从旷视云边协同计算看发展AIoT的致胜关键

  • 时间:
  • 浏览:0
  • 来源:UU快3直播APP-UU直播快3APP

人工智能时代,怎么让技术转化为可持续的利润是商业化的关键,纵观现在AI行业的大小公司,无没得谈“怎么落地”的大问题。其中AIoT而是另有有二个很好的方向,通过用智能技术赋能物理世界,从而极大扩展AI在社会生活中的应用场景。

而是都不能想看 ,对于另有有二个好的AI技术应用而言,传统的三次责“数据、算力、算法”显然是严重不足的,需用新增另有有二个重要维度“场景”,即AI四次责“数据、算力、算法、场景”。所谓场景,即怎么根据具体应用环境的需求来构建友好的技术应用,唯有构建好围绕具体场景的强大工程体系,不能保证性能优异的AI算法真正发挥其价值。

而是,对于AIoT场景来说,云边协同计算而是已经 另有有二个致胜关键。首先从云计算说起,云计算的核心而是将算力置于云端数据中心,凭借云端强大的计算力来完成计算要求很高的计算工作。但随着物联网技术的发展,尤其是人工智能物联网(AIoT)的发展,有人逐渐发现,完整基于云端的计算存在而是大问题,基于云端的万物互联过于集中化和平台化,因为哪几个非云端的设备在需用进行智能计算的已经 ,会面临较高延迟、网络传输下行速率 严重不足、数据丢包、数据隐私等诸多大问题。以智能交通中的智能汽车为例,快速处理数据是一种至关重要的能力,而是智能汽车本质都不可不都能不能 看做是另有有二个大型高功率计算机,其通太多 个传感器分派数据,为使哪几个车辆安全可靠的运行,哪几个传感器需用立即响应周边环境,处理下行速率 的任何滞后都而是是致命的。

有鉴于此,又考虑到当前边端、移动端计算芯片的发展取得了长足进步,有人便提出将次责完整需用不怎么多样化的运算、有隐私需求的运算置于边端,在本地直接进行的设想,提出了“云边协同”的概念。

旷视首席科学家、旷视研究院院长孙剑在多个场合都谈及了云边端协同的重要性,对于基于计算机视觉的AIoT巨头来说,旷视在这方面的思考值得借鉴。

提到旷视,大次责稍有了解的人第一印象或许是这家公司在AI算法都不能力很强。诚然,旷视有着强大的算法能力,而是在算法光芒的面前,旷视的工程能力同样不容小觑。作为AIoT巨头,旷视的业务含高另一方设备、智慧云城市、供应链三大物联网场景,都不能发现无论是哪个场景,其中各种设备分派的数据(汽车、智能摄像头、传感器、机器人、移动设备)需用产生海量数据,而是都将哪几个数据发回数据中心进行处理,物理距离与网络下行速率 的限制需用极大影响最终的用户体验和应用能力,为此需用发展强大的全场景计算能力,云边协同计算便成为旷视在AIoT时代致胜的关键能力。

具体而言,旷视针对不同计算场景分别研发了专门的神经网络架构,在具有大算力的云端,旷视研发了学界、业界当前普遍使用的残差神经网络(ResNet)的一系列变体;在边端,不怎么是嵌入式设备,而是它们的计算能力、内存访问完整需用限制,而是无法运行传统的大型网络,为此旷视提出了超越谷歌MobileNet的轻量级卷积神经网络ShuffleNet;另外对于边缘侧使用的而是AI芯片(如FGPA、ASIC)而言,而是其内存访问下行速率 迅速,而是为了让神经网络不能在芯片上运行,就需用降低其对内存的访问量,旷视对此提出了将网络内控 以low-bits表示的DoReFaNet,你例如于于神经网络加速模型目前而是广泛部署在了旷视的各类边端物联网产品中。

需用强调的是,如前所述,在云边计算场景中,除了针对不同异构平台的高性能算法设计以外,打造另有有二个不能互通哪几个不同平台,实现N+N大于2N的工程化操作系统至关重要。如同PC时代的Windows、macOS,移动时代的Andorid、iOS一样,高度学习框架上承各种应用、下接芯片硬件,起到承上启下的作用,是‘智能时代的操作系统’,而是拥另有有二个多自主可控的人工智能框架就成了构筑技术城墙的重要保障。纵观当前全球范围内,主流使用的框架均为美国公司研发(谷歌TensorFlow、Facebook Pytorch),为了处理跳出在芯片领域遭遇的技术封锁在核心软件领域重演,国内巨头百度首先开源了PaddlePaddle高度学习平台,集成了自家AI框架。同样,旷视也从15年现在开始了了开发了完整自主原创的Brain++人工智能计算平台,内含自家原创AI框架MegEngine,专门针对计算机视觉领域的学术研究、领域实践而优化,相比主流通用场景的AI框架,旷视的MegEngine在针对计算机图像大问题上的计算性能具有显著优势,目前它而是成为了旷视内控 全员使用,从研发到落地部署全流程的重要底层工具。