专访旷视科技：千年建盏的溯源智能化背后，算法量产是解决AI算法落地的一大路径

作者｜韦世玮

**

茶兴于唐而盛于宋。据说始于神农时代的中国茶文化，至今已流淌了4700多年历史，随后在唐朝走向发展的黄金时代，在宋朝进入了茶文化繁荣的鼎盛时期。

与唐朝煎茶、元朝泡茶不同的是，宋朝流行的点茶不仅催生出了斗茶之风，还让建盏风靡了千年，在茶案上独领风骚。

何为建盏？顾名思义，就是建窑烧制的黑釉茶盏，发源于今福建省南平市建阳区，凭借独一无二又绚丽神奇的斑纹，享有入窑一色，出窑万彩的美誉，上至皇族、下至平民无不喜爱。兔毫连盏烹云液，能解红颜入醉乡。这正是宋徽宗在《宫词其七四》中对建盏的赞美。

2011年，建窑建盏烧制技艺成功列入国家级非物质文化遗产名录，并走进国际视野，引起世界收藏爱好者们的关注和热情。近年来，建盏相关企业从原来的12家猛增到7200多家，产值也从原来的100多万元发展到预计75亿元，品牌价值超160亿元。

建窑建盏

建盏巨大的商业价值和投资潜力背后，产业的隐秘角落也滋生了假冒仿制、以次充好等行业乱象，严重破坏了市场秩序和良性发展，也影响着建盏产值的发展和品牌价值。然而过去的建盏鉴定主要依赖传承人的亲笔签名、拍照，或是提供产品防伪码等，这些方式不仅效率低，人力成本也高，难以解决行业乱象。

直到2021年6月，建盏生态公司找到了旷视科技，提出了建盏识别和溯源的需求。通过借助算法量产，旷视科技推出了首个基于AI图像识别技术打造的建盏溯源系统，为每一只建盏赋予专属电子身份证，实现了一盏一图、一盏一码、图码结合，有效地解决仿造、伪造、以次充好等问题。

实际上，旷视科技AI建盏溯源系统的研发之路并不轻松。从去年6月至今，旷视科技在开发这套系统过程中，主要面临了哪些意想不到的挑战？研发背后蕴含的算法量产理念又是什么？如何加速AI落地，与实体经济进一步深度融合？

为此，近日36氪等媒体与旷视科技展开了一场深度对话，在探究以上答案的同时，我们也看到了作为AI四小龙的旷视科技，是如何逐渐摸索出一条属于自己特有的，具有差异化竞争力的落地路径。

01、识别准确率超95%，千年建盏溯源的挑战

最初接触到AI建盏溯源项目的旷视研究院团队并没有信心，因为我们认为，当人本身就难以判断盏之间的区别时，那AI大概率很难做到，并且行业也没有可借鉴的案例。旷视研究院算法研究员申远谈道。更重要的是，与其他瓷器相比，建盏釉面具备的金属光泽会有很强的反光，这对AI识别来说是一个巨大的挑战。

如何在这一堆不可能中找寻到一丝可能性，申远和同事们进行了许多探索性尝试。在这个过程中，旷视团队亲自采集了8500个建盏样本数据，并进行了初步验证，发现效果比预想的还要好一些。至此，旷视团队才第一次真正对AI建盏项目产生信心。

但新的问题也随之而来。

过去我们接到类似的项目，往往需要研究员花费大量时间做实验设计，在过程中进行大量算法模型参数的调优。旷视研究院算法量产负责人周而进说。

为了改善这一问题，旷视对AI生产模式进行了思考，希望能够将整个AI算法生产的过程进行标准化，从而降低算法生产的门槛。于是，旷视提出了算法量产理念，基于旷视Brain++和旷视天元训练框架，打造了一个能够适配算法量产的AI基础设施——算法生产平台AIS（AI Service）。

基于算法量产理念和AIS算法生产平台，并通过借鉴许多在其他生物认证识别上的经验，旷视团队迅速完成了建盏溯源算法的原型开发，并验证了可行性。

简单来看，这套AI建盏溯源系统细分了大量的子方向和算法，包括建盏的定位、检测、质量判断，以及最重要的纹理识别。另外针对釉面材质的反光，旷视研发了一个专门的硬件设备，形状像一个封闭的盒子，并内置可控制的光源，只要将刚出窑的建盏放进盒子里打光拍摄，就能够从物理层面大大解决常规拍摄的严重反光，导致信息丢失的问题。

旷视AI建盏溯源系统

与此同时，通过2D图像的检测和细分特征识别，旷视只需要对建盏进行多个角度的拍摄和提取特征，就能捕捉到整只建盏的3D结构信息。

旷视AI建盏溯源系统的诞生，不仅实现了一盏一图、一盏一码、图码结合，对兔毫、鹧鸪斑、曜变等类型建盏达到95%以上的识别准确率，还可支持移动端快速鉴别建盏的真伪。这对推动建盏产业的规范化和数字化升级，提供了一套行之有效的解决方案。

旷视AI建盏溯源系统支持移动端快速鉴别建盏

周而进告诉36氪，如今这套系统已基本能做到在正常光照环境下完成拍摄任务，但也存在不少迭代改进空间，主要集中在算法演进和识别准确性上。一是将继续提高系统对更多光照环境的适应性，让用户的拍照角度更随意；二是逐步优化系统对特征不易观测的建盏（如单色黑釉）的识别准确性。

对旷视团队来说，这是他们将AI算法落地到非物质文化遗产保护的第一步。

从技术角度看，建盏背后的整个算法生产模式和技术，可以被复制到许多类似非遗保护的产品上。更广一点说，做物品的鉴定、身份确认等工作，背后的技术原理是相通的。周而进说。

02、基于算法量产解决大规模算法落地问题

实际上，AI建盏溯源系统只是旷视算法量产理念在落地过程中的一个侧影。至今，旷视已帮助能源、教育、零售、运动健身等领域的客户实现了技术在日常生产和经营中的应用，达到降本增效的效果。

例如，旷视开发的明厨亮灶算法已在10余座城市的学校落地，保障学生用餐安全；基于MegEngine框架，并通过算法量产和AIS生产平台，旷视为某油田提供了烟雾检测、火焰检测、油品泄漏、配电室未佩戴绝缘手套等多项AI算法，通过危险化学品视频分析智能预警系统，提升其日常安全监管工作效率。

透过算法量产理念，我们不难看到旷视对当下AI行业落地产生的新思考。

大规模算法落地本身是一个系统问题，真正难点在于这个系统的复杂性。周而进谈道，目前各行各业都有算法在不断融入，但真正能解决问题的算法仍供不应求，整个AIoT市场的算法供给面临行业数据匮乏、算法通用性低、IoT设备繁杂、Software2.0的挑战、算法供给质量参差不齐等五大挑战。

AIoT市场算法供给面临5大挑战

为了解决这些问题，目前玩家通常采用定制化开发、预训练大模型、云端AI开发平台等不同方式进行算法生产。除此之外，一直以来的算法生产模式为需求-数据-模型-部署，该模式要求研究员具备非常高的综合能力，整体生产流程存在分工难以明确、全能型人才稀缺、培训和人才储备成本高昂、经验无法沉淀成方法的难点。

在周而进看来，这些算法生产方式大部分是针对某个单一算法，关注算法的瞬时指标，但在应对一个复杂问题时，光靠单点是不够的。如果要有效解决整个系统问题，就要从算法生产到算法模型，再到推理框架进行标准化，去构建算法生产体系和基础设施，去关注算法的可用标准和持续迭代能力。标准化才有可能让算法生产的所有环节实现自动化。他说。

基于10多年的算法研发和多行业项目实践经验，旷视提出了算法量产理念，希望通过算法量产，将AI生产过程标准化，降低算法生产门槛，从而让更多人能够加入到算法生产工作中，提升算法生产效率。

算法量产不是单一的产品，而是对AI生产模式的理念革新和生产力进化。周而进提到。

为了更好地实现算法量产，旷视一方面提出了适配算法量产的5:3:2研发体系，包括5个行业工程师，基于AIS算法生产平台进行相应的业务交付；3个算法研究员，聚焦算法的创新与探索；2个工程师，不断打磨相应的基础设施并进行AI生产力工具的开发。

另一方面，旷视提出了适配算法量产的AI基础设施——算法生产平台AIS（AI Service），主要基于旷视Brain++体系，构建了一套覆盖数据处理、模型训练、性能分析调优、推理部署测试等算法生产全链路的零代码、自动化的生产力工具平台。

旷视算法生产平台AIS

目前，旷视AIS平台已经支持100多种业务模型训练，最快2小时即可完成训练，同时其嵌入式管理平台已支持30种设备的管理，能有效节省IoT设备的日常开发与维护成本。截至今年第三季度，城市物联网板块75%的模型发版都是通过算法量产的模式来完成。周而进说。

但需要注意的是，解决大规模AI算法落地的问题并不等同于解决AI落地。

主要原因在于，AI落地还涉及很多其他因素，比如产品、解决方案、整体价格、客户的信息化水平等，不单是大规模AI算法落地这个单一性问题。周而进告诉36氪，这需要AI技术know-how和行业know-how的深度融合，需要有核心技术体系，有软硬协同一体的产品能力，以及产品落地行业的实践经验，才能真正加速AI算法在各行业的落地。

03、旷视如何面向AIoT产业发展的黄金十年？

如果说算法量产是旷视针对大规模算法生产落地而提出，那么算法定义硬件则是其针对AIoT海量应用场景需求下提出的另一个产品理念。

实际上，面对当前丰富灵活多变的AI场景需求，以及不断蓬勃发展的应用生态，大部分传统硬件的产品思路是在AI技术和产品之间、软硬件之间、技术平台之间找到一种平衡，但这种平衡往往鱼和熊掌不可兼得，要么牺牲AI算法能力，要么牺牲硬件功能。

在旷视看来，如果要实现真正的协同，需要将算法需求前置考虑，从算法和用户场景需求出发，反推所有技术架构和平台之间的协同设计，从而得到一个更优的产品方案。

基于此，算法定义硬件应运而生。

与算法量产的底层逻辑相通，在算法定义硬件中，算法是产品的核心要素，硬件将围绕算力的优化和算法支撑来重新设计，逐步走向标准化。同时，标准化硬件能够通过加载不同算法，灵活演变成不同的智能化硬件，从而满足海量场景的应用需求。

从技术角度看，算法定义硬件的底层依赖是旷视以基础算法科研和规模算法量产为核心的2+1AIoT核心技术科研体系，还有以计算摄影学为核心的算法定义硬件IoT技术体系（包括AI传感器和AI机器人）。整套科研体系涵盖从基础研究、算法生产到软硬一体化产品的AI落地全链路，这也是旷视的技术护城河，以及公司未来走向AIoT商业化成功的重要基石。

不可否认，AIoT产业正逐渐迎来发展的黄金十年，AI技术也将进入这万亿级的海量AIoT场景中。

面向这个未来，旷视将AIoT产业的发展划分为三个阶段：第一阶段是单品短闭环阶段，核心AI硬件涌现；第二阶段是产品大闭环阶段，云边端产品体系重构；第三阶段是产业全面开放阶段，AIoT生态繁荣发展。

对旷视来说，贯穿这三大阶段的产品理念，正是算法定义硬件。

结语

回看整个AIoT产业的发展，旷视针对建盏溯源需求提出的解决方案，不过是AI技术落地过程中的冰山一角。在这条细流之外，还有更多企业沿着不同技术路径而努力，目标都是为了推动AIoT市场未来的百花齐放和生态繁荣。

在这个过程中，如何找准适合自己的途径和方法，提高自我造血能力，这是旷视乃至每一个玩家正不断思考和努力解决的重要命题。如今旷视给出的解决方案是：算法要与硬件和应用结合，打造出匹配场景需求的硬件产品，这才能形成真正闭环的价值，从而激发整个AIoT生态的创新。