经过半年的打磨，Brain++商业版已经正式进入市场。
在刚刚结束的2020中关村论坛上，这位以算法先进著称的AI头部选手，展示了他们企业级AI应用大规模落地的利器——Brain ++商业版。
作为鄙视全流程AI产能的高手，Brain++被鄙视为可以大规模生产各种AI菜品的中央厨房。放眼整个AI领域，很少见到一个企业级平台，将开源的AI框架、数据管理平台、计算力管理平台打包，覆盖大规模生产全流程的核心诉求。
如今，忽略了渴望应用AI技术的企业的核心诉求，内部使用的Brain++被进一步抽象打磨成可以对外商业化的产品，有望成为AI开发的“Visual Studio”。
当“把AI变成类似水电气的存在”已经成为AI领域大家追求的新愿景，忽略Brain++商业版的进入，能给企业AI的大规模落地带来哪些改变？
通过与旷视研究院高级技术总监、Brain++负责人田的交流，我们试图了解Brain++商业版在AI商业化的征程中，能为企业带来哪些独特的竞争优势，承载了哪些期待，对AI技术创新与商业变现的平衡会带来哪些启示。
解锁全流程AI产能，算法落地时间缩短80%
AI正在赋予更多改变世界的想象力，从人脸解锁、实时翻译到推广。工业质检的效率让越来越多的企业看到了新AI生产力带来的增值空间。然而，当企业踏入智能化转型的大门时，却发现很多环节都隐藏着挑战。
摆在企业面前的，是AI技术与应用之间的几道鸿沟:专业人才匮乏，缺乏全流程工具，应用场景分散，大量应用需要定制化的AI能力来满足，必须解决数据安全问题，必须维护系统稳定性。如果一个企业从零开始构建AI解决方案，必然会投入大量的人力物力成本。
AI规模落地的这些常见“通病”能否通过一个标准化的体系来解决？
能否用一套高效易用的工具，省去不必要的重复性工作，解决大部分场景下大范围企业的问题？
藐视商业版Brain++就是这样一个AI生产力工具。
Brain++是工业应用自主研发的全流程AI生产能力的集合，是忽略各种AI服务的底层基础设施。由深度学习框架MegEngine(天元)、计算力管理平台MegCompute和数据管理平台MegData组成。
作为统一的底层架构，Brain++为AI算法训练和模型改进过程提供了重要支持，使视觉能够构建自我完善、更加自动化的算法生产线，为不同垂直领域定制丰富且不断增长的算法组合，用更少的人力和更短的时间开发各种新算法。
自2014年建成以来，Brain++已成为支持1400多名R&D人员日常工作的平台和基础设施。例如，在今年疫情期间，花了10天时间交付了基于Brain++平台的明艾吉智能测温系统。
“场景的无限性导致的算法供给不足的问题是目前行业面临的最大痛点，试图解决AI领域的核心问题是一种蔑视。”田对说道。
随着Brain++的成熟，旷视已经从狭义的擅长算法研发，转变为能够批量部署算法。现在旷视正在走向下一个阶段——向更多企业开放数据、算法和计算能力。
但旷视广泛使用的Brain++并不是一个可以广泛应用于企业的商业产品。
企业用户的核心诉求是利用AI稳定、低门槛、低成本、有效地实现业务增长。而如果AI技术的应用总是点对点实现，每家公司为自己的业务重新配备一批人才团队，重新开发一套AI算法，不仅不能充分发挥AI能力的作用，对AI算法和人才来说也是一种浪费。从长远来看，单点AI的应用不利于AI企业的独特竞争力。
因此，在今年3月正式宣布Brain++对外开放后，又花了半年时间，根据合作伙伴和客户的反馈和调研，对Brain++经过验证的领先技术进行进一步的梳理、整合、筛选和完善，打磨成符合客户需求的商业能力，随后Brain++商业版正式上线。
根据旷视披露的实际数据，Brain++可以有效缩短80%算法从需求到落地的时间，整体降低55%的算法制作成本。
Brain++商业版全景:助力私有化部署，提供全流程服务。
Brain++商业版能做什么？
拆解其组成可以看到，在Brain++三大平台的基础上，Brain++商业版进一步将数据、算法、计算能力进行了抽象和整合，形成了平台层、算法层和交付层。
(1)平台层:提供多种覆盖算法生产全过程的能力和组件，并整合成一套标准辅助的开发范式。这种范式是基于内部算法研发经验的总结和提炼，让企业从AI开发旅程的起点就有了科学高效的方法论。
(2)算法层:在平台层的基础上提供专门的算法制作和优化服务。无视擅长算法能力。对于使用Brain++平台后仍无法解决具体场景的企业，可以提供从数据到模型部署的端到端算法服务，加速企业AI资产的积累。
(3)交付层:为平台层的落地和算法的最终应用提供部署、交付、扩展、培训、优化等必要服务，有效保证企业真正发挥Brain++平台的价值。
在这些能力的基础上，无论企业是需要开发新的自研AI业务，还是想要提升现有AI算法研发的效率，Brain++商业版都可以帮助工作团队提升效率，实现更好地获取算法和服务。
这里我们重点介绍平台层的功能。
总体而言，Brain++商业版可以为AI开发的各个环节提供平台和流程，帮助企业告别作坊式的AI开发，在完善的集群管理方案基础上降低AI集群建设的门槛。此外，Brain++商业版还通过私有化部署，为企业确保集群稳定性和数据资产安全。
比如在数据生产上，Brain++商业版提供了完整的私有化的数据生产能力，涵盖数据质量管理、数据集管理、测试集管理。
在模型开发过程中，Brain++商业版提供了丰富的训练开发工具，既支持代码训练，也支持非代码训练场景，方便客户使用各种训练工具，更简单高效地完成模型训练。该平台还提供了各种形式的模型评估方案来衡量模型的性能。
在实验管理上，Brain++商业版提供多任务对比，支持参数、任务日志等信息的对比，集成TensorBoard，方便算法开发者对比不同训练任务的信息，提高模型开发效率。
为了方便项目开发和管理，Brain++商业版还为开发者搭建了一个工作区，为他们搭建了一个拥有独立资源的个人工作台，提供了可视化的项目管理功能，可以分三步生成一个开发项目，以及更具可复制性和稳定性的任务提交机制。
此外，在该平台上，企业级镜像仓库服务可以保证在训练过程中从本地拉取图片，大大提高了训练效率；集群管理功能可以帮助平台管理者从全局角度更好地管理底层基础设施资源；灵活的多租户管理功能，可以满足多企业、角色公共集群的业务场景。
田和我们分享了他对Brain++商业版的期待:“我们希望给企业一个可控、稳定、低成本、低门槛、易用、能快速获取价值和验证价值的解决方案。企业可以通过Brain++商业版不断打磨自己的团队，构建AI能力，积累自己的数据和智能资产。”
六年磨一剑，霜刃第一次尝试，脑+商业版三大优势
在田看来，AI行业还没有真正建成以深度学习为核心的企业级平台，而在这方面，旷视有自己独特的优势。
“我们一直试图理解训练过程，以及训练过程的本质是什么，这也是大规模生产算法的核心要素。”田对说道。
那么，要搭建这样一个全流程的深度学习开发平台，有哪些硬核力量支撑呢？
1.积累了大量先进的自研算法。
无论是从在各种国际AI大赛中拔得头筹，还是支持AI商业化，核心技术都是旷视在AI领域的立身之本。
作为国内最早的AI公司之一，积累了大量自主研发的先进深度学习算法，包括DorefaNet、ShuffleNet、AutoML等创新研究成果，还利用算法提升数据生产、计算能力分配效率、优化芯片性能功耗比，从而“用AI解决AI生产问题”。
据田介绍，在Brain++平台上，每天有上千个模型被训练和验证。经过比较和选择，成为算法和模型，可以提供给合作伙伴，帮助企业获得更好的知识和价值。
今年3月，藐视Brain++核心组件的深度学习框架天元MegEngine正式开源，成为中国AI基础设施建设大潮中的重要新生力量。现在天元已经从Alpha版本迭代到1.0预览版，与清华吉图、华为MindSpore一起，正在点燃国内开源深度学习框架，催化国内AI生态的繁荣。
2.经过多年的实践，成本已经大大降低。
田认为，旷视生命和可持续发展的核心不在于几十万行代码，而在于对深度学习的理解和认识。
经过六年的打磨和产品验证，旷视Brain++在支持个人联网、城市物联网、供应链物联网的业务推广过程中，已经帮助众多客户实现了多场景算法开发。
如今，通过Brain++平台整合AI能力、工具、流程和标准，让企业在开发和部署AI时，不必再踩前几年踩过的坑，帮助企业降本增效。
通过使用Brain++生产力平台，企业可以降低30%到40%左右的硬件成本。其中，计算能力管理平台MegCompute可以动态分配所有GPU，将通常20%的GPU空闲率大幅降低至4%以下；数据管理平台MegData可以最大限度利用GPU能力，训练效率比传统对象存储或HDFS存储提高数倍。如果达到同样的训练速度，存储成本可以比传统的全闪存存储集群降低70%左右。
某科技园基于Brain++平台搭建了园区内AI开发平台，降低了园区内内科企业深度学习开发的门槛。基于Brain++平台，一个想要实现智能化升级的汽车厂商，可以在极短的时间内完成生产安全监管、智能制造、生产规范等各种AI场景的研发需求。
藐视希望通过Brain++商业版，帮助1000家传统企业进行智能化改造，推广10000个新的场景化算法，培养10000名能够使用Brain++平台完成算法制作的AI人才。
3.支持平台的全流程定制服务
目前AI技术并不是万能的灵丹妙药，标准化的服务也不能解决所有问题。
比如一些大型制造企业会非常注重安全生产，是否戴安全帽，是否换防化服，是否佩戴识别带...这些场景在标准算法系统中往往是看不到的。
在这方面，除了平台产品，旷视还提供支持平台的全流程定制服务，从前期方案咨询、平台部署、模型优化、建设运维、课程培训等，直接向企业交付零散场景的定制能力。，从而解决定制化商业模式的开发和沉淀问题。
其中，数据服务基于MegData平台，算法服务基于迪法恩研究院算法团队，运维服务基于迪法恩研究院工程能力体系，可以满足具体应用场景下的多种需求，从数据管理平台私有化部署、算法训练和部署优化到集群资源利用优化和定制化扩展。
结论:AI产业落地深水区。
五年来，AI发展如火如荼，AI热度居高不下。通用基础技术逐渐成熟，AI走出了概念炒作的风口，从追逐热点转向更加注重核心技术能力与实体经济的深度融合。在“新基础设施”的帮助下，AI企业面临着如何将技术创新转化为商业价值的新一轮考试。
将AI变成可规模化的产品和服务，不仅是越来越多企业升级转型智能化的需求，也是AI企业进一步深化技术能力、构建竞争壁垒的关键。
不理脑++商业版将深度学习能力以标准化、系统化的方式进行构建和输出，为AI的商业化、场景化、大规模落地提供了有效的生产力工具，不仅有助于避免“重复造轮子”的资源和效率浪费，也加速了创新应用的落地赋能，从而提升AI在整个行业的渗透率。
到目前为止，AI算法仍然存在成本高、周期长、供给能力有限的问题。安艾公司毕竟它的力量是有限的。为了满足爆发式增长的AI应用需求，需要更多像旷视这样愿意积累自身技术、输出经验的企业共同努力，构建更加完善的生态。