可復(fù)用，流程可追溯。這里面有幾個(gè)界面：數(shù)據(jù)集管理、模型管理、任務(wù)管理。

　　數(shù)據(jù)集管理，就是一些標(biāo)注好的數(shù)據(jù)集，以及挖掘、生成的數(shù)據(jù)集;模型管理，就是訓(xùn)練好的模型;任務(wù)管理，可以是標(biāo)注任務(wù)，也可以是挖掘任務(wù)，也可以是訓(xùn)練任務(wù)，所有研發(fā)的軌跡全部停留在這里面。

　　為什么要做這個(gè)事?很簡(jiǎn)單，因?yàn)槿肆Τ杀咎���，企業(yè)無(wú)法招聘太多人從事每一個(gè)算法的研發(fā)。有了這套平臺(tái)之后，我們可以實(shí)現(xiàn)非算法人員開(kāi)發(fā)模型的方式，讓算法工程師做更高級(jí)別的技術(shù)，這些平臺(tái)話、流程化的事情，可交給一般的技術(shù)人員或者學(xué)生來(lái)做。

　　整個(gè)過(guò)程中，我們認(rèn)為沉淀更多的是數(shù)據(jù)價(jià)值，這比模型的價(jià)值更大。

　　為什么數(shù)據(jù)的價(jià)值比模型的價(jià)值更大?

　　數(shù)據(jù)沒(méi)有了，模型是訓(xùn)練不出來(lái)的，你不會(huì)再得到提高，即使得不到模型，數(shù)據(jù)在這兒，所以很容易再訓(xùn)練一個(gè)模型出來(lái)。

　　數(shù)據(jù)的重要性遠(yuǎn)遠(yuǎn)高于模型的重要性，所謂持續(xù)性的研發(fā)，沉淀出來(lái)的是有價(jià)值的數(shù)據(jù)，而不是其他。

　　因?yàn)槟Ｐ秃苋菀字匦掠?xùn)練，或者用不同的數(shù)據(jù)迭代。但數(shù)據(jù)日積月累需要很長(zhǎng)的時(shí)間。在整個(gè)平臺(tái)上，通過(guò)數(shù)據(jù)不停的挖掘、訓(xùn)練、標(biāo)注、迭代，會(huì)一輪一輪增加新的數(shù)據(jù)，為每個(gè)任務(wù)沉淀出非常優(yōu)質(zhì)的數(shù)據(jù)集。

　　也就是說(shuō)，在這個(gè)平臺(tái)上，數(shù)據(jù)變成了最重要的資產(chǎn)。

　　另外，所有的開(kāi)發(fā)技巧也沉淀到平臺(tái)上了。

　　如果大家搞研發(fā)管理，就會(huì)發(fā)現(xiàn)一個(gè)現(xiàn)象：部分人能做得特別好，部分人怎么都做不好。這是因?yàn)�，任�?wù)、指令都是一樣的，但不同的人研發(fā)經(jīng)驗(yàn)是不一樣的。

　　人才的素質(zhì)屬于不可控因素，如果把這套技術(shù)能力進(jìn)行沉淀，每個(gè)模型研發(fā)過(guò)程都能實(shí)現(xiàn)可追蹤，這樣就能讓做不好的人，通過(guò)學(xué)習(xí)，把事做好。

　　這樣做的另一個(gè)好處是，不會(huì)因?yàn)槿瞬帕魇��?dǎo)致既有的模型失效。

　　所有公司都會(huì)面臨人員流動(dòng)這個(gè)問(wèn)題，一位優(yōu)秀員工離職之后，其模型很難復(fù)現(xiàn)，因?yàn)閯e人不知道這個(gè)模型怎樣迭代才達(dá)到現(xiàn)有的精度，上下銜接很困難，費(fèi)時(shí)費(fèi)力。

　　但是在這個(gè)平臺(tái)上，就不會(huì)出現(xiàn)問(wèn)題。模型訓(xùn)練過(guò)程中所做的所有數(shù)據(jù)的標(biāo)注、操作，全部都在這個(gè)平臺(tái)上，主要進(jìn)行相關(guān)操作，全部流程都可以重復(fù)，不需要重新做。

　　在座如果有做研發(fā)管理的，肯定會(huì)感覺(jué)這個(gè)東西用起來(lái)非常不錯(cuò)。

　　現(xiàn)在，云天勵(lì)飛內(nèi)部的研發(fā)，除了一些非常高難度的，或者非要人工介入的算法研發(fā)(如人臉)，其他的算法研發(fā)全部依賴于大規(guī)模算法開(kāi)發(fā)平臺(tái)。也就是說(shuō)基本全部不需要算法工程師去做，都是標(biāo)注人員在做。

　　以大堂搬運(yùn)貨物檢測(cè)案例為例，每個(gè)工程師大概開(kāi)發(fā)成本50萬(wàn)，一個(gè)月的時(shí)間差不多5萬(wàn)塊錢(qián)的投入，但現(xiàn)在只需要1個(gè)標(biāo)注人員，5-7天就可以做完從0到實(shí)用部署。

　　為什么能力稍微差一點(diǎn)，時(shí)間反而縮短了?

　　這就是流程化，所有模型的訓(xùn)練只在一個(gè)平臺(tái)上完成。以前的方式，來(lái)來(lái)回回對(duì)接的成本太高，但在這個(gè)平臺(tái)上，點(diǎn)擊挖掘，自動(dòng)尋找，再點(diǎn)標(biāo)注，尋找標(biāo)注人物，后臺(tái)人員標(biāo)注好，再點(diǎn)訓(xùn)練，全部就完成了，整個(gè)流程即使和非常有算法經(jīng)驗(yàn)的工程師相比，這個(gè)平臺(tái)也有4倍以上的提升。

　　我們憑借這個(gè)平臺(tái)在深圳做了幾個(gè)項(xiàng)目，像龍華智能運(yùn)算能力平臺(tái)。

　　這里面涉及的算法有上百個(gè)，公司不可能在短期內(nèi)招聘幾百個(gè)算法人員進(jìn)行研發(fā)，因?yàn)檫@套平臺(tái)當(dāng)時(shí)還沒(méi)有做得完備，所以讓2個(gè)算法人員、10個(gè)標(biāo)注人員，在6個(gè)月的時(shí)間把20多個(gè)算法開(kāi)發(fā)全部完成了，成本也降低了很多。

　　為什么它需要這么多的算法?

　　這其實(shí)是整個(gè)城市管理思路的轉(zhuǎn)變：以前是巡視型管理，需要實(shí)地巡查，才能發(fā)現(xiàn)、處理;現(xiàn)在布置相關(guān)攝像頭，就能在后臺(tái)發(fā)現(xiàn)，從而解決。

　　這種管理思路的轉(zhuǎn)變，需要大量算法技術(shù)能力的支撐。云天勵(lì)飛在龍崗算法倉(cāng)做了一個(gè)項(xiàng)目，也是算法訓(xùn)練與賦能平臺(tái)，這里面也有上百種算法的需求。

　　需要強(qiáng)調(diào)的是，這套研發(fā)平臺(tái)沒(méi)有犧牲模型的精度，不同的人群訓(xùn)練這套模型沒(méi)有太大差別，因?yàn)樵谶@個(gè)平臺(tái)里，可以通過(guò)主動(dòng)學(xué)習(xí)算法，基于數(shù)據(jù)集做快速迭代，從而得到比較高的檢測(cè)精度。

　　最后提一點(diǎn)，云天勵(lì)飛為什么要建立這套平臺(tái)?

　　從行業(yè)看，視覺(jué)AI還處在拓荒階段，仍然是一片沙漠，沒(méi)有變成一片綠洲，只有等到它變成綠洲的時(shí)候，才能長(zhǎng)出一顆顆參天大樹(shù)，長(zhǎng)出許多AI企業(yè)。

　　城市治理對(duì)于算法的需求是成千上萬(wàn)的，每個(gè)算法都靠有經(jīng)驗(yàn)的人員去開(kāi)發(fā)，成本會(huì)非常高昂，因此云天勵(lì)飛開(kāi)發(fā)了這套系統(tǒng)，縮減成本的同時(shí)，加快AI應(yīng)用的進(jìn)程。

　　可以設(shè)想，未來(lái)的城市，有一張網(wǎng)絡(luò)可以檢測(cè)方方面面，所有的事件都可以在城市大腦里解決。

　　這背后的技術(shù)邏輯是，算法可以做智能調(diào)度。比如對(duì)著大海的攝像頭，不用把汽車(chē)檢測(cè)的算法集成到攝像頭上，當(dāng)城市擁有一萬(wàn)種算法時(shí)，可以在不同場(chǎng)景下，調(diào)度合適的算法，來(lái)解決問(wèn)題。

　　云天勵(lì)飛的愿景是，通過(guò)知識(shí)圖譜和整個(gè)平臺(tái)的研發(fā)，讓城市超腦實(shí)現(xiàn)自我進(jìn)化，從而達(dá)到更高的智能化水平。

　　值得一提的是，云天勵(lì)飛的自進(jìn)化城市智能體的思路，已經(jīng)被寫(xiě)入深圳市政府工作報(bào)告中。